‏🤖 UALM: مدل یکپارچه شنوایی برای درک، تولید و استدلال

‏🔬 UALM مدلی است که سه قابلیت درک صدا، تولید آن و استدلال روی صوت را در یک معماری واحد ترکیب می‌کند. چالش اصلی یکی‌سازی رویکردهای متفاوت (مدل زبانی خودرگرسیو برای درک، مدل دیفیوژن برای تولید) و افزودن قابلیت استدلال به حوزه صدا است.

‏⚡ برای تولید، مدل UALM-Gen روی Qwen2.5-1.5B ساخته شده و با استفاده از داده‌ی بسیار زیاد (۸۰ هزار ساعت صدا)،Classifier-Free Guidance و تکنیک Delay Pattern به کیفیت مدل‌های دیفیوژن می‌رسد.

‏🔗 لینک‌های اصلی پست:
‏📄 مقاله arXiv

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🧠 برنامه Anthropic برای تولید تراشه اختصاصی

‏انتروپیک (Anthropic) در حال مذاکره با سامسونگ برای ساخت تراشه اختصاصی ۲ نانومتری خود است. این تراشه مخصوص استنتاج (inference) مدل‌های هوش مصنوعی طراحی می‌شود.

‏این شرکت هم‌اکنون از AWS Trainium، Google TPU و Nvidia GPU استفاده می‌کند، اما مقیاس‌پذیری زیرساخت به چالش تبدیل شده. تجربه OpenAI در ساخت تراشه اختصاصی تا اینجا موفقیت‌آمیز بوده است.

‏سامسونگ پیشتر در دور سری H انتروپیک سرمایه‌گذاری کرده بود.

‏🔗 جزئیات بیشتر در The Information

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🚀 ZCode: محیط کدنویسی رایگان با توکن‌های GLM

‏🔧 با نصب ZCode (متفاوت از Zed Code) یک محیط کدنویسی تمیز شبیه به Codex دریافت می‌کنید.
‏💡 روزانه ۳ میلیون توکن رایگان برای مدل GLM-5.2 و ۲ میلیون توکن برای GLM-5 Turbo در اختیار شما قرار می‌گیرد.

‏🔗 نصب ZCode

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 عامل جدید علی‌بابا: Page Agent درون مرورگر

‏بیشتر عامل‌های مرورگر از بیرون با صفحه تعامل دارند (پروسه خارجی، مرورگر بدون سر، اسکرین‌شات برای مدل چندوجهی). علی‌بابا مسیر را برعکس کرده و Page Agent را به‌عنوان یک عامل متن‌باز جاوااسکریپتی منتشر کرده که درون خود صفحه وب و سمت کاربر اجرا می‌شود.

‏این عامل DOM زنده را به‌صورت متن می‌خواند (FlatDomTree) و کلیک، تایپ و اسکرول می‌کند. نیازی به اسکرین‌شات، مدل چندوجهی یا تغییر بک‌اند ندارد و سشن و احراز هویت کاربر فعلی را به ارث می‌برد.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🤖 WebBrain: عامل مرورگر متن‌باز و محلی

‏WebBrain یک عامل هوش مصنوعی متن‌باز (MIT) است که درون مرورگر شما زندگی می‌کند. می‌تواند کاملاً روی مدل محلی شما اجرا شود – بدون ابر، بدون حساب کاربری، و بدون ارسال داده. از Chrome و Firefox پشتیبانی می‌کند.

‏🔹 دو حالت مجزا: Ask (فقط خواندن صفحه) و Act (کلیک و تایپ از طریق Chrome DevTools Protocol). طراحی UI-first: با رابط کاربری تعامل می‌کند و از API مستقیم خودداری می‌کند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🧠 AutoMem: آموزش حافظه عامل‌های هوش مصنوعی به عنوان یک مهارت شناختی مجزا

‏🚀 پژوهش جدیدی نشان می‌دهد عامل‌های long-horizon (عامل‌های تصمیم‌گیرنده در افق طولانی) را می‌توان با آموزش اختصاصی حافظه، ۲ تا ۴ برابر سریع‌تر کرد.

‏🧩 ایده اصلی: به جای ذخیره‌سازی ساده در context window، عامل باید یاد بگیرد چه اطلاعاتی را ذخیره کند، چگونه آن‌ها را رمزگذاری کند، چه زمانی بازیابی کند و چگونه ساختار حافظه را پس از تجربه تغییر دهد. AutoMem از دو سیکل استفاده می‌کند: LLM ابتدا ساختار حافظه را از مسیرهای گذشته بازسازی می‌کند، سپس آن را از طریق تصمیم‌های موفق بهبود می‌بخشد.

‏🔬 آزمایش روی بنچمارک‌های Crafter، MiniHack و NetHack نشان داد که صرفاً بهینه‌سازی حافظه، عامل‌ها را به مرزهای frontier-model نزدیک می‌کند.

https://arxiv.org/abs/2607.01224

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#پژوهش #DataScience

‏🤖 ربات انسان‌نمای Figure 03 وارد خط تولید بی‌ام‌و شد

‏🚀 بی‌ام‌و استفاده از ربات انسان‌نمای Figure 03 را در کارخانه Spartanburg آمریکا برای جابجایی و مرتب‌سازی قطعات آغاز کرد. نسخه قبلی یعنی Figure 02 طی ۱۰ ماه آزمایش روی بیش از ۳۰ هزار بدنه خودرو کار کرده بود.

‏🔧 نسخه جدید Figure AI دارای شارژ بی‌سیم، بدنه نرم، سیستم صوتی برای ارتباط گفتاری با پرسنل، حسگرهای لمسی و دوربین‌های تعبیه‌شده در کف دست است که دقت حرکات ظریف را افزایش می‌دهد.

‏⚡ در خط مونتاژ، Figure 03 قطعات نامرتب را از ظروف مشترک تشخیص می‌دهد و به ترتیب مشخص روی گاری‌های لجستیکی می‌چیند. انتقال گاری‌ها به خط تولید توسط کشنده‌های انبار خودران انجام می‌شود.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏⚡ گزارش‌ زیست‌محیطی گوگل

‏گوگل در گزارش سالانه خود اعلام کرد مصرف برقش در سال ۲۰۲۵ نسبت به سال قبل ۳۷٪ افزایش یافته و از سال ۲۰۱۹ بیش از ۲۵۰٪ رشد کرده است. این افزایش عمدتاً به توسعه Google Cloud، رشد یوتیوب و گسترش زیرساخت‌های هوش مصنوعی نسبت داده شده است.

‏🔬 دیتاسنترهای گوگل به‌تنهایی ۴۲ میلیون مگاوات‌ساعت برق مصرف کرده‌اند – تقریباً معادل مصرف سالانه نیوزیلند یا دانمارک. گوگل رکورد ۱۲ گیگاوات قرارداد جدید برای خرید انرژی پاک امضا کرده، اما اذعان دارد که ساخت زیرساخت‌های هوش مصنوعی سریع‌تر از انتقال شبکه‌های برق به منابع کم‌کربن پیش می‌رود.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🇨🇳 طرح پنج‌ساله آموزش هوش مصنوعی چین

‏شورای دولتی چین طرح پنج‌ساله‌ای منتشر کرده که بر اساس آن سواد هوش مصنوعی باید به یک توانایی کلیدی برای هر دانش‌آموز در همه مقاطع تبدیل شود.

‏🧠 آموزش هوش مصنوعی از حدود ۶ سالگی آغاز می‌شود و به‌صورت دروس منظم در تمام پایه‌های مدرسه تا دانشگاه و کالج گسترش می‌یابد.

‏🇨🇳 این طرح بخشی از استراتژی شی جینپینگ برای برتری فناورانه و رقابت با آمریکاست. سواد انبوه هوش مصنوعی نه‌تنها یک موضوع رقابت ملی، بلکه عنصری از امنیت ملی اعلام شده است.

‏
‏🔗 bloomberg.com

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏📋 ۵۰ سوال کلیدی مصاحبه LLM

‏📚 این منبع شامل سوالات تخصصی همراه با پاسخ برای مدل‌های زبانی بزرگ است. موضوعاتی مانند توکن‌سازی (Tokenization)، تکنیک‌های بهینه‌سازی LoRA و QLoRA، و مفهوم توجه چندسری (Multi-head Attention) را پوشش می‌دهد.

‏🧠 همچنین به تفاوت مدل‌های اتورگرسیو و ماسک‌شده، روش زنجیره افکار (Chain-of-Thought) برای بهبود استدلال، و چالش‌هایی مانند فراموشی فاجعه‌بار و مدیریت منابع پرداخته شده است.

‏⚡ این مجموعه برای یادگیری مفاهیم پایه و پیشرفته LLM و آمادگی مصاحبه بسیار مفید است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #DataScience