☁️ متا وارد بازار خدمات ابری هوش مصنوعی میشود
🚀 پس از رشد بیش از ۱۰٪ سهام، متا از زیرساختهای AI بلااستفادهاش یک سرویس ابری میسازد. توسعهدهندگان میتوانند به مدلهای متا در دیتاسنترهای خود شرکت دسترسی مستقیم داشته باشند.
⚡ این سرویس مشابه AWS Bedrock است — کاربران بدون مدیریت سختافزار، از مدلهای پیشرفته استفاده میکنند. متا همچنین توان پردازشی خام (raw compute) را عرضه خواهد کرد که آن را رقیب مستقیم CoreWeave و Nebius میکند.
📉 پس از انتشار این خبر، سهام CoreWeave و Nebius کاهش قابل توجهی داشت.
#خبر #DataScience
🚀 پس از رشد بیش از ۱۰٪ سهام، متا از زیرساختهای AI بلااستفادهاش یک سرویس ابری میسازد. توسعهدهندگان میتوانند به مدلهای متا در دیتاسنترهای خود شرکت دسترسی مستقیم داشته باشند.
⚡ این سرویس مشابه AWS Bedrock است — کاربران بدون مدیریت سختافزار، از مدلهای پیشرفته استفاده میکنند. متا همچنین توان پردازشی خام (raw compute) را عرضه خواهد کرد که آن را رقیب مستقیم CoreWeave و Nebius میکند.
📉 پس از انتشار این خبر، سهام CoreWeave و Nebius کاهش قابل توجهی داشت.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🤖 پیشرفت بزرگ در بنچمارک RLI: Fable 5 به ۱۶٪ رسید
بنچمارک RLI (Remote Labor Index) که توسط Center for AI Safety ساخته شده، با خرید پروژههای واقعی فریلنسری از UpWork توانایی مدلها را در خودکارسازی کارهای از راه دور میسنجد. این گرانقیمتترین بنچمارک موجود است اما بهترین معیار برای این حوزه محسوب میشود.
📊 نتایج اولیه فقط ۲.۵٪ بود، اما بهتازگی بهروزرسانی شده: GPT-5.5 به ۶.۳٪، Opus 4.8 به ۸.۳٪ و Fable 5 به ۱۶٪ رسیده است. این مدل بهطور خاص در وظایف 3D, CAD, ویرایش ویدئو و تصویرسازی پیشرفت چشمگیری داشته است.
#خبر #DataScience
بنچمارک RLI (Remote Labor Index) که توسط Center for AI Safety ساخته شده، با خرید پروژههای واقعی فریلنسری از UpWork توانایی مدلها را در خودکارسازی کارهای از راه دور میسنجد. این گرانقیمتترین بنچمارک موجود است اما بهترین معیار برای این حوزه محسوب میشود.
📊 نتایج اولیه فقط ۲.۵٪ بود، اما بهتازگی بهروزرسانی شده: GPT-5.5 به ۶.۳٪، Opus 4.8 به ۸.۳٪ و Fable 5 به ۱۶٪ رسیده است. این مدل بهطور خاص در وظایف 3D, CAD, ویرایش ویدئو و تصویرسازی پیشرفت چشمگیری داشته است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 Shorts Studio: ساخت شورتهای جذاب با Higgsfield
🎬 Higgsfield قابلیت جدید Shorts Studio را معرفی کرده که با بهرهگیری از مدل Gemini Omni Flash، هر کلیپی را به فرمت کوتاه (شورت) تبدیل میکند. تمپوی تدوین و زیرنویسها طوری طراحی شدهاند که از ثانیه اول مخاطب را جذب کنند.
⚡ این ابزار هم در خود Higgsfield، هم از طریق MCP و Supercomputer قابل استفاده است.
#ابزار #DataScience
🎬 Higgsfield قابلیت جدید Shorts Studio را معرفی کرده که با بهرهگیری از مدل Gemini Omni Flash، هر کلیپی را به فرمت کوتاه (شورت) تبدیل میکند. تمپوی تدوین و زیرنویسها طوری طراحی شدهاند که از ثانیه اول مخاطب را جذب کنند.
⚡ این ابزار هم در خود Higgsfield، هم از طریق MCP و Supercomputer قابل استفاده است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
🤖 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
#ابزار #DataScience
🔬 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
#خبر #DataScience
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
❤1
هوش مصنوعی و علم داده به فارسی
⚡️ ZCode 3.0: IDE هوش مصنوعی از Z.ai شرکت Z.ai نسخه سوم IDE هوش مصنوعی خود را برای توسعه با agentها عرضه کرد. این ابزار با GLM-5.2 یکپارچه شده و از حالت multi-agent پشتیبانی میکند. 🤖 agentها میتوانند بهطور خودکار کدنویسی، برنامهریزی، بازبینی و استقرار…
🚀 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
🔧 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
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 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.
#ابزار #DataScience
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
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 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.
#ابزار #DataScience
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
#پژوهش #DataScience
🚀 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
❤1
🤖 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.
#خبر #DataScience
🚀 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