This media is not supported in your browser
VIEW IN TELEGRAM
🧠 Memanto: حافظه نامحدود و رایگان برای مدلهای هوش مصنوعی
ابزار جدید و متنباز Memanto، با الهام از قابلیتهای مدلهای پیشرفتهای چون Claude و Cursor، امکان ذخیره و بازیابی نامحدود حافظه را برای مدلهای زبانی بزرگ فراهم میکند. این ابزار که در حال حاضر بیش از ۵۰۰۰ ستاره در گیتهاب دریافت کرده، بدون نیاز به پایگاه دادههای وکتوری یا تنظیمات پیچیده، قادر است زمینه مکالمات و دادههای کاری شما را فشرده، سازماندهی و در کمتر از ۹۰ میلیثانیه بازیابی کند.
Memanto با مدلهایی مانند Claude Code، Codex، Cursor، LangGraph و CrewAI سازگار است و فرآیند یادآوری اطلاعات را برای عاملهای هوش مصنوعی بسیار ساده میسازد. با یک دستور ساده
ابزار جدید و متنباز Memanto، با الهام از قابلیتهای مدلهای پیشرفتهای چون Claude و Cursor، امکان ذخیره و بازیابی نامحدود حافظه را برای مدلهای زبانی بزرگ فراهم میکند. این ابزار که در حال حاضر بیش از ۵۰۰۰ ستاره در گیتهاب دریافت کرده، بدون نیاز به پایگاه دادههای وکتوری یا تنظیمات پیچیده، قادر است زمینه مکالمات و دادههای کاری شما را فشرده، سازماندهی و در کمتر از ۹۰ میلیثانیه بازیابی کند.
Memanto با مدلهایی مانند Claude Code، Codex، Cursor، LangGraph و CrewAI سازگار است و فرآیند یادآوری اطلاعات را برای عاملهای هوش مصنوعی بسیار ساده میسازد. با یک دستور ساده
pip install memanto میتوانید این قابلیت را به پروژههای خود اضافه کرده و به عامل هوش مصنوعی خود کمک کنید تا همهچیز را به خاطر بسپارد.📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤2
🤖 نتایج عجیب Fable 5 در بنچمارک ProgramBench
تیم Vals.ai پیش از غیرفعال شدن Fable 5، آن را روی ProgramBench (یک بنچمارک برای ارزیابی تواناییهای برنامهنویسی مدلهای زبانی) آزمایش کرد و نتایج شگفتانگیزی به دست آورد. با وجود اینکه در ۱۹۹ از ۲۰۰ وظیفه، سیستم بلافاصله مدل را به Opus 4.8 (به دلایل امنیتی) تغییر داده بود، امتیاز نهایی Fable 5 تقریباً دو برابر Opus شد. همچنین، Fable 5 دو برابر توکن بیشتر مصرف کرده و زمان بیشتری نیز صرف کرده بود!
تیم Vals.ai پیش از غیرفعال شدن Fable 5، آن را روی ProgramBench (یک بنچمارک برای ارزیابی تواناییهای برنامهنویسی مدلهای زبانی) آزمایش کرد و نتایج شگفتانگیزی به دست آورد. با وجود اینکه در ۱۹۹ از ۲۰۰ وظیفه، سیستم بلافاصله مدل را به Opus 4.8 (به دلایل امنیتی) تغییر داده بود، امتیاز نهایی Fable 5 تقریباً دو برابر Opus شد. همچنین، Fable 5 دو برابر توکن بیشتر مصرف کرده و زمان بیشتری نیز صرف کرده بود!
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 معرفی Sakana Marlin: عامل تحقیقاتی خودکار با تمرکز بر عمق
شرکت Sakana AI محصول جدیدی به نام Sakana Marlin را معرفی کرده است که به عنوان یک "مدیر ارشد تحقیقاتی مجازی" (Virtual CSO) عمل میکند. این ابزار برخلاف بسیاری از ابزارهای تحقیقاتی که بر سرعت پاسخدهی در چند دقیقه تمرکز دارند، با هدف عمیق شدن در تحقیقات طراحی شده است. Marlin قادر است تا حدود ۸ ساعت به صورت خودکار یک وظیفه تحقیقاتی را پیش ببرد و در نهایت گزارش مفصل و اسلایدهای ارائهای را بدون دخالت انسان تولید کند.
شرکت Sakana AI محصول جدیدی به نام Sakana Marlin را معرفی کرده است که به عنوان یک "مدیر ارشد تحقیقاتی مجازی" (Virtual CSO) عمل میکند. این ابزار برخلاف بسیاری از ابزارهای تحقیقاتی که بر سرعت پاسخدهی در چند دقیقه تمرکز دارند، با هدف عمیق شدن در تحقیقات طراحی شده است. Marlin قادر است تا حدود ۸ ساعت به صورت خودکار یک وظیفه تحقیقاتی را پیش ببرد و در نهایت گزارش مفصل و اسلایدهای ارائهای را بدون دخالت انسان تولید کند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
❤1
Media is too big
VIEW IN TELEGRAM
🖥️ AMD و کامپیوترهای شخصی برای اجرای مدلهای بزرگ هوش مصنوعی
شرکت AMD از یک کامپیوتر رومیزی (مینیپیسی) با قیمت ۱۵۰۰ دلار رونمایی کرده که قادر به اجرای مدلهای هوش مصنوعی با ۲۳۵ میلیارد پارامتر است. لیزا سو، مدیرعامل AMD، در مراسمی این دستگاه را به نمایش گذاشت و مدل Qwen3-235B را مستقیماً روی آن اجرا کرد. راز این توانایی در پردازنده Ryzen AI Max+ 395 نهفته است که حافظه مشترک ۱۲۸ گیگابایتی را بین CPU و GPU تقسیم میکند. این میزان حافظه بهطور قابل توجهی بیشتر از کارتهای گرافیک قدرتمندی مانند RTX 5090 (با ۳۲ گیگابایت) و RTX 4090 (با ۲۴ گیگابایت) است.
این دستگاه با سرعتی حدود ۱۱ توکن در ثانیه، امکان اجرای مدلهای سنگین هوش مصنوعی را مستقیماً از روی میز کار فراهم میکند، بدون نیاز به اشتراک سرویسهای ابری و نگرانی از نشت دادهها. این پیشرفت نشاندهنده گام مهمی در جهت دموکراتیزه کردن دسترسی به سختافزار قدرتمند برای هوش مصنوعی محلی است.
#amd #هوش_مصنوعی_محلی
#ابزار #DataScience
شرکت AMD از یک کامپیوتر رومیزی (مینیپیسی) با قیمت ۱۵۰۰ دلار رونمایی کرده که قادر به اجرای مدلهای هوش مصنوعی با ۲۳۵ میلیارد پارامتر است. لیزا سو، مدیرعامل AMD، در مراسمی این دستگاه را به نمایش گذاشت و مدل Qwen3-235B را مستقیماً روی آن اجرا کرد. راز این توانایی در پردازنده Ryzen AI Max+ 395 نهفته است که حافظه مشترک ۱۲۸ گیگابایتی را بین CPU و GPU تقسیم میکند. این میزان حافظه بهطور قابل توجهی بیشتر از کارتهای گرافیک قدرتمندی مانند RTX 5090 (با ۳۲ گیگابایت) و RTX 4090 (با ۲۴ گیگابایت) است.
این دستگاه با سرعتی حدود ۱۱ توکن در ثانیه، امکان اجرای مدلهای سنگین هوش مصنوعی را مستقیماً از روی میز کار فراهم میکند، بدون نیاز به اشتراک سرویسهای ابری و نگرانی از نشت دادهها. این پیشرفت نشاندهنده گام مهمی در جهت دموکراتیزه کردن دسترسی به سختافزار قدرتمند برای هوش مصنوعی محلی است.
#amd #هوش_مصنوعی_محلی
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #DataScience
🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #48 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 7
🕐 از: دوشنبه 1405/03/25 ساعت 14:34
🕛 تا: سهشنبه 1405/03/26 ساعت 14:34
━━━━━━━━━━━━━━━━━━━━
🤖 ابزارها و عوامل هوش مصنوعی
⚡ سختافزار و زیرساخت هوش مصنوعی
🔬 پژوهش و عملکرد مدلها
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #48 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پستهای بررسیشده: 7
🕐 از: دوشنبه 1405/03/25 ساعت 14:34
🕛 تا: سهشنبه 1405/03/26 ساعت 14:34
━━━━━━━━━━━━━━━━━━━━
🤖 ابزارها و عوامل هوش مصنوعی
TimeCopilot: یک عامل متنباز برای پیشبینی سریهای زمانی با استفاده از هوش مصنوعی مولد (GenAI). این ابزار قدرت مدلهای زبانی بزرگ (LLMs) را با مدلهای پایه پیشرفته سری زمانی ترکیب میکند تا فرآیندهای پیچیده پیشبینی را خودکار و قابل توضیح سازد.
🔗 مشاهده پست
Fusion از OpenRouter: پلتفرمی جدید که در آن چندین مدل هوش مصنوعی به یک پرامپت (prompt) یا دستور ورودی پاسخ میدهند. این سیستم، درخواست را همزمان به مدلهای مختلف ارسال میکند و سپس یک judge (داور) پاسخها را مقایسه کرده و یک synthesizer (ترکیبکننده) نسخه نهایی و منسجم را گردآوری میکند.
🔗 مشاهده پست
SurfSense: پروژهای متنباز که جایگزینی برای NotebookLM (ابزار تحقیقاتی هوش مصنوعی گوگل) است و کنترل کامل دادهها را با تمرکز بر حریم خصوصی در اختیار کاربر قرار میدهد. این عامل تحقیقاتی به بیش از ۲۵ منبع داده متصل شده و امکان انتخاب از میان بیش از ۱۰۰ مدل زبانی را فراهم میکند.
🔗 مشاهده پست
Memanto: ابزاری متنباز برای فراهم آوردن حافظه نامحدود و رایگان برای مدلهای زبانی بزرگ. این ابزار بدون نیاز به پایگاه دادههای وکتوری (vector databases) یا تنظیمات پیچیده، قادر به فشردهسازی، سازماندهی و بازیابی سریع زمینه (context) مکالمات و دادههای کاری است.
🔗 مشاهده پست
Sakana Marlin: عامل تحقیقاتی خودکار جدیدی که توسط Sakana AI معرفی شده است. این ابزار به عنوان یک "مدیر ارشد تحقیقاتی مجازی" (Virtual CSO) عمل کرده و برخلاف ابزارهای متمرکز بر سرعت، برای عمیق شدن در تحقیقات طراحی شده و میتواند تا ۸ ساعت به صورت خودکار یک وظیفه تحقیقاتی را پیش ببرد و گزارشهای مفصل تولید کند.
🔗 مشاهده پست
⚡ سختافزار و زیرساخت هوش مصنوعی
AMD و اجرای مدلهای بزرگ هوش مصنوعی روی کامپیوتر شخصی: شرکت AMD یک کامپیوتر رومیزی (مینیپیسی) با قیمت ۱۵۰۰ دلار معرفی کرده که قادر است مدلهای هوش مصنوعی با ۲۳۵ میلیارد پارامتر را اجرا کند. این دستگاه از پردازنده Ryzen AI Max+ 395 با ۱۲۸ گیگابایت حافظه مشترک (shared memory) بین CPU و GPU بهره میبرد که امکان اجرای مدلهای سنگین هوش مصنوعی را مستقیماً از روی میز کار فراهم میکند.
🔗 مشاهده پست
🔬 پژوهش و عملکرد مدلها
معمای عملکرد Fable 5 در ProgramBench: تیم Vals.ai مدل Fable 5 را روی بنچمارک ProgramBench (ابزاری برای ارزیابی مدلهای هوش مصنوعی در برنامهنویسی) آزمایش کرد و به نتایج عجیبی دست یافت. با وجود اینکه Fable 5 در اغلب وظایف به دلایل امنیتی به مدل دیگری تغییر مسیر میداد، امتیاز نهایی آن تقریباً دو برابر مدل جایگزین بود و توکن بیشتر و زمان بیشتری نیز مصرف کرده بود.
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🤖 پیشرفت مدلهای کوچک با VibeThinker‑3B
بهتازگی مدل ۳ میلیارد پارامتری VibeThinker-3B توانسته در وظایف استدلال قابلراستیآزمایی به نتایج بسیار رقابتی برسد: امتیاز ۹۴.۳٪ در آزمون AIME26، امتیاز ۸۰.۲٪ Pass@1 در LiveCodeBench v6 و عملکرد ۹۶.۱٪ در LeetCode.
بهنظر میرسد بخش اصلی این پیشرفت از پسآموزش روی پایه Qwen2.5-Coder بهدست آمده باشد؛ فرایندی که ابتدا با آموزش نظارتشده مرحلهای (Curriculum SFT) روی مسائل با سطوح دشواری مختلف آغاز شده، سپس با یادگیری تقویتی در حوزههایی مانند ریاضیات و برنامهنویسی ادامه یافته است. در ادامه، مدل از خروجیهای استدلالی خود برای تولید دادههای آموزشی جدید (Offline Self-Distillation) استفاده کرده و در نهایت با یک مرحله RL مبتنی بر دستورالعملها، رفتار آن برای پاسخگویی بهتر به درخواستهای کاربران تنظیم شده است.
بهتازگی مدل ۳ میلیارد پارامتری VibeThinker-3B توانسته در وظایف استدلال قابلراستیآزمایی به نتایج بسیار رقابتی برسد: امتیاز ۹۴.۳٪ در آزمون AIME26، امتیاز ۸۰.۲٪ Pass@1 در LiveCodeBench v6 و عملکرد ۹۶.۱٪ در LeetCode.
بهنظر میرسد بخش اصلی این پیشرفت از پسآموزش روی پایه Qwen2.5-Coder بهدست آمده باشد؛ فرایندی که ابتدا با آموزش نظارتشده مرحلهای (Curriculum SFT) روی مسائل با سطوح دشواری مختلف آغاز شده، سپس با یادگیری تقویتی در حوزههایی مانند ریاضیات و برنامهنویسی ادامه یافته است. در ادامه، مدل از خروجیهای استدلالی خود برای تولید دادههای آموزشی جدید (Offline Self-Distillation) استفاده کرده و در نهایت با یک مرحله RL مبتنی بر دستورالعملها، رفتار آن برای پاسخگویی بهتر به درخواستهای کاربران تنظیم شده است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 افزایش بهرهوری هوش مصنوعی با عمق استفاده
تحقیقات جدید OpenAI نشان میدهد که افزایش بهرهوری از هوش مصنوعی خطی نیست، بلکه با عمق استفاده از آن تسریع میشود. کارکنانی که از قابلیتهای پیشرفته ChatGPT مانند GPT-5 Thinking، Deep Research و Image Generation استفاده میکنند و با مدلها و ابزارهای مختلف کار میکنند، صرفهجویی زمانی بسیار بیشتری را گزارش میدهند. این مطالعه حاکی از آن است که گروهی که بیش از ۱۰ ساعت در هفته صرفهجویی میکنند، تقریباً ۸ برابر بیشتر از کسانی که هیچ صرفهجویی ندارند، از اعتبارات هوش مصنوعی استفاده میکنند.
🔗 openai.com
#گزارش #GPT4o
تحقیقات جدید OpenAI نشان میدهد که افزایش بهرهوری از هوش مصنوعی خطی نیست، بلکه با عمق استفاده از آن تسریع میشود. کارکنانی که از قابلیتهای پیشرفته ChatGPT مانند GPT-5 Thinking، Deep Research و Image Generation استفاده میکنند و با مدلها و ابزارهای مختلف کار میکنند، صرفهجویی زمانی بسیار بیشتری را گزارش میدهند. این مطالعه حاکی از آن است که گروهی که بیش از ۱۰ ساعت در هفته صرفهجویی میکنند، تقریباً ۸ برابر بیشتر از کسانی که هیچ صرفهجویی ندارند، از اعتبارات هوش مصنوعی استفاده میکنند.
🔗 openai.com
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#گزارش #GPT4o
🚀 خرید Cursor توسط SpaceX
اخیراً SpaceX معاملهای به ارزش ۶۰ میلیارد دلار برای خرید شرکت Cursor نهایی کرده است. این تراکنش پس از آنکه در آوریل گزینه خرید را به دست آورد، به سرعت به تکمیل رسید؛ در غیر این صورت، شرکت میتوانست ۱۰ میلیارد دلار پرداخت کند تا پروژه مشترک ادامه یابد. پس از امضای توافق نهایی، Cursor بهعنوان یک ساختار تابع به SpaceX پیوست و بهسرعت نسخه بهروزرسانی شد، مدل جدیدی ارائه داد و SDK مخصوص خود را عرضه کرد. این بزرگترین خرید SpaceX تا بهحال محسوب میشود و به ایلان ماسک امکان رقابت مستقیم با ابزارهای کدنویسی هوش مصنوعی مانند Claude Code و Codex را میدهد.
#خبر #Cursor
اخیراً SpaceX معاملهای به ارزش ۶۰ میلیارد دلار برای خرید شرکت Cursor نهایی کرده است. این تراکنش پس از آنکه در آوریل گزینه خرید را به دست آورد، به سرعت به تکمیل رسید؛ در غیر این صورت، شرکت میتوانست ۱۰ میلیارد دلار پرداخت کند تا پروژه مشترک ادامه یابد. پس از امضای توافق نهایی، Cursor بهعنوان یک ساختار تابع به SpaceX پیوست و بهسرعت نسخه بهروزرسانی شد، مدل جدیدی ارائه داد و SDK مخصوص خود را عرضه کرد. این بزرگترین خرید SpaceX تا بهحال محسوب میشود و به ایلان ماسک امکان رقابت مستقیم با ابزارهای کدنویسی هوش مصنوعی مانند Claude Code و Codex را میدهد.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Cursor
🤖 معرفی Serge: بازبین کد هوش مصنوعی Hugging Face
Hugging Face ابزار متنباز Serge را معرفی کرده است، یک بازبین کد مبتنی بر هوش مصنوعی برای GitHub. این ابزار با فراخوانی در کامنتهای Pull Request (PR) فعال میشود و بهطور خودکار تغییرات کد (diff) را بررسی میکند، باگها و نقاط بحثبرانگیز را شناسایی کرده و مستقیماً در PR نظرات خود را ثبت میکند.
از مزایای Serge میتوان به امکان تعریف قوانین بازبینی در مخزن، تعیین تمرکز عامل بر نکات خاص، و نادیدهگرفتن بخشهای مشخص اشاره کرد. توسعهدهندگان Hugging Face از Serge برای بازبینی پروژههای داخلی مانند diffusers و transformers استفاده میکنند.
#ابزار #HuggingFace
Hugging Face ابزار متنباز Serge را معرفی کرده است، یک بازبین کد مبتنی بر هوش مصنوعی برای GitHub. این ابزار با فراخوانی در کامنتهای Pull Request (PR) فعال میشود و بهطور خودکار تغییرات کد (diff) را بررسی میکند، باگها و نقاط بحثبرانگیز را شناسایی کرده و مستقیماً در PR نظرات خود را ثبت میکند.
از مزایای Serge میتوان به امکان تعریف قوانین بازبینی در مخزن، تعیین تمرکز عامل بر نکات خاص، و نادیدهگرفتن بخشهای مشخص اشاره کرد. توسعهدهندگان Hugging Face از Serge برای بازبینی پروژههای داخلی مانند diffusers و transformers استفاده میکنند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #HuggingFace
❤1
🤖 انتشار GLM‑5.2 با یک میلیون توکن!
GLM‑5.2 (نسخههای max و high) که بهصورت وزنهای باز در Hugging Face منتشر شده، در بنچمارکهای کدنویسی و وظایف عاملیت جهشی قابلتوجه نشان داد. با گسترش حداکثر طول متن به یک میلیون توکن، این مدل قادر است سناریوهای چندمرحلهای طولانی را بهخوبی دنبال کند. حالت max بیشترین کیفیت را هدف میگیرد، در حالی که high تعادل بین دقت و صرفهجویی در توکنها را فراهم میآورد. قیمتهای API بدون تغییر از نسخه 5.1 ادامه دارد و برای توسعهدهندگان API، چتبات و برنامههای کدنویسی در دسترس است.
#خبر #DataScience
GLM‑5.2 (نسخههای max و high) که بهصورت وزنهای باز در Hugging Face منتشر شده، در بنچمارکهای کدنویسی و وظایف عاملیت جهشی قابلتوجه نشان داد. با گسترش حداکثر طول متن به یک میلیون توکن، این مدل قادر است سناریوهای چندمرحلهای طولانی را بهخوبی دنبال کند. حالت max بیشترین کیفیت را هدف میگیرد، در حالی که high تعادل بین دقت و صرفهجویی در توکنها را فراهم میآورد. قیمتهای API بدون تغییر از نسخه 5.1 ادامه دارد و برای توسعهدهندگان API، چتبات و برنامههای کدنویسی در دسترس است.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #DataScience
🤖 موفقیت با Claude Code
تحلیل Anthropic از حدود ۴۰۰ ۰۰۰ سشن Claude Code نشان میدهد که عامل اصلی موفقیت، درک عمیق کاربر از مسئله است نه مهارت برنامهنویسی. در یک سشن معمولی، کاربر حدود ۷۰٪ تصمیمات «چه کاری انجام شود» را میگیرد، در حالی که هوش مصنوعی حدود ۸۰٪ تصمیمات «چگونه انجام شود» را بر عهده میگیرد. کاربران خبره با یک درخواست، تقریباً دو برابر عملهای AI و پنج برابر متن پاسخ دریافت میکنند نسبت به مبتدیان. موفقیت در سشنها همچنین به دقت فرموله کردن نیازها و تشخیص خطاهای مدل بستگی دارد، نه به سمت شغلی کاربر.
🔗 لینک گزارش:
📄 فایل PDF
#پژوهش #Claude
تحلیل Anthropic از حدود ۴۰۰ ۰۰۰ سشن Claude Code نشان میدهد که عامل اصلی موفقیت، درک عمیق کاربر از مسئله است نه مهارت برنامهنویسی. در یک سشن معمولی، کاربر حدود ۷۰٪ تصمیمات «چه کاری انجام شود» را میگیرد، در حالی که هوش مصنوعی حدود ۸۰٪ تصمیمات «چگونه انجام شود» را بر عهده میگیرد. کاربران خبره با یک درخواست، تقریباً دو برابر عملهای AI و پنج برابر متن پاسخ دریافت میکنند نسبت به مبتدیان. موفقیت در سشنها همچنین به دقت فرموله کردن نیازها و تشخیص خطاهای مدل بستگی دارد، نه به سمت شغلی کاربر.
🔗 لینک گزارش:
📄 فایل PDF
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #Claude
🤖 پروکسی منبع باز Netflix برای کاهش توکنهای LLM
یک مهندس Netflix ابزار پروکسی متنباز به نام Headroom ارائه داد که بدون تغییر کد، مصرف توکنهای مدلهای زبانی را بین 60 تا 95 ٪ کاهش میدهد. این لایه بین برنامه شما و LLM قرار میگیرد و خروجی ابزارها، بلوکهای کد و تاریخچه مکالمه را به‑ صورت فشردهسازی در‑حینکار پردازش میکند، بدون خلاصهسازی یا افت دقت (خطای ±0.000%). سازگاری کامل با Claude Code، Cursor، Copilot و کلیه کلاینتهای سازگار با OpenAI دارد. نصب تنها با یک دستور pip و یک متغیر محیطی انجام میشود؛ Netflix نیز به طور داخلی از آن استفاده میکند. پروژه با مجوز Apache 2.0 منتشر شده و در حال حاضر 29.9 هزار ستاره در GitHub دارد.
🔗 Headroom – GitHub
#ابزار #Claude
یک مهندس Netflix ابزار پروکسی متنباز به نام Headroom ارائه داد که بدون تغییر کد، مصرف توکنهای مدلهای زبانی را بین 60 تا 95 ٪ کاهش میدهد. این لایه بین برنامه شما و LLM قرار میگیرد و خروجی ابزارها، بلوکهای کد و تاریخچه مکالمه را به‑ صورت فشردهسازی در‑حینکار پردازش میکند، بدون خلاصهسازی یا افت دقت (خطای ±0.000%). سازگاری کامل با Claude Code، Cursor، Copilot و کلیه کلاینتهای سازگار با OpenAI دارد. نصب تنها با یک دستور pip و یک متغیر محیطی انجام میشود؛ Netflix نیز به طور داخلی از آن استفاده میکند. پروژه با مجوز Apache 2.0 منتشر شده و در حال حاضر 29.9 هزار ستاره در GitHub دارد.
🔗 Headroom – GitHub
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ابزار #Claude
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 Xmind AI – نقشهبرداری هوشمند ذهن
امروز سرویس جدید Xmind AI معرفی شد. این شبکه عصبی میتواند با وارد کردن صرفاً یک توصیف کوتاه یا یک عکس از سند، یادداشت یا طرحدستی، یک نقشه ذهنی ساختارمند و جزئیاتدار تولید کند. کاربران میتوانند اطلاعات را بهصورت سلسلهمراتبی سازماندهی، پروژهها را برنامهریزی و ارتباط منطقی بین وظایف مختلف را بهصورت بصری ایجاد کنند. این ابزار برای افزایش بهرهوری، تفکر بصری و نوآوری در تیمها و افراد مناسب است.
📖 وبسایت Xmind AI
#آموزش #DataScience
امروز سرویس جدید Xmind AI معرفی شد. این شبکه عصبی میتواند با وارد کردن صرفاً یک توصیف کوتاه یا یک عکس از سند، یادداشت یا طرحدستی، یک نقشه ذهنی ساختارمند و جزئیاتدار تولید کند. کاربران میتوانند اطلاعات را بهصورت سلسلهمراتبی سازماندهی، پروژهها را برنامهریزی و ارتباط منطقی بین وظایف مختلف را بهصورت بصری ایجاد کنند. این ابزار برای افزایش بهرهوری، تفکر بصری و نوآوری در تیمها و افراد مناسب است.
📖 وبسایت Xmind AI
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#آموزش #DataScience