gram news
Аватар канала هوش مصنوعی و علم داده به فارسی

هوش مصنوعی و علم داده به فارسی

@dataplusscience

🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد): ‏📩 @Contact2Mebot 💯 کانال دوم ما: @Datascientists_Files 💎 در پیام‌رسان بله(آپدیت اتومات): https://ble.ir/dataplusscience 💡 در پیام‌رسان ایتا(آپدی

ПроектыFAНейросети

6,050подписчиков

Открыть канал

Последние посты

  • هوش مصنوعی و علم داده به فارسی

    22 сент., 18:59

    ‏🚀 معرفی مدل قدرتمند Claude Opus 5.5‏شرکت Anthropic از جدیدترین پرچمدار خود یعنی Claude Opus 5.5 رونمایی کرد. این مدل نه تنها نسبت به نسل قبل هوشمندتر شده، بلکه با سرعت بالاتر و هزینه‌ای به‌مراتب کمتر در دسترس کاربران قرار گرفته است.‏مهم‌ترین ویژگی‌های این آپدیت: ‏- عملکرد خیره‌کننده در برنامه‌نویسی ایجنت‌محور و تعامل با کامپیوتر ‏- مدیریت عالی پروژه‌های حجیم و کدهای طولانی ‏- ارائه پاسخ‌های کوتاه‌تر، دقیق‌تر و طبیعی‌تر ‏- بهبود چشمگیر امنیت در برابر حملات Prompt Injection ‏- کاهش ۴۰ درصدی هزینه‌ها و افزایش ۳۰ درصدی سرعت تولید متن‏توانمندی این مدل در پروژه‌های سنگین به‌خوبی دیده می‌شود؛ برای نمونه، یکی از تست‌کنندگان موفق شد ۶۸۰ هزار خط کد را در کمتر از یک روز مهاجرت دهد و مدل دیگری توانست در کمتر از ۱۰ ساعت، کدهای HAProxy را از زبان C به Rust بازنویسی کند.‏به گفته Anthropic، مدل‌های Sonnet 5.5 و Haiku 5.5 نیز طی هفته‌های آینده عرضه خواهند شد.📊 Data➕Science 🇮🇷 - هوش مصنوعی و
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 16:18

    ‏🔊 مدل‌های صوتی Samsone سامسونگ برای موبایل‏سامسونگ از خانواده‌ای از مدل‌های زبانی صوتی کوچک به نام Samsone رونمایی کرده است که برای اجرا روی دستگاه‌های موبایل طراحی شده‌اند. این مدل‌ها شامل Samsone-99M، Samsone-134M و Samsone-356M هستند و قرار است در کنفرانس Interspeech 2026 در سیدنی معرفی شوند.‏این مدل‌ها قادرند صداهای صوتی را همراه با درخواست‌های متنی دریافت کرده و به سوالات پاسخ دهند، صداها را توصیف کنند یا کلیپ‌های صوتی را مقایسه کنند. Samsone توانایی درک گفتار، موسیقی و صداهای محیطی را دارد، اما پاسخ‌های آن فقط به زبان انگلیسی و با حروف کوچک است.‏معماری Samsone شامل یک کدگذار صوتی Whisper-Tiny، یک پروجکتور غیرخطی و مدل زبانی SmolLM2 از Hugging Face است. این مدل‌ها در تست MMAU عملکرد بهتری نسبت به مدل‌های کوچک قبلی مانند Mellow نشان داده‌اند، اما در بخش پردازش گفتار پیچیده‌تر، مدل‌های بزرگتر مانند Qwen2-Audio و GPT-4o عملکرد بهتری دارند.‏سرعت تولید توکن در Samsone-99M روی
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 15:35

    ‏🧠 تازه‌های هوش مصنوعی و علم داده ‏🚀 مدل‌های هوش مصنوعی موبایلی: LFM2.5 پیشتاز شد!‏در دنیای پرسرعت هوش مصنوعی، بهینه‌سازی مدل‌ها برای اجرا روی دستگاه‌های موبایل اهمیت فزاینده‌ای پیدا کرده است. اخیراً، Artificial Analysis نتایج تست‌های خود را روی 39 مدل مختلف روی آیفون 17 پرو و گلکسی S26 اولترا منتشر کرده است.‏نکته برجسته این بررسی، عملکرد درخشان مدل LFM2.5-2.6B است. این مدل نه تنها در کنار Nanbeige 3B رتبه اول را از نظر هوشمندی کسب کرده، بلکه با مصرف تقریبی 40% حافظه کمتر و سرعت اجرای تا سه برابر بیشتر، برتری قابل توجهی نشان داده است.‏برای مثال، روی آیفون 17 پرو، LFM2.5 تنها 2.32 گیگابایت حافظه مصرف کرده و در 8 ثانیه پردازش را به پایان رسانده، در حالی که Nanbeige به 4.03 گیگابایت حافظه و 21.4 ثانیه زمان نیاز داشته است. این تفاوت‌ها در گلکسی S26 اولترا نیز مشهود است.‏جالب اینجاست که چهار مدل از پنج مدل خانواده LFM2.5 در مرز بهینه (Pareto front) از نظر هوشمندی، سرعت و مصرف حافظه
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 11:18

    ‏🚀 معرفی مدل قدرتمند Jina-OCR برای تحلیل اسناد‏تیم Jina AI نسخه جدید jina-ocr-v1 را منتشر کرده است. این مدل ۳ میلیارد پارامتری به طور ویژه برای پردازش اسناد در سیستم‌های مقرون‌به‌صرفه بهینه شده و می‌تواند تصاویر، فایل‌های PDF و اسکن‌ها را به فرمت Markdown با پشتیبانی از LaTeX تبدیل کند.‏از قابلیت‌های کلیدی این مدل می‌توان به موارد زیر اشاره کرد: ‏- استخراج جداول و فرمول‌های پیچیده ‏- پاسخگویی به سوالات متنی بر اساس محتوای سند ‏- استخراج فیلدهای کلیدی و زیرنویس‌نویسی تصاویر ‏- نرخ پردازش عالی با توانایی تحلیل ۲.۵۷ صفحه در ثانیه روی کارت گرافیک A100‏معماری این مدل بر پایه DeepSeek-OCR است و از تکنیک FastMTP برای افزایش سرعت استنتاج بهره می‌برد. برای استفاده از این قابلیت، اطمینان حاصل کنید که از نسخه ۰.۲۱ vLLM یا جدیدتر استفاده می‌کنید.‏شما می‌توانید برای بررسی عملکرد مدل از دموی آنلاین استفاده کنید یا مستندات فنی و مقالات مرتبط را در Arxiv مطالعه کنید. دسترسی به وزن‌های مدل نیز
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 11:15изменён

    ‏گزارش وضعیت جهانی نفوذ هوش مصنوعی در ۲۰۲۶‏بر اساس جدیدترین تحلیل مؤسسه اقتصاد هوش مصنوعی مایکروسافت، نرخ استفاده از هوش مصنوعی مولد در میان جمعیت فعال جهان در سه ماهه دوم سال ۲۰۲۶ به ۱۸.۸ درصد رسیده است. این گزارش نشان‌دهنده رشد مستمر در اکثر اقتصادهای جهان است، هرچند شکاف دیجیتالی میان شمال و جنوب جهانی همچنان رو به افزایش است.‏مهم‌ترین نکات این گزارش: ‏ امارات (۷۳.۳٪) و سنگاپور (۶۴.۳٪) همچنان پیشتاز استفاده جهانی هستند. ‏ مدل‌های متن‌باز (Open-weight) با سرعتی چشمگیر در حال نزدیک شدن به توانمندی مدل‌های انحصاری (Closed-weight) هستند. ‏ در جنوب جهانی، کاربرد هوش مصنوعی بیش از هر چیز بر «یادگیری خودآموز» و «پشتیبانی تحصیلی» متمرکز است. ‏ استراتژی سازمان‌ها از استفاده مطلق از مدل‌های پرهزینه به سمت «تطبیق هوشمند مدل با نوع تسک» تغییر یافته است.‏برای مطالعه جزئیات فنی و متدولوژی اندازه‌گیری این شاخص‌ها، می‌توانید مقاله علمی مربوطه را مطالعه کرده یا از مجموعه داده‌های کامل این گزارش
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 10:52

    ‏🚀 خیز بزرگ علی‌بابا در دنیای هوش مصنوعی‏شرکت علی‌بابا از برنامه‌های توسعه‌ای جسورانه‌ای برای آینده مدل‌های زبانی خود رونمایی کرد. طبق گزارش رویترز، این شرکت در حال آموزش مدل Qwen 4 است و قصد دارد نسل‌های بعدی یعنی Qwen 4.5 و Qwen 5 را تا مقیاس ۱۰ تریلیون پارامتر توسعه دهد.‏مهم‌ترین نکات این نقشه راه عبارتند از:‏• تمرکز بر خوداصلاحی بازگشتی: مدل‌ها نقاط ضعف خود را شناسایی کرده، آزمایش طراحی می‌کنند و داده‌های لازم برای آموزش نسل بعدی خود را تولید می‌کنند.‏• استفاده از زیرساخت قدرتمند M890 برای استنتاج مدل‌های بالای ۲ تریلیون پارامتر که در حال حاضر تنها در اختیار تعداد محدودی از شرکت‌های پیشرو جهان است.‏• برنامه‌ریزی برای ایجاد کلاسترهای عظیم روی پردازنده‌های جدید V900 با قابلیت اتصال ۵۰۰ هزار شتاب‌دهنده به یکدیگر.‏ادی وو، مدیرعامل علی‌بابا، پیش‌بینی می‌کند که با این مقیاس‌پذیری، توان محاسباتی و قدرت «تفکر» ماشین‌ها در آینده می‌تواند تا ۱۰۰۰ برابر از هوش انسانی پیشی بگیرد.ن
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 10:30

    🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده 🗂 گزارش #121 | 📌 8 آیتم گزارش | 🧾 از 16 پست بررسی‌شده 🕐 دوشنبه 1405/06/30 ساعت 14:00 تا سه‌شنبه 1405/06/31 ساعت 14:00🔎 تحلیل کوتاه تحولات اخیر نشان‌دهنده تغییر پارادایمی در توانمندی مدل‌ها برای حل مسائل پیچیده ریاضی و پیشبرد تحقیقات علمی است. در کنار این نفوذ به حوزه‌های انتزاعی، تمرکز توسعه‌دهندگان بر استفاده از رویکرد Hybrid با ترکیب ایجنت‌های تخصصی و مدل‌های زبانی کلان برای بهینه‌سازی عملکرد و کاهش مصرف توکن معطوف شده است.🔬 هوش مصنوعی در مرزهای علمهوش مصنوعی و پایان عصر ریاضیات سدریک ویلانی نسبت به توانایی مدل‌های OpenAI در حل مسائل پیچیده ریاضی ابراز نگرانی کرد. هوش مصنوعی و پایان عصر ریاضیات 🔗 مشاهده پستحل مسائل هزاره توسط هوش مصنوعی مدل جدید OpenAI طی ۲۴ روز موفق به حل بیش از ۱۰۰ مسئله باز ریاضی از جمله Navier-Stokes شد. حل مسائل هزاره توسط هوش مصنوعی 🔗 مشاهده پستواقعیت‌سنجی هوش مصنوعی در پزشکی کاهش مرگ‌ومیر در
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 07:08изменён

    ‏🚀 معرفی مدل‌های جدید هوش مصنوعی شیائومی: MiMo-V2.6‏شیائومی به‌تازگی خانواده مدل‌های MiMo-V2.6 را با وزن‌های باز معرفی کرده است. این سری شامل دو مدل پیشرفته از نوع MoE است که قابلیت پردازش همزمان متن، تصویر، ویدیو و صدا را دارند و از پنجره متنی تا ۱ میلیون توکن پشتیبانی می‌کنند:‏ مدل Flash: دارای ۳۰۹ میلیارد پارامتر (۱۵ میلیارد فعال) که برای اجرا به ۱۷۷.۸ گیگابایت حافظه در فرمت FP8 نیاز دارد. ‏ مدل Pro: یک مدل عظیم با ۱.۰۲ تریلیون پارامتر (۴۲ میلیارد فعال) و ۵۷۳.۵ گیگابایت حافظه مورد نیاز در فرمت FP8.‏با استفاده از تکنیک کوانتایزاسیون NVFP4، می‌توان نیازهای حافظه این مدل‌ها را تقریباً به نصف کاهش داد. همچنین نسخه تقطیر شده این خانواده بر پایه مدل Qwen 9B منتشر شده است که در بنچمارک‌های مختلف، به‌ویژه در حوزه‌های کدنویسی و امنیت سایبری، عملکرد بهتری نسبت به نسخه پایه Qwen 3.5 نشان می‌دهد.‏برای بررسی فنی و دسترسی به نسخه تقطیر شده، می‌توانید به مخزن رسمی در HuggingFace مراجعه
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    22 сент., 06:14изменён

    ‏⚡️ جهش بزرگ OpenAI در حل مسائل پیچیده ریاضی‏شرکت OpenAI اعلام کرد که مدل داخلی جدید آن‌ها تنها در ۲۴ روز توانسته است بیش از ۱۰۰ مسئله باز و قدیمی را در حوزه‌های مختلف ریاضیات حل کند. این سرعت خیره‌کننده، حتی تیم‌های داخلی را نیز شگفت‌زده کرده است.‏از مهم‌ترین دستاوردهای این مدل می‌توان به حل مسئله Navier-Stokes Millennium Prize اشاره کرد. برای بررسی دقیق و اعتبارسنجی این نتایج، یک گروه مشاوره مستقل تشکیل شده است که شامل برجسته‌ترین ریاضیدانان جهان است:‏- ادوارد ویتن (Edward Witten) ‏- تیموتی گاورز (Timothy Gowers) ‏- مارتین هایرر (Martin Hairer) ‏- راوی واکیل (Ravi Vakil) ‏- ملانی میچت وود (Melanie Matchett Wood)‏این متخصصان به صورت داوطلبانه و مستقل بر روند فعالیت‌ها نظارت می‌کنند. در حال حاضر بسیاری از این راهکارها هنوز برای بررسی دقیق توسط جامعه علمی منتشر نشده‌اند. جزئیات بیشتر این همکاری را می‌توانید در وب‌سایت رسمی OpenAI مطالعه کنید.جهش خیره‌کننده OpenAI در حل مسائل
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 18:36

    ‏🚀 جهش در عملکرد با رویکرد Hybrid در هوش مصنوعی‏اخیراً هریسون کینسلی (Sentdex) در تجربه‌ای جالب، تفاوت عملکرد مدل زبانی GLM 5.3 Flash را به تنهایی در برابر ترکیب آن با ابزار Jev در بازی استراتژیک Halite 2 بررسی کرده است. نتایج این رویکرد ترکیبی نشان می‌دهد که چگونه می‌توان با ترکیب قدرت استدلالی مدل‌های بزرگ و ابزارهای تخصصی، به خروجی‌های بهینه‌تری رسید.‏در این مدل ترکیبی: ‏- مدل GLM 5.3 Flash وظیفه تصمیم‌گیری‌های کلان استراتژیک مانند انتخاب سیارات و زمان‌بندی بازنگری در برنامه‌ها را بر عهده دارد. ‏- ابزار Jev مسئولیت اجرای عملیات جزئی و هدایت تک‌تک کشتی‌ها را انجام می‌دهد.‏مهم‌ترین نتایج این آزمایش عبارتند از: ‏- افزایش ۱۳ برابری سرعت اجرا در مقایسه با مدل خالص. ‏- کاهش ۴۴ درصدی هزینه‌های پردازشی API. ‏- بهبود جزئی در نرخ پیروزی و عملکرد نهایی در بازی.‏این آزمایش نشان می‌دهد که چگونه اضافه کردن ابزارهای تخصصی به عنوان مکمل در کنار LLMها، نه تنها هزینه‌ها و زمان اجرا را کاهش
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 17:09

    ‏🚀 عرضه Grok 4.7 و تحلیل بنچمارک مدل‌های هوش مصنوعی ‏مدل Grok 4.7 به تازگی منتشر شد و با وجود حفظ قیمت و سرعت پیشین، شاهد بهبود عملکرد قابل توجهی در پردازش‌ها هستیم. برخلاف گمانه‌زنی‌های اولیه مبنی بر استفاده از یک مدل ۲.۱ تریلیون پارامتری، این نسخه با بهینه‌سازی‌های
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 16:51

    ‏🚀 عرضه Grok 4.7 و تحلیل بنچمارک مدل‌های هوش مصنوعی‏مدل Grok 4.7 به تازگی منتشر شد و با وجود حفظ قیمت و سرعت پیشین، شاهد بهبود عملکرد قابل توجهی در پردازش‌ها هستیم. برخلاف گمانه‌زنی‌های اولیه مبنی بر استفاده از یک مدل ۲.۱ تریلیون پارامتری، این نسخه با بهینه‌سازی‌های جدید عرضه شده است. همچنین گزارش‌ها حاکی از آن است که روند آموزش Grok 4.8 با ۲.۵ تریلیون پارامتر به پایان رسیده و این مدل در حال حاضر در مرحله آموزش تقویتی (RL) قرار دارد.‏بر اساس جدیدترین تحلیل‌ها در CursorBench 4.0، رقابت مدل‌های هوش مصنوعی بر سر بهره‌وری هزینه و دقت به اوج رسیده است. مهم‌ترین یافته‌های این ارزیابی عبارتند از:‏ مدل Fable 5.1 با کسب امتیاز ۵۱٪ در بالاترین رده عملکردی قرار دارد. ‏ مدل Opus 5 با رویکردی متعادل، امتیاز ۴۵.۵٪ را در بهینه‌ترین هزینه به دست آورده است. ‏ عملکرد Grok 4.7 در سطوح قیمتی میانی، رقابت نزدیکی با سایر مدل‌های مطرح بازار دارد. ‏ مدل Sonnet 5 و GPT-5.6 Sol نیز با استراتژی‌های متفاوت
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 16:42

    ‏🩺 هوش مصنوعی در پزشکی: واقعیت یا همبستگی؟‏نمودارهای اخیر نشان می‌دهند که مراکز درمانی با استفاده گسترده از هوش مصنوعی، نرخ مرگ‌ومیر کمتری را تجربه کرده‌اند. با این حال، نباید به سادگی بین این دو رابطه علت و معلولی برقرار کرد.‏مراکز مجهزتر معمولاً بودجه بیشتری دارند، از کادر درمان متخصص‌تری برخوردارند و زیرساخت‌های مدرن‌تری فراهم کرده‌اند. این عوامل به‌تنهایی می‌توانند نتایج درمانی را بهبود بخشند. برای درک اثر واقعی AI، باید متغیرهایی مانند سن بیمار، نوع بیماری و شدت وضعیت سلامت را نیز در محاسبات لحاظ کرد.‏با این حال، بزرگترین خدمت هوش مصنوعی در کوتاه‌مدت احتمالاً کاهش بار اداری است. مهم‌ترین کاربردهای فعلی شامل موارد زیر است:‏ ثبت دقیق اطلاعات بیمار و پر کردن فرم‌های طولانی ‏ ساختارمند کردن تاریخچه پزشکی (Electronic Health Records) ‏ آماده‌سازی پیش‌نویس خروجی و گزارش‌های ترخیص ‏ بررسی خودکار داده‌های آزمایشگاهی برای کاهش خطای انسانیهوش مصنوعی در پزشکی: تحلیل داده‌محور رابطه
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 16:12изменён

    ‏📊 تحلیل عملکرد مدل‌های کدنویس از نگاه کاربران‏در دنیای هوش مصنوعی، علاوه بر بنچمارک‌های استاندارد، «بازخورد کاربران» به یکی از شاخص‌های کلیدی برای درک کیفیت واقعی Agentها تبدیل شده است. تیم Arena.ai با تحلیل بیش از ۲۰ هزار گزارش از عملکرد مدل‌های مختلف، نتایج کاربردی و جالبی استخراج کرده است.‏مهم‌ترین یافته‌های این تحقیق:‏- مدل‌های پیشرو (Frontier Models) به شکل معناداری بازخوردهای مثبت بیشتری دریافت می‌کنند و این بهبود کیفیت در نسخه‌های جدیدتر کاملاً مشهود است. ‏- «کد ناقص یا خراب» اصلی‌ترین دلیل نارضایتی کاربران است که نزدیک به ۷۰ درصد از بازخوردهای منفی را شامل می‌شود. ‏- ضعف در تکمیل خروجی‌ها، چالش‌های مربوط به استفاده‌پذیری و نادیده گرفتن دستورالعمل‌های ارسالی از دیگر مشکلات رایج در مدل‌هاست. ‏- اگرچه اکثر مدل‌ها نقاط ضعف مشترکی دارند، اما سطح پایداری و میزان «کد بی‌دقت» (slop) در هر مدل متفاوت است که این موضوع انتخاب بهترین ابزار برای سناریوهای خاص را حساس‌تر می‌کند.تحلیل
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 16:11изменён

    ‏🚀 معرفی مدل قدرتمند Step 5 Preview‏شرکت StepFun به‌تازگی از مدل پرچمدار جدید خود با نام Step 5 Preview رونمایی کرد. این مدل که بر پایه معماری MoE ساخته شده، با هدف انجام وظایف طولانی‌مدت عاملی، توسعه نرم‌افزار و تحلیل‌های پیچیده داده طراحی شده است.‏از ویژگی‌های فنی کلیدی این مدل می‌توان به موارد زیر اشاره کرد:‏• بهره‌گیری از ۶۰۰ میلیارد پارامتر (۲۷ میلیارد پارامتر فعال) ‏• پشتیبانی از پنجره متنی ۱ میلیون توکن ‏• قابلیت‌های چندوجهی (Multimodal) پیشرفته‏طبق اعلام تیم توسعه‌دهنده، این مدل قادر است وظایف خودمختار را تا ۲۴ ساعت به‌صورت مستمر اجرا کرده و در حوزه‌های تخصصی نظیر کدنویسی، بهینه‌سازی هسته‌های GPU و تحلیل‌های دقیق مالی فعالیت کند.‏شما می‌توانید هم‌اکنون عملکرد این مدل را در پلتفرم StepFun آزمایش کنید. همچنین طبق زمان‌بندی اعلام‌شده، وزن‌های این مدل در تاریخ ۱۵ اکتبر به‌صورت عمومی منتشر خواهند شد.معرفی مدل Step 5 Preview؛ پرچمدار جدید StepFun با معماری MoE📊 Data➕Scie
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 15:35

    ‏🚀 دستیار هوشمند خود را با ۳ میلیون مهارت ارتقا دهید‏دنیای هوش مصنوعی به سمتی پیش می‌رود که مدل‌ها فراتر از چت کردن، به «عامل» یا Agent تبدیل شوند. به تازگی مارکت‌پلیسی معرفی شده که دسترسی شما را به بیش از ۳ میلیون مهارت کاربردی برای مدل‌هایی مانند Claude و Codex فراهم می‌کند.‏با استفاده از Skills Marketplace می‌توانید ابزارهای تخصصی را بر اساس نیاز خود در حوزه‌های برنامه‌نویسی، DevOps، طراحی، تحلیل داده و بازاریابی جستجو کرده و به گردش کار خود اضافه کنید.‏مهم‌ترین قابلیت‌های این پلتفرم: ‏- جستجوی هوشمند: یافتن مهارت‌ها بر اساس نام یا کاربرد. ‏- شفافیت فنی: امکان بررسی مستندات دقیق هر مهارت در فایل SKILL.md. ‏- طراحی رابط کاربری: دسترسی به مهارت‌هایی نظیر frontend-design برای بهبود زیبایی‌شناسی و تایپوگرافی پروژه‌ها. ‏- توسعه و بهینه‌سازی: استفاده از ابزار skill-creator برای ساخت مهارت‌های شخصی‌سازی شده، ویرایش و تست عملکرد آن‌ها.معرفی Skills Marketplace؛ دسترسی به ۳ میلیون
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 14:41изменён

    ‏🚀 آشنایی با اکوسیستم هوشمند Jev‏مخزن Awesome Jev به عنوان یک مرجع جامع، تمامی ابزارها، اسناد و پروژه‌های مرتبط با مدل Jev را گردآوری کرده است تا توسعه‌دهندگان بتوانند به سادگی از قابلیت‌های آن در حوزه‌های مختلف بهره ببرند.‏برخی از مهم‌ترین ابزارها و کاربردهای این اکوسیستم:‏ Jev Ultrafast: یک ایجنت مرورگر بهینه که عملیات‌های پیچیده مانند رزرو پرواز را در چند ثانیه با استفاده از درک DOM انجام می‌دهد. ‏ jev-browser: ابزاری برای خودکارسازی مرورگر با پشتیبانی از سرور MCP که امکان اجرای دستورات با تأخیر بسیار کم را فراهم می‌کند. ‏ Mobile Jev: ایجنتی تخصصی برای سیستم‌عامل اندروید که بدون نیاز به ADB، تعاملات کاربری را به صورت هوشمند انجام می‌دهد. ‏ ابزارهای تحلیل و پاکسازی: شامل مواردی مثل TypeSafe AdBlock برای شناسایی هوشمند تبلیغات و Jev Web Analyzer برای تحلیل محتوای صفحات وب. ‏ مستندات و SDKها: دسترسی به راهنماهای فنی، کیت‌های توسعه نرم‌افزار به زبان‌های مختلف و داده‌های پژوهشی
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 13:40

    ‏🚀 بهینه‌سازی هوشمند Claude Code با مد Jev‏قابلیت جدیدی برای Claude Code منتشر شده است که با انتخاب هوشمندانه مهارت‌ها، میزان مصرف توکن در پرامپت‌ها را به‌شدت کاهش می‌دهد. این مد جدید به جای بارگذاری تمامی قابلیت‌ها در کانتکست (Context)، تنها موارد ضروری را بر اساس نیاز شما فراخوانی می‌کند.‏مهم‌ترین ویژگی‌های این به‌روزرسانی:‏• بارگذاری انتخابی مهارت‌ها در زمان نیاز به جای اشغال کردن کانتکست ‏• تحلیل هوشمند درخواست توسط Jev برای انتخاب دقیق‌ترین مهارت ‏• پشتیبانی کامل از TypeSafe API و Vercel AI Gateway‏اگر از ابزارهای کدنویسی هوش مصنوعی استفاده می‌کنید، این مد می‌تواند هزینه توکن و دقت تعاملات شما با Claude را بهینه کند. برای نصب و فعال‌سازی این قابلیت می‌توانید از دستور زیر در ترمینال خود استفاده کنید:‏npx claude-code-templates --mod productivity/jev-skill-suggestion📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#ClaudeCode #Jev
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 13:31изменён

    ‏🌐 ترجمه همزمان با هوش مصنوعی Qwen‏شرکت علی‌بابا از مدل جدید Qwen3.8-LiveTranslate رونمایی کرد که انقلابی در ترجمه گفتار ایجاد کرده است. این مدل با کاهش تاخیر به ۲.۳ ثانیه، نه تنها متن را ترجمه می‌کند، بلکه صدای اصلی گوینده را نیز بازسازی می‌کند.‏مهم‌ترین ویژگی‌های این نسخه جدید: ‏• تشخیص دقیق هویت افراد در مکالمه‌های چندنفره و حفظ ویژگی‌های صوتی هر فرد. ‏• امکان نمایش همزمان متن اصلی و ترجمه شده بر روی صفحه. ‏• بهره‌گیری از متون قبلی و نشانه‌های بصری برای ترجمه دقیق‌تر اصطلاحات تخصصی و عبارات مبهم.‏این مدل در حال حاضر از تشخیص گفتار برای ۶۰ زبان و خروجی گفتار ترجمه شده برای ۲۹ زبان پشتیبانی می‌کند. برای بررسی فنی و استفاده از قابلیت‌ها، می‌توانید به Alibaba Cloud Model Studio مراجعه کنید.‏آیا تاکنون از مدل‌های ترجمه زنده برای کارهای روزمره یا حرفه‌ای استفاده کرده‌اید؟تحول در ترجمه همزمان با مدل Qwen3.8-LiveTranslate علی‌بابا📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی
  • هوش مصنوعی و علم داده به فارسی

    21 сент., 10:40изменён

    ‏⚠️ پایان عصر ریاضیات با هوش مصنوعی؟‏سدریک ویلانی، برنده مدال فیلدز، در واکنش به توانایی خیره‌کننده مدل‌های جدید OpenAI در حل مسائل پیچیده «جایزه هزاره» (Millennium Prize) تعبیر تکان‌دهنده‌ای به کار برده است. او می‌گوید: «من ویران شدم. فضایی شبیه به پایان تاریخ حاکم شده است؛ این فاجعه‌ای است که ریاضیات هرگز مشابه آن را تجربه نکرده بود.»‏ما اکنون در آستانه حل یکی دیگر از مسائل دشوار ریاضی توسط ماشین‌ها هستیم. این پیشرفت‌ها فراتر از سرعت محاسباتی است و نشان می‌دهد که هوش مصنوعی در حال نفوذ به لایه‌های خلاقانه و انتزاعی تفکر انسانی است. جامعه ریاضی در حال تجربه‌ی تغییری پارادایمی است که احتمالاً تعاریف ما از «کشف علمی» را برای همیشه تغییر خواهد داد. آیا هوش مصنوعی در حال تبدیل شدن به اولین ریاضی‌دانِ غیرانسانی تاریخ است؟تاثیر هوش مصنوعی بر مسائل جایزه هزاره؛ دیدگاه سدریک ویلانی درباره آینده ریاضیات📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی 📩 ارتباط با ما#OpenAI #Millen
    Иллюстрация к посту канала هوش مصنوعی و علم داده به فارسیИллюстрация к посту канала هوش مصنوعی و علم داده به فارسی