آفر ویژه 200 گیگ کانال روی تمام شبکه ها اپتیمایز شد الان میتونید با قیمت 400 تومن تهیه کنید

پسادکترا #اپلای

آقای Sheldon Axler، نویسنده کتاب جبر خطی این کتاب توسط ایشان و نویسندگان ایرانی به فارسی ترجمه شده است

▪️ Linear Algebra Done Right

#ریاضی #منابع

☑️ @AI_DeepMind
✅ @AI_Person

مدل Claude Sonnet 5 معرفی شد

☑️ @AI_DeepMind
✅ @AI_Person

فروش یک ماهه هر گیگ 12 تومن برای شرایط عادی

آفر ویژه 200 گیگ یک ماهه برای شرایط عادی کانال روی تمام شبکه ها اپتیمایز شد الان میتونید با قیمت 450 تومن تهیه کنید


ای پی ثابت فروش فیلترشکن OpenVPN قابل ارایه و پشتیبانی حتی در زمان نت ملی برای تمام پلتفرمهای هوش مصنوعی و ... بدون ضریب
مناسب همه فعالیتها قابل استفاده در زمان قطعی نت، چند کاربره و یک ماهه

۱۱۰ گیگ تعداد کاربر نامحدود 3700
55 گیگ تعداد کاربر نامحدود 2700
حجم و تعداد کاربر نامحدود ۷ میلیون

ا IP ثابت آمریکا، آلمان، ترکیه موجود هست.

مناسب استفاده شخصی، شرکتها و استارت آپ ها، تریدرها و دارای IP ثابت

حداکثر سرعت قابل ارایه 16 مگابایت

برای تهیه به من پیام بدید 👇👇

@Farzadh1h

بن شدن اکانت های کلاد ادامه داره ( راهکار های کاهش بن شدن )

1- ست کردن ساعت ویندوز به امریکا
2- ست کردن ریجن ویندوز به امریکا
3- عدم استفاده از وی پی ان های کانفیگ / استفاده از وی پی ان های معروف که قابلیت قطع کردن لحظه ای نت در صورت قطع وی پی ان داشته باشن
4- استفاده از افزونه ست کردن لوکیشن ساعت محل سیستم دقیق به امریکا
افزونه برای گوگل کروم
https://chromewebstore.google.com/detail/spoof-timezone/kcabmhnajflfolhelachlflngdbfhboe





بهترین راه حل خرید سرور مجازی ویندوز امریکا و برای خرید سرویس vpn آمریکا بهم پیام میتونید بدید

این مقاله درباره‌ی ساخت یک شبکه عصبی ترکیبی کوانتومی-کلاسیک است که می‌تواند فازهای کوانتومی ماده را تشخیص دهد؛ مخصوصاً فازهای توپولوژیک که با روش‌های کلاسیک سخت‌تر شناسایی می‌شوند، چون ویژگی‌های آن‌ها معمولاً غیرمحلی هستند و با چند مشاهده ساده محلی قابل تشخیص نیستند. نویسندگان این مدل را روی سخت‌افزار واقعی کوانتومی ابررسانا آموزش داده‌اند.

ایده اصلی این است: اول یک مدار کوانتومی پارامتردار روی حالت کوانتومی اعمال می‌شود، بعد خروجی اندازه‌گیری‌شده به شکل bit string وارد یک شبکه عصبی کلاسیک feedforward می‌شود. خروجی نهایی عددی بین 0 و 1 است که نشان می‌دهد سیستم احتمالاً در فاز توپولوژیک هست یا نه؟

بخش کوانتومی یاد می‌گیرد یک تبدیل غیرمحلی روی حالت کوانتومی انجام دهد تا ویژگی‌های مهم فاز توپولوژیک آشکار شوند. بعد بخش کلاسیک، bit stringهای اندازه‌گیری‌شده را طبقه‌بندی می‌کند. آموزش هم به صورت مشترک انجام می‌شود: مدار کوانتومی در حلقه بیرونی به‌روزرسانی می‌شود و شبکه عصبی کلاسیک در حلقه داخلی با backpropagation و ADAM آموزش می‌بیند.

مدل توانست وقتی شدت #میدان_مغناطیسی تغییر می‌کند، خروجی خود را از مقدار نزدیک به فاز #توپولوژیک به سمت فاز غیرتوپولوژیک تغییر دهد؛ یعنی فقط حالت‌های آموزش‌داده‌شده را حفظ نکرده، بلکه روی حالت‌های بینابینی هم تعمیم داده است.

🔸 Hybrid Quantum-Classical Neural Networks for Recognizing Quantum Phases

#ریاضی #فیزیک #هوش_مصنوعی #مقاله #کوانتوم #شبکه_عصبی

☑️ @AI_DeepMind
✅ @AI_Person

یک موردی را من اینجا لازم دیدم توضیح بدم:

برای خرید VPN با IP آمریکا مراقب باشید که اگر حتی یک درصد به خاطر شرایط عدم استیبل بودن اینترنت ایران اون فیلترشکن قطعی در حد چند میلی‌ثانیه هم براش رخ بده و IP ایران رو به سرور Claude بفرسته بازم اکانت شما مسدود خواهد شد، شما متوجه پشت قطعی نمیشین ولی اینکار رخ خواهد داد و اکی هست اگر سرور مجازی اون آمریکا تهیه کنین ولی این قطعی رو هم در نظر بگیرید

شرایط قطعی اینترنت ایران و کلاد مثه هم هستش اینجا وصل باشی قطع میشی اونجا وصل بشی قطع میشی 😄
حتی اون ip ثابت هم راحل قطعی نیست بسازید و بسوزید

راحل پیشنهادی استفاده از matis ai و یا Aval AI هست.
▪️ از طریق این لینک می‌تونید کلاود کد یا سایر محصولات آنتروپیک رو به متیس وصل کنید و هر مدلی که از آنتروپیک نیاز داشتین رو انتخاب کنید.

این توضیحاتی بود برای تاثیر بر تصمیم‌گیری‌های آتی شما اگر قصد خرید VPN آمریکا برای کار با CLAUDE داشتید در نظر گرفته باشین و آگاهی به موضوع بر تصمیم شما اثر گذاشته باشه و بدونید چکار کنید موفق باشید.

تیرگان یکی از کهن‌ترین جشن‌های ایران‌زمین است . این جشن به ایزد تیشتر، نماد باران و فراوانی، و همچنین به داستان حماسی آرش کمانگیر پیوند خورده است. بر پایه‌ی روایت‌های ایرانی، آرش برای پایان دادن به جنگ ایران و توران، از فراز کوه دماوند (در برخی روایت‌ها البرز) تیر خود را رها کرد و مرز دو سرزمین را با جان‌فشانی خویش تعیین نمود.

تیرگان نماد صلح، میهن‌دوستی، باران، امید و فداکاری است. از آیین‌های این جشن می‌توان به آب‌پاشی و گردهمایی‌های شادمانه اشاره کرد؛ آیین‌هایی که آرزوی برکت، دوستی و زندگی دوباره را یادآوری می‌کنند

پیروز نور بر تاریکی

یبار دیگه اینو ریپلای میزنم بهش توجه کنید.

این مقاله درباره‌ی یاد دادن رفتار بهتر به ربات‌ها با ترجیحات انسانی آزاد و چندبعدی تمرکز دارد. ایده اصلی این است که به‌جای اینکه از انسان بپرسیم «کدام حرکت ربات بهتر بود؟»، از او می‌پرسیم « از نظر سرعت، ایمنی، ظرافت، کیفیت قرار دادن شیء، تمیزی، نرمی حرکت و… کدام بهتر بود؟»

در این روش، انسان خودش محورهای ارزیابی را با زبان طبیعی تعریف می‌کند؛ مثلا می‌گوید «speed»، «safety»، «smoothness»، «delicateness»، «quality of placement». بعد برای هر محور جداگانه می‌گوید کدام حرکت ربات بهتر است. سپس مدل یک reward model شرطی‌شده با زبان یاد می‌گیرد؛ یعنی مدل می‌تواند بگوید این trajectory از نظر «سرعت» چقدر خوب است، از نظر «ظرافت» چقدر خوب است و از نظر «کیفیت قرارگیری» چقدر خوب است.

نکته جالب دیگر این است که FPL باعث steerability می‌شود؛ یعنی در زمان تست می‌توان رفتار ربات را با تغییر دادن محور reward هدایت کرد. مثلا به همان policy گفت روی یک معیار خاص بیشتر تمرکز کند، بدون اینکه لازم باشد کل مدل دوباره آموزش ببیند. مقاله همچنین نشان می‌دهد FPL می‌تواند رفتارهای ترکیبی بسازد؛ یعنی چیزی را انجام دهد که دقیقاً در داده آموزشی به همان شکل وجود نداشته است.

🔸 Freeform Preference Learning for Robotic Manipulation

#مقاله #ایده_جذاب #رباتیک

☑️ @AI_DeepMind
✅ @AI_Person

مدل مقاله ASPIRE؛ یک سیستم برای ربات‌ها که خودش برنامه کنترل ربات می‌نویسد، اجرا می‌کند، خطا را پیدا می‌کند، کد را اصلاح می‌کند و تجربه‌های موفق را به‌عنوان مهارت قابل‌ استفاده برای کارهای بعدی ذخیره می‌کند.

مدل ASPIRE می‌خواهد ربات را شبیه یک برنامه‌نویس باتجربه رباتیک کند. یعنی وقتی ربات شکست می‌خورد، فقط دوباره تلاش نکند؛ بلکه لاگ‌ها، تصاویر، مسیر حرکت، کاندیدهای grasp و خطای collision را بررسی کند، علت شکست را پیدا کند، برنامه را اصلاح کند و اگر اصلاح جواب داد، آن را به‌عنوان یک skill در حافظه نگه دارد.

اهمیت مقاله این است که ربات را از حالت «فقط اجراکننده دستور» به سمت عامل خودبهبوددهنده می‌برد. یعنی سیستم فقط برای هر task از صفر شروع نمی‌کند؛ تجربه جمع می‌کند، خطاهای گذشته را به skill تبدیل می‌کند و در کارهای بعدی سریع‌تر و بهتر عمل می‌کند. این دقیقاً چیزی است که در robotics خیلی مهم است، چون شکست‌های رباتی معمولاً تکرارشونده‌اند: مشکل grasp، مشکل collision، مشکل تشخیص شیء، مشکل نزدیک شدن به شیء و غیره.

این مقاله می‌گوید: ربات‌های آینده نباید فقط برنامه اجرا کنند؛ باید مثل یک agent برنامه‌نویس، شکست را تحلیل کنند، خودشان کد را اصلاح کنند، و تجربه‌های موفق را به مهارت‌های قابل‌استفاده برای کارهای بعدی تبدیل کنند.

🔸 ASPIRE: Agentic /Skills Discovery for Robotics

#مقاله #ایده_جذاب #رباتیک

☑️ @AI_DeepMind
✅ @AI_Person

اگر قصد تهیه VPN داشتین بهم پیام بدی.

وبسایتی که ارتباطات مقالات را مشخص میکند.

https://researchrabbit.ai/

https://connectedpapers.com/

https://consensus.app/

#هوش_مصنوعی #مقاله

☑️ @AI_DeepMind
✅ @AI_Person

مشکل اصلی در رباتیک این است که آموزش و تست ربات در دنیای واقعی گران، کند و سخت‌مقیاس‌پذیر است. مثلا اگر بخواهیم یک ربات یاد بگیرد میز را مرتب کند، ظرف‌ها را بچیند یا کشو را باز کند، تست کردن هزاران بار در دنیای واقعی هم زمان‌بر است، هم ممکن است به اشیا یا ربات آسیب بزند. SimFoundry می‌گوید: به‌جای اینکه همه‌چیز را در دنیای واقعی انجام دهیم، از یک ویدئوی واقعی، یک digital twin یا نسخه شبیه‌سازی‌شده‌ی دقیق از صحنه بسازیم و ربات را آنجا آموزش و ارزیابی کنیم.

اهمیت مقاله این است که یک قدم به سمت تولید خودکار دیتاست و محیط آموزشی برای ربات‌ها می‌رود. قبلاً ساخت محیط شبیه‌سازی برای ربات‌ها معمولاً دستی، زمان‌بر و وابسته به متخصص بود. SimFoundry می‌خواهد این فرایند را خودکار کند: یک ویدئو بده، صحنه شبیه‌سازی‌شده بگیر، نسخه‌های متنوع بساز، policy را آموزش بده و حتی عملکرد واقعی را تا حد خوبی پیش‌بینی کن. این برای آینده‌ی Physical AI و ربات‌های عمومی خیلی مهم است.

#مقاله SimFoundry سیستمی است که از یک ویدئوی واقعی، محیط شبیه‌سازی آماده برای ربات می‌سازد و با تولید نسخه‌های متنوع از همان صحنه، آموزش و ارزیابی ربات‌ها را ارزان‌تر، سریع‌تر و قابل‌اعتمادتر می‌کند.

🔸 SimFoundry: Modular and Automated Scene Generation for Policy Learning and Evaluation

#ایده_جذاب #رباتیک

☑️ @AI_DeepMind
✅ @AI_Person

سیستم پرامپ نویسی مدل آنتروپیک Fable 5 منتشر شد. در این گیتهاب پرامپت نویسی بقیه مدل ها را میتوانید ببینید.

https://github.com/asgeirtj/system_prompts_leaks/blob/main/Anthropic/claude-fable-5.md

#هوش_مصنوعی #منابع #پرامپت

☑️ @AI_DeepMind
✅ @AI_Person

این مقاله درباره‌ی MuSe است؛ یک روش برای اینکه رباتی که قبلاً فقط با بینایی / تصویر آموزش دیده، بعداً بتواند با مقدار کمی داده‌ی جدید، حس نیرو و گشتاور را هم یاد بگیرد؛ بدون اینکه مهارت‌های قبلی‌اش را فراموش کند.

مشکل این است که خیلی از کارهای رباتی فقط با تصویر حل نمی‌شوند. مثلا وقتی ربات می‌خواهد چیزی را پاک کند، یک peg را داخل سوراخ کند، یا با سطحی تماس بگیرد، باید بفهمد چقدر فشار وارد می‌کند، آیا گیر کرده، آیا تماس کافی دارد یا نه. این اطلاعات همیشه از تصویر معلوم نیست؛ اما سنسورهای force/torque می‌توانند آن را نشان دهند. با این حال، دیتاست‌های بزرگ رباتیک معمولاً فقط تصویری‌اند و داده‌های چندحسی مثل نیرو، لمس یا صدا کم و وابسته به سخت‌افزار هستند. پس مقاله می‌گوید بهتر است اول ربات را با داده‌های بزرگ vision-action آموزش بدهیم، بعداً سنسور جدید را با داده کم به آن اضافه کنیم.

اهمیت مقاله این است که یک مسیر واقعی‌تر برای ساخت ربات‌های عمومی نشان می‌دهد. لازم نیست از اول همه‌ی سنسورها را در pretraining داشته باشیم. می‌توانیم اول یک ربات vision-action بزرگ بسازیم، بعداً برای کارهای خاص، سنسورهایی مثل force، tactile، audio یا depth را به آن اضافه کنیم. این برای آینده‌ی ربات‌های عمومی خیلی مهم است، چون هر محیط و هر ربات ممکن است سنسورهای متفاوتی داشته باشد.

مقاله MuSe نشان می‌دهد ربات‌ها می‌توانند بعد از pretraining تصویری، با مقدار کمی داده‌ی force-torque چندحسی شوند؛ یعنی تماس، فشار و گیرکردن را بهتر بفهمند، کارهای contact-rich را بهتر انجام دهند و حتی بعضی مهارت‌های قبلی‌شان هم قوی‌تر شود.

🔸 Multisensory Continual Learning: Adapting Pretrained Visuomotor Policies to Force

#مقاله #رباتیک #ایده_جذاب #یادگیری_بلندمدت

☑️ @AI_DeepMind
✅ @AI_Person

طرح 200 گیگ یک ماهه عادی دوباره شارژ شد برای تهیه پیام بدید تعداد محدود هست.


برای تهیه به من پیام بدید 👇👇

@Farzadh1h

مقاله می‌گوید مدل‌های تولید تصویر یا ویدیو، مثل مدل‌های diffusion، می‌توانند تصاویر زیبا بسازند؛ اما وقتی بخواهیم یک خانه چنداتاقه کامل و قابل راه رفتن بسازیم، معمولاً دچار مشکل می‌شوند: اتاق‌ها با هم جور درنمی‌آیند، اشیا از زاویه‌های مختلف تغییر شکل می‌دهند، دیوارها/درها/پنجره‌ها ثابت نمی‌مانند و محیط در نمای نزدیک یا مسیرهای طولانی ناپایدار می‌شود. نویسندگان می‌گویند علت اصلی این است که این مدل‌ها معمولاً یک هندسه سه‌بعدی صریح و پایدار ندارند.

راه‌حل WorldMesh این است که اول یک اسکلت هندسی سه‌بعدی یا mesh scaffold بسازد؛ یعنی دیوارها، کف، سقف، درها، اتاق‌ها و جای تقریبی اشیا را مشخص کند. بعد مدل تولید تصویر را مجبور می‌کند ظاهر واقع‌گرایانه را بر اساس همین اسکلت بسازد، نه اینکه آزادانه هر فریم را جداگانه تخیل کند. به زبان ساده: اول نقشه و اسکلت خانه ساخته می‌شود، بعد هوش مصنوعی روی آن رنگ، نور، وسایل و جزئیات واقع‌گرایانه می‌گذارد.

این مقاله می‌خواهد مشکل بزرگ تولید جهان‌های سه‌بعدی با AI را حل کند: ثبات و سازگاری در محیط‌های بزرگ. ایده‌اش این است که قبل از تولید ظاهر زیبا، باید یک اسکلت هندسی پایدار ساخت. بعد مدل diffusion روی آن اسکلت کار می‌کند تا هم محیط واقع‌گرایانه باشد، هم در زاویه‌های مختلف خراب نشود. اهمیت مقاله در این است که به سمت ساخت دنیای سه‌بعدی کامل از متن حرکت می‌کند، نه فقط تولید عکس یا یک اتاق ساده.

🔸 WorldMesh: Generating Navigable Multi-Room 3D Scenes via Mesh-Conditioned Image Diffusion

#مقاله #ایده_جذاب #مدل_مولد #دیفیوژن

☑️ @AI_DeepMind
✅ @AI_Person

آدمیزاد تغییر میکند، زمانی فوتبال یکی ازمهم ترین ارکان زندگی‌ام بود چند سالی فن رونالدو‌ام. استمرار، تلاش و جنگندگی این آدم برایم زیباتر از نبوغ مادرزادی بود. مهربانی‌اش، انسانیت، آسیب پذیری‌اش و میل به پیشرفتِ مدام در سن چهل و یک سالگی یک الگوی کامل برای ماست. برای از پاننشستن، برای ادامه دادن، برای تقدس زندگی، او با شکوه بود. امسال می‌خواستیم او جام را بالای سر ببرد. اما انگار وقتی او به خاورمیانه‌ی اندوه ما آمد، برایمان خواستنی‌تر شد، اندوش اندوه ما شد و بزرگی یعنی بیرون آمدن از ساحت مقدس اسطوره و درک ناکاملی زندگی...

#رونالدو اسطوره ها شیوه زندگی رو تغییر میدن برای پایان عصر طلایی بازیکنانی که دیگر بدون آنها فوتبال لذت بخش نیست.