شاید تا الان براتون سوال شده باشه که چرا در پرسش و پاسخ با chatGPT و Bard پاسخ به سوالات از نظر توضیحات و واقعیت کمی تفاوت باهم دارند؟!

در این مقاله به بررسی چرا ChatGPT در پاسخگویی صادقانه به سوالات کوتاهی می کند؟

چه دلایلی باعث پاسخ دادند کوتاه به سوالات میشود؟!
- دانش ناکافی
- مشکل در فهم ارتباط درونی سوالات
- توانایی های محدود در استدلال
و...
در لین مقاله به این سوالات مدنظر که تاکنون پیش آومده پاسخ داده شده است.
🔸 Why Does ChatGPT Fall Short in Answering Questions Faithfully?


#مقاله

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

An HCI Perspective for NLP
youtu.be/u5RVVChloIM

#فیلم

در سایت بیش از ۳۰۰۰ ابزار هوش مصنوعی به صورت طبقه‌بندی شده قرار دارد.
با جستجو در این سایت می‌توانید ابزار مورد نیاز خودتان را پیدا کنید.
https://topai.tools‎

#خبر

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

ده #ایده_جذاب در هفته گذشته که مقالاتشان منتشر گردید

1) DINOv2: Learning Robust Visual Features without Supervision - a new method for training high-performance computer vision models based on self-supervised learning; enables learning rich and robust visual features without supervision which are useful for both image-level visual tasks and pixel-level tasks; tasks supported include image classification, instance retrieval, video understanding, depth estimation, and much more.

2) Learning to Compress Prompts with Gist Tokens - an approach that trains language models to compress prompts into gist tokens reused for compute efficiency; this approach enables 26x compression of prompts, resulting in up to 40% FLOPs reductions.

3) Scaling the leading accuracy of deep equivariant models to biomolecular simulations of realistic size - presents a framework for large-scale biomolecular simulation; this is achieved through the high accuracy of equivalent deep learning and the ability to scale to large and long simulations; the system is able to “perform nanoseconds-long stable simulations of protein dynamics and scale up to a 44-million atom structure of a complete, all-atom, explicitly solved HIV capsid on the Perl-mutter supercomputer.”

4) Evaluating Verifiability in Generative Search Engines - performs human evaluation to audit popular generative search engines such as Bing Chat, Perplexity AI, and NeevaAI; finds that, on average, only 52% of generated sentences are supported by citations and 75% of citations support their associated sentence.

5. Generative Disco: Text-to-Video Generation for Music Visualization - an AI system based on LLMs and text-to-image models that generates music visualizations.

6) Architectures of Topological Deep Learning: A Survey on Topological Neural Networks

7) Visual Instruction Tuning - presents an approach that uses language-only GPT-4 to generate multimodal language-image instruction-following data; applies instruction tuning with the data and introduces LLaVA, an end-to-end trained large multimodal model for general-purpose visual and language understanding.

8) ChatGPT: Applications, Opportunities, and Threats

9) Chameleon: Plug-and-Play Compositional Reasoning with Large Language Models - a plug-and-play compositional reasoning framework that augments LLMs and can infer the appropriate sequence of tools to compose and execute in order to generate final responses; achieves 87% accuracy on ScienceQA and 99% on TabMWP.

10) Align your Latents: High-Resolution Video Synthesis with Latent Diffusion Models - applies latent diffusion models to high-resolution video generation; validates the model on creative content creation and real driving videos of 512 x 1024 and achieves state-of-the-art performance.

#مقاله

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

آموزش کلاسی دانشگاه استنفورد منتشر گردید.
🔸 Stanford CS330: Deep Multi-Task and Meta Learning I Autumn 2022

فیلم آموزش کلاسی #منابع #پیشرفته #پردازش_زبان_طبیعی #یادگیری_عمیق

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

اگر علاقمند به یادگیری NLP هستید این مقاله مروری تکنیکهای پردازش زبان طبیعی را فهرست کرده و نقطه شروعی عالی برای همه علاقمندان پردازش زبان طبیعی و ابزارهای هوش مصنوعی ترسیم کرده است و آنها را به چشم انداز این مسیر بیشتر اشنا میکند.

🔸 Efficient Methods for Natural Language Processing: A Survey

#مقاله #مبتدی #الگوریتمها #پردازش_زبان_طبیعی #منابع #مقدماتی

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

the Little Book of Deep Learning

A very concise/brief book on deep learning. Covers almost any topic you'd want to know today from foundations, efficient computation, model architectures, training models, synthesis(generative AI), etc...

https://fleuret.org/public/lbdl.pdf

#کتاب #منابع #مبتدی #یادگیری_عمیق

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

این ده ابزار هوش مصنوعی احتیاجتون میشه

1. https://Durable.co - AI website builder

2. https://Topapps.ai - Top AI Tools Store

3. https://Boomy.com - Generate AI Music

4. https://Aiseo.ai - AI Writing Tool

5. https://chatabc.ai - ChatGPT for Teams

6. https://Tldv.io - AI Meeting Summarizer

7. https://kickresume.com - AI Resume Builder

8. https://finalscout.com/AI - Outreach Tool for LinkedIn

9. https://Yatterplus.in - AI Assistant for WhatsApp

10. https://Stockimg.ai - Generate AI Design

#خبر #هوش_مصنوعی

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

یک مرجع کامل برای
🔸 pre-trained models for information retrieval

#مقاله #مبتدی #پیشرفته #بازیابی_اطلاعات

🔸 مطالب بیشتر 👇

✅ @AI_DeepMind

قبلتر مقاله ای رو معرفی کردم که اصلا معماری ترنسفورمر چیه حالا یکی از مطالب خیلی خوبی که توسط دکتر Brandon Rohrer راجب ترانسفورمر ها جمع اوری شده است اومده دل و روده 😂 ترنسفورمرها رو ریخته بیرون

Transformers from scratch
https://e2eml.school/transformers.html

#مقاله #ایده_جذاب #مبتدی #پردازش_زبان_طبیعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

این تاک خیلی خوبی که خودم خیلی پسندیدم اومده راجب RL آفلاین می تواند مدل هایی را که برای RL آنلاین عالی کار می کنند، از قبل آموزش دهد. ما می توانیم الگوریتم هایی برای این کار ایجاد کنیم حالا اینها چی هستن و چکار میشه کرد چکارهایی شده بیشتر‌توضیح میده
Reinforcement Learning Pretraining for Reinforcement Learning Finetuning
https://m.youtube.com/watch?v=zg6Tip6s_mA

#سخنرانی #یادگیری_تقویتی #فیلم #آموزش

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

عنوان مقاله ش خیلی خوشم اومد : قبل کاری فک کن 😂😜

Unified Policy for Interleaving Language Reasoning with Actions
Training Agents to Unify Language Reasoning & Acting

▪️ Think Before You Act: Unified Policy for Interleaving Language Reasoning with Actions


پ.ن: این مقاله رو به شدت پسندیدم اگه در حیطه captioning این مسائل فعالیت میکنید بشدت توصیه میشه

پ.ن: آپدیت ۲۰۲۴ انتشار مدل o1 از OpenAI که مدلش با دقت فوق العاده ای خوبه.

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

توی این ریپازیتوری اومدن خلاصه کتاب مشهور
Clean code by Robert Martin
نوشته اند.

https://gist.github.com/wojteklu/73c6914cc446146b8b533c0988cf8d29

#خبر #برنامه_نویسی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

محدودیتهای مدلهای LLMs

Fundamental Limitations of Alignment in Large Language Models

https://arxiv.org/abs/2304.11082

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

با این ابزارهای هوش مصنوعی در وقت خود صرفه جویی کنید

1. Alicent.ai
Supercharged ChatGPT

2. Tldrthis.com
Summarize online content

3. 10web.io
AI website builder

4. Explainlikeimfive.io
Personal tutor on anything

5. Codesquire.ai
Turn your thoughts into code

6. Rose.ai
Research and visualize data easily

7. Beta.tome.app
Storytelling marketing assistant

8. Descript.com
edit videos

#آموزش #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

خب chartGPT هم وارد میشود حالا دیگه با توضیحاتی راجب هدف مسئله خود اقدام به رسم اشکال مختلف مسئله نمایید.

chartgpt.dev

#خبر #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

آیا جی پی تی می‌تونه معماری مدل یادگیری عمیق پیدا کنه؟
تو این مقاله اومدن یه روش ارایه دادن که خود جی‌پی تی مدلها رو پیدا می‌کنه و پیشنهاد میده.
https://arxiv.org/pdf/2304.10970v1.pdf

@ai_person

گویا میدجورنی پولی شده! و خیلی از دوستان سوال کردن که چطوری میشه ازش استفاده کرد این سایتها جایگزین میدجورنی میتونه بشه و رایگانه

1. craiyon.com

2. app.leonardo.ai/

3. ai-generationspixlr.com/x/#generator

4. dreamstudio.ai/

5. generateplaygroundai.com

6. bing.com/images/create

#خبر #هوش_مصنوعی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind

✔️بدترین تجربه مصاحبه کاری من به عنوان یک برنامه نویس توسعه‌‌دهنده وب:

اول اسم شرکت رو بگم خدمتتون اسم شرکت "نقش اول کیفیت" (ناک) هست که خودشون رو بزرگترین کارگزار(وندور) همراه اول معرفی میکنند

من بعد از یک جلسه مصاحبه hr آنلاین دعوت به مصاحبه حضوری شدم و بعد از مراجعه به ساختمان این شرکت به من گفته شد که به دلیل اشتباه در تنظیمات تقویم فردی که در بخش نیروی انسانی مشغول به کار هست (hr محترم بدون هیچ گونه عذرخواهی این کلمات رو بیان کردند) یک ساعت دیرتر این مصاحبه قرار هست شکل بگیره بعد از اعتراض بنده به موضوع گفتند که فرد مصاحبه کننده فنی (که از دفتر همراه اول قرار بود تشریف بیاورند و این پروژه به صورت کامل برای همراه اول و در دفتر مرکزی این شرکت بود گفته های من بر اساس اطلاعاتی هست که به بنده حین تماس تلفنی برای دعوت به مصاحبه منتقل کردند) در راه هستند و ۲۰ دقیقه دیگه مصاحبه انجام میشه و اگر قصد دارم مصاحبه رو انجام ندم به ایشان اطلاع بدم با قبول طرفین نسبت به این موضوع بنده رفتم یه میان وعده ای بخورم و برگردم
بعد از مراجعت مجدد من به ساختمان اصلی و بعد از ۵ دقیقه از زمان تعیین شده (یعنی ۲۵ دقیقه انتظار من) بنده تماس گرفتم و این فرد محترم به من گفتند که مصاحبه کنسل شده و من مجدداً اعتراض کردم و پرسیدم آیا به نظر شما این رفتار حرفه ای هست؟ ایشون بدون هیچ گونه عذر خواهی تلفن رو قطع کردند.

حالا شاید جالب باشه چرا مصاحبه کنسل شده؟ به دلیل عدم هماهنگی بین پرسنل خوده ناک یا شرکت نقش اول کیفیت (یا همون بزرگترین وندور همراه اول 😅)

به عنوان کسی که بیشتر از ۲۰۰ مصاحبه رفته و مصاحبه بخشی از روتین ماهانه اش هست و همچنین بیشتر از ۵۰ تا مصاحبه گرفته (در هر دو پوزیشن تجربه داشته به نظرم این دلیل ابدا قابل قبول نیست)

و کسی که تجربه کار ریموت/داخلی /بین المللی/ پروژه‌ای/ سازمانی(سازمانهای بیشتر از پانصد نفر) میتونم بگم بدترین تجربه من از دعوت به مصاحبه در این شرکت رخ داده

پی‌نوشت: من با دفتر مدیریت این شرکت تماس گرفتم و اعتراض مجدد خودم رو به این رفتار غیر حرفه ای و عدم حسن انجام کار و همچنین ندونستن الفبای رفتار حرفه ای سازمانی اعلام کردم، نه به امید دعوت به مصاحبه مجدد که دیکه هرگز پام رو در دفتر هیچ وندوری از همراه اول و حتی خوده همراه اول هم نخواهم گذاشت بلکه به امید رفع این مشکلات در خور توجه.

امیدوارم انتشار این پست کمکی کنه به سایر دوستان فنی کنه تا مسیر شغلی خودشون رو بهتر دنبال کنند و از رخ دادن تجربه های این چنین توسط این شرکت جلوگیری کنه


ارادتمند همیشگی شما: مجید آقامحمد

™️ @DjangoEx
〰〰〰〰〰〰〰〰
© @DjangoIR

توی این مقاله راحلی برای چت بات ها پیشنهاد دادند که پاسخگویی هوشمندتر و هدفمندتری به ترجیحات یورز اعمال میکند از جمله روشی که مورد توجه قرار گرفته است خودداری از دروغ ،توهین و رفتارهای نامطلوب را از پیش به مدل چگونه میشود آموزش داد و در این مقاله چندین هدف در چند مرحله مورد بازبینی قرار گرفته است که مدل دقت بیشتری پیدا کند.
Pretraining Language Models with Human Preferences
https://arxiv.org/abs/2302.08582

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind