دیتاهاب
2.11K subscribers
184 photos
35 videos
125 files
318 links
موضوعات کانال:

Data Science
Machine Learning
Deep Learning
NLP

گروه تلگرامی ⬅️ @data_jobs
دیتاست ⬅️ @persian_data
ادمین ⬅️ @data_hub
Download Telegram
رفقا سلام، میدونم قیمت دلار ناامیدمون کرده 😔
ولی یک خبر بدتر براتون دارم

یک مدتی هست که داشتم ابزارهای کدنویسی تست می کردم و مقاله و مصاحبه های شرکت های پیشرو دنبال می کردم
به یک نتیجه دارک رسیدم

حداکثر طی دو سال آینده (حتی میشه گفت چندماه آینده) شغل برنامه نویسی با تعریف فعلی منقرض میشود
یعنی اینکه من و شما بشینیم و از صفر کد بنویسیم که کنسله
یک پرامپت میدی
برات کد نوشته میشه
باهاش گپ میزنی و ادیت میدی تا به نقطه ایده آل برسه
یعنی عملا خودمون دیگه دست به کد نمیشیم

خیلی حیفه ها، واسه کسی که عاشق حرکت انگشت هاش روی کیبرده و اینکه خط به خط کد بنویسه
و به ارور بخوره و یک هفته تلاش کنه برطرفش کنه

عملا تبدیل میشیم به یک سری اپراتور که ما میگیم و هوش مصنوعی کد می نویسه بدون اینکه حتی یک خط کد نوشته بشه

و چون به راحتی با اکانت یا API میشه بهشون وصل شد، پس شاهد این تکنولوژی داخل ایران هم خواهیم بود
👍18😁3
رفقا سال نو مبارک
نبینم ناامید بشید
هزارتا مشکل هست، قبول
ولی ما توی تاریخ بارها از خاک برخواستیم، ما استاد کامبک‌ هستیم
خلاصه که بوس به کله ماهتون😘❤️😘
34🔥2👍1
دیتاهاب
رفقا، دوست دارین یک وبینار برگزار کنم؟ اگه اره، ترجیح میدین چه موضوعی باشه؟
سلام به همگی
خیلی دوست دارم بیشتر اینجا بنویسما

ولی به دو علت نمیشه
گاهی فرصت نمیشه
گاهی هم بچه ها میگن توی کانال مربوط به یک کسب و کار، شخصی ننویس
البته چون گاهی یکسری نکات به ذهنم میرسه که به نظرم لازمه درموردش صحبت بشه پس باید یک فکری بکنم. شاید یک کانال مجزا بزنم؟... نمی دونم😅

ولی کم کم این کانال فضاش متفاوت خواهد شد و با تمرکز بیشتر روی آموزش هوش مصنوعی میشه (احتمالا یک کانال جدید بزنم یا یک کانال از قبل انتخاب کنم و اینجا با خیال راحت تر به زبون خودمونی صحبت کنم و از چالش ها و تجربیاتی که هر روز باهاش روبرو هستم، حرف بزنم)
👍6
اینم بگم که حواسم هست قول وبینار دادم
در یک زمان مناسب قطعا برگزارش می کنیم

ولی لازمه که چندتا نکته مهم بگم
سالی که گذشت ما کلی فکر کردیم چیکار کنیم و چیکار نکنیم

با کلی جلسه و فکر و بررسی به یکسری جمع بندی ها رسیدیم
البته احتمال نتیجش دیدین
مثلا دوباره لینکدین دیتاهاب فعالیت خودش با قدرت شروع کرد
یا اینستا که دوباره استارت خورد بچمون یکم گیج میزنه ولی به زودی بالغ میشه

در همین راستا قصد داریم داخل تلگرام هم یکم فعالیت کنیم و احتمالا یکسری دوره برگزار کنیم

دوره مثل چیزایی که اطرافمون هست نه ها، دوره خفن
از اونایی که باکیفیت و جذابه (کپی کارا خوشحال میشن احتمالا)

کسی عنوانی مدنظرشه یا دوره پیشنهادی داره حتما بگه
یعنی اگر مدرس هستین پیام بدین واسه همکاری
اگر هم کمبود یک دوره حس می کنین، بهمون بگین که اگر شرایط مهیا بود ضبطش کنیم

@Data_hub
5😁1
📌 اگه ریاضی رو جدی نگیری... از هوش مصنوعی فقط یه سری اسم باقی می‌مونه!

تصور کن داری رانندگی یاد می‌گیری، ولی نمی‌دونی ترمز کجاست، فرمون چطوری کار می‌کنه یا چرا ماشین سر پیچ لیز می‌خوره...

💡حالا همینو بیار تو دنیای هوش مصنوعی:
اگه ریاضیات بلد نباشی، می‌تونی از مدل‌ها استفاده کنی، ولی نمی‌تونی بفهمی «چرا» کار می‌کنن یا «چطور» بهترشون کنی.

⚙️ هوش مصنوعی واقعی فقط کار با ابزار نیست.
این علم، روی دوش ریاضی بنا شده:
جبر خطی، احتمال، آمار، بهینه‌سازی، و مفاهیم انتزاعی که زیرساخت الگوریتم‌ها و مدل‌ها هستن.

🔝 هر چی سطح ریاضی‌ات بالاتر باشه:

بهتر می‌فهمی که مدل‌ها چطور یاد می‌گیرن،

تحلیل دقیق‌تری از خطاها و خروجی‌ها داری،

سریع‌تر به متخصص واقعی تبدیل می‌شی.

💥 یه خبر جذاب برات داریم!
ما داریم روی یه محتوای خیلی خاص کار می‌کنیم که دقیقاً به درد کسایی می‌خوره که می‌خوان «ریاضیات هوش مصنوعی» رو اصولی و کاربردی یاد بگیرن.
نه خشک، نه تئوریِ خالص… چیزی که بهت قدرت تحلیل می‌ده!

💭 اگه تو هم دغدغه‌ش رو داری و دوست داری بیشتر بدونی،
اگه تو هم دوست داری ریاضیات هوش مصنوعی رو اصولی و کاربردی یاد بگیری،
کافیه زیر همین پست کامنت بذاری: «ریاضی مهمه!»
تا بدونیم چند نفر مثل خودمون دغدغه‌ی مسیر حرفه‌ای دارن.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍29🔥21
یه قدم واقعی برای خودت و آینده‌ت🩵

هوش مصنوعی مسیر جذابیه، ولی اگه ریاضی رو جدی نگیری، زود خسته میشی...
نه که بترسونیمت، ولی خودمونم دیدیم خیلی‌ها اینجا کم میارن.
نه با سخت‌گیری، نه با فرمول‌های عجیب، فقط با یه راه درست.

⚙️ این وبینار رو برای خودمون و آدم‌هایی مثل خودمون ساختیم:
کسانی که نمی‌خوان سرسری یاد بگیرن، دنبال مسیر واقعی هستن، و دوست دارن بدون ترس و شلوغ‌بازی شروع کنن.

🎙 با مهندس مبشری یاد می‌گیریم:

چرا ریاضی برای موفقیت توی پروژه‌های AI مهمه
چی باید بلد باشی که واقعا جلو بیفتی، نه اینکه فقط ظاهر قضیه رو بدونی
چطوری بدون استرس، یه مسیر یادگیری کاربردی بچینی

🗓 زمان: سه شنبه ۱۶ اردیبهشت | 🔜 ساعت: ۱۸:۰۰ تا ۱۹:۰۰
😀 برگزاری: آنلاین
🔴 اگه میخوای با خیال راحت قدم برداری اینجا ثبت‌نام کن:
🔗 ثبت‌نام وبینار

🎁 کدهای تخفیف مخصوص بچه‌های دیتاهاب:

🛍 کد community1 → ۷۲٪ تخفیف (ظرفیت خیلی محدود)
🛍 کد community2 → ۲۲٪ تخفیف (ظرفیت محدود)

😀 حواست باشه مخصوص کامیونیتی خودمونه.

😀 هر سوالی داشتی، بی‌تعارف همینجا ازمون بپرس. ما اینجاییم که مسیرت رو روشن‌تر کنیم، نه اینکه از دور نگاهت کنیم.
ثبت نام:
https://ttr.ir/2su1wn
با هم قوی‌تر می‌شیم. 🚀
Please open Telegram to view this post
VIEW IN TELEGRAM
5
سلام رفقا!

سه سال پیش که اولین قسمت آموزش جبر خطی رو منتشر کردیم، اصلاً فکر نمی‌کردیم که اینقدر ازش استقبال بشه! 😅

هر روز و هر هفته پیام‌های شما رو می‌دیدیم و می‌فهمیدیم چقدر این آموزش‌ها به دردتون خورده و چقدر دلتون می‌خواسته که یه دوره دیگه ضبط کنیم.

خوشبختانه دست روزگار ما رو به سمتی برد که تونستیم یه وبینار با خانم مبشیری داشته باشیم و دقیقاً همون چیزی که خواسته بودید رو به‌صورت کامل ارائه بدیم.

حالا خوشحالیم که استاد آماده‌ست تا یک‌بار برای همیشه تکلیف ریاضیات توی هوش مصنوعی رو مشخص کنه و جواب همه سوالات شما رو بده!

برای اینکه راحت‌تر بتونید شرکت کنید، هزینه وبینار رو خیلی کم کردیم. هدفمون اینه که هیچ‌کدوم از شما این فرصت رو از دست ندید! 😉

وبینار: بررسی جدی‌ترین موانع یادگیری ریاضی در مسیر AI

🎁 کدهای تخفیف مخصوص بچه‌های دیتاهاب:

کد community1 → ۷۲٪ تخفیف (ظرفیت خیلی محدود)
کد community2 → ۲۲٪

🔗لینک ثبت‌نام: https://ttr.ir/2su1wn
Please open Telegram to view this post
VIEW IN TELEGRAM
👍52
🧾 هوش مصنوعی قراره تحلیلگر مالی رو بیکار کنه؟ نه به این زودی!

توی آخرین بنچمارک Vals AI، چند مدل معروف از جمله o3 (OpenAI) اومدن آزمون بدن ببینن چقدر تحلیلگر مالی خوبی‌ان. نتیجه؟ تو وظایف ساده، عملکردشون بین ۳۰ تا ۳۸ درصد بوده.
تو پیچیده‌ها؟ بعضیاشون نزدیک صفر.

حالا جالب‌تر اینجاست که بعضی از این مدل‌ها برای هر سؤال تا ۵ دلار خرج برداشتن! یعنی نه دقت بالا، نه صرفه اقتصادی.

این ماجرا یه پیام مهم داره برای ما که هی با هیجان خبر از "خداحافظی با شغل‌ها" می‌شنویم:
هوش مصنوعی تو تحلیل بازار، هنوز بلد نیست ریسک واقعی رو بفهمه، دیتا رو تو بستر زمانی-اقتصادی ببینه، یا حتی یه تیتر مبهم اقتصادی رو درست تفسیر کنه.

📌 تحلیل مالی فقط پردازش نیست، فهمه. و این یکی هنوز مال ما انسان‌هاست.

#هوش_مصنوعی | #تحلیل_بازار | #یادگیری_ماشین | #یادگیری_ماشین | #تحلیل_داده | #بازار_مالی
👍62🔥1
این چند روز داشتم درباره‌ی یه اتفاق جالب فکر می‌کردم
Duolingo با کمک AI تو کمتر از یک سال، ۱۴۸ تا دوره زبان ساخته
بیشتر از کل دوره‌هایی که تو ۱۲ سال قبل ساخته بودن!

راستش یه‌جوریه، هم ذوق‌زده می‌شی، هم یه لرزی می‌افته به جونت
چون معنی‌ش اینه:
تو حوزه‌ای مثل آموزش زبان، دیگه پیمانکار انسانی نه اولویته، نه صرفه اقتصادی

جمله مدیرعاملشون خیلی واضحه:
«ما الان AI-first هستیم. هرجا که می‌تونیم خودکارسازی کنیم، می‌کنیم.»

این یعنی آینده بازار محتوا، آموزش و حتی ترجمه، داره روی ریل جدیدی می‌افته
ریلِ مدل‌های مولد و محتوای مقیاس‌پذیر با ساختار مشترک

سوال من اینه:
برای این تعریف جدید خلاقیت چقدر آماده ایم؟

اگه فقط مصرف‌کننده AI بمونیم، خیلی زود از بازی پرت می‌شیم
اما اگه بلد باشیم چطور باهاش بازی کنیم، تازه داریم وارد مرحله‌ی اصلی می‌شیم
برای همین میگم وبینار دیتاهاب رو از دست نده
وبینار: بررسی جدی‌ترین موانع یادگیری ریاضی در مسیر AI

🎁 کدهای تخفیف مخصوص بچه‌های دیتاهاب:

کد community1 → ۷۲٪ تخفیف (ظرفیت خیلی محدود)
کد community2 → ۲۲٪

🔗لینک ثبت‌نام: https://ttr.ir/2su1wn

#یادگیری_ماشین #علم_داده #تحلیل_داده #DataScience #هوش_مصنوعی #DataHub
Please open Telegram to view this post
VIEW IN TELEGRAM
👍31
چند ماه پیش OpenAI با کلی دبدبه و کبکبه از مدل جدیدش رونمایی کرد؛ اسم رمز: o3
تو پیش‌نمایش، نتایج عجیبی رو کرد؛ همه جا تیتر زدن: «نزدیک شدن به AGI؟»
ولی خب… حالا نسخه نهایی اومده و مثل اکثر هیجانات دنیای AI، یه‌ذره بادش خالی شده.

توی تست ARC-AGI-2، مدل o3 تونست چیزی حدود ۳٪ امتیاز بگیره
در حالی که یه انسان معمولی بدون تمرین خاص، میانگین ۶۰٪ رو رد می‌کنه
یعنی مدل، با تمام ادعاهاش، توی آزمون هوش عمومی واقعاً دوام نیاورد.

حالا OpenAI می‌گه این نسخه نهایی، کوچیک‌تره، سبک‌تره
خب آره، منطقیه که برای استفاده گسترده‌تر، مدل رو سبک کنن
ولی این یعنی دیگه نمی‌شه ازش انتظار AGI داشت، حداقل نه فعلاً

برای من این داستان بیشتر از اینکه ناامیدکننده باشه، یادآور یه چیز دیگه‌ست:
نباید گول دموهای پرزرق‌وبرق رو خورد.
تو دنیای AI، واقعی بودن یعنی حل مسئله، نه فقط نوشتن جمله‌های بامزه یا جواب‌دادن به سوالات گوگلی

حالا سوالی که ذهنم رو درگیر کرده اینه:
آیا عقب‌گرد کردیم؟ یا داریم یاد می‌گیریم چطوری حرفه ای تر مدل های هوش مصنوعی رو توسعه بدیم؟

#دیتاهاب #یادگیری_ماشین #علم_داده #تحلیل_داده #OpenAI #تحلیل_فناوری #هوش_مصنوعی
6👍3
This media is not supported in your browser
VIEW IN TELEGRAM
سلام رفقا 💙

برای همه‌ی کسایی که می‌خوان وارد دنیای هوش مصنوعی بشن و هنوز حس می‌کنن که ریاضی یه مانع جدی تو مسیرشونه، این وبینار دقیقاً برای شما طراحی شده!

وبینار ما نه فقط یه جلسه تئوری بلکه یه راهنمای واقعی برای شروع یادگیری بدون استرس و پیچیدگی هست.

🗓 زمان وبینار: سه‌شنبه ۱۶ اردیبهشت | ساعت ۱۸:۰۰ تا ۱۹:۰۰
📍 برگزاری آنلاین

🎁 برای شما که عضو کامیونیتی دیتاهاب هستید، یه کد تخفیف ویژه داریم:
community1 → فقط ۵۰ هزار تومان! (ظرفیت محدود)

🔗 لینک ثبت‌نام:
https://ttr.ir/2su1wn
👍63
یه چیز عجیبه تو دنیای LLMها به اسم هالوسینیشن
یعنی مدل با اطمینان کامل یه چیزی می‌گه که اصلاً وجود نداره!

خب تا حالا روش مرسوم برای کنترلش RAG بوده.
یه جور ترکیب بازیابی اطلاعات با تولید پاسخ.
مثلاً می‌گه «جواب من اینه، ولی صبر کن برم یه سرچ هم بزنم ببینم چرت نگفتم!»
ولی راستش؟
تو خیلی از پروژه‌های واقعی، RAG بیشتر به درد تشخیص می‌خوره تا اصلاح.
یعنی می‌فهمه مدل اشتباه گفته، ولی خودش اصلاح نمی‌کنه.

حالا یه ایده جدید اومده: Guardian Agent
یه ماژول جداست که میاد جواب مدل رو خط‌به‌خط چک می‌کنه
اشتباهو پیدا می‌کنه، اصلاح می‌کنه، و حتی می‌گه چی رو چرا عوض کرده!

تو تست‌ها، حتی روی مدل‌های زیر ۷ میلیارد پارامتر، تونسته هالوسینیشن رو برسونه به زیر ۱٪
اونم بدون اینکه جمله‌هات شل و ول بشن یا ساختار جواب از هم بپاشه

🔍 نتیجه؟
اول Guardian اصلاح می‌کنه
بعد RAG هشدار می‌ده
و تو فضای سازمانی، فرق این دوتا می‌تونه فرق بین اعتماد و ترک پروژه باشه

#LLM #هوش_مصنوعی #هوش_مصنوعی #یادگیری_ماشین #تحلیل_داده #علم_داده
👍17🔥21
🚨 حمله وقتی شروع می‌شه که تو فکر می‌کنی امنی...

توی دنیای سایبری، خطر همیشه به شکل یه هکر پشت لپ‌تاپ نیست
الان یه تهدید جدید داریم: مدل‌های زبانی مولد (Gen AI)

طبق گزارش VentureBeat، حمله‌هایی داریم که دقیقاً ساعت ۲:۱۳ نصف شب فعال می‌شن
نه چون این زمان خاصه، چون ابزارهای امنیتی تو اون بازه خوابن
داده‌های تلمتری دیر می‌رسن، مدل‌های AI از همین تاخیر استفاده می‌کنن

چی کار می‌کنن؟
🔹 ایمیل فیشینگ شخصی‌سازی‌شده تولید می‌کنن
🔹 لاگ‌ها رو تحلیل می‌کنن
🔹 حمله رو چند مرحله‌ای می‌چینن
اونم سریع‌تر از اینکه تیم امنیت اصلاً بفهمه قراره اتفاقی بیفته

📌 راه‌حل چیه؟
استفاده از خود AI برای مقابله با AI.
افزایش مانیتورینگ لحظه‌ای.
کاهش فشار انسانی روی تیم‌های SOC با ابزارهایی که یاد می‌گیرن و هشدار می‌دن — نه فقط لاگ می‌گیرن.

تو دنیایی که حمله‌کننده یاد می‌گیره بهتر حمله کنه، مدافع هم باید یاد بگیره حرفه ای تر دفاع کنه.

#امنیت_هوش_مصنوعی #هوش_مصنوعی #یادگیری_ماشین #تحلیل_داده #علم_داده #GenAI
#DataHub
👍61🔥1
خب رفقا سلام
به مناسبت رویداد I/O گوگل چند خطی مینویسم

خب این رویداد ی جورایی بزرگترین کنفرانس سالانه گوگل هست که هر چی داره و نداره میزاره وسط

طبیعی بود که رویداد امسالشون که همین چند روز پیش برگزار شد، کاملا با محوریت هوش مصنوعی باشه
چرا؟

چون گوگل توی یک نقطه عطف هست، که داره تلاش میکنه سهم بازار عظیم خودش توی سرچ‌ها از دست نده، که اگر نتونه با OpenAI خوب رقابت کنه واقعا سهم بزرگی از مخاطب‌ها از دست میده

توی رویداد خیلی آیتم های متعدد معرفی شدن
طبق معمول نسخه جدید مدل جمنای معرفی شد(Gemini 2.5 pro)
و مثل همیشه و خیلی لوس
تمام بنچمارک‌ها در نوردید(چرا میگم لوس، گوگل و اپن ای ای و آنتروپک‌ و ... هی ورژن جدید معرفی میکنن و کلی تبلیغ میکنن که بهترین هست و اومد صدر جدول، ولی فرداش شرکت رقیب ی بهتر رو می‌کنه)

نمیگم مدلی ک گوگل معرفی کرد بده، حرفم اینه این نسخه‌های جدید بهبودهای کوچیک داره
انقلابی نیست

دلیلش هم واضحه ایده‌های اولیه و خفن به ذهنشون رسیده و اجرا کردن و الان نقطه‌ای هست که ناولتی دادن ساده نیستش

اینم بگم طبق آمار خود گوگل ۴۰۰ میلیون کاربر واسه سرویس جمنای، نشون داد که گوگل هر چند دیر ولی با قدرت داره جلو میره

و این نوید اتفاقای خیلی خوبیه
چرا؟
چون گوگل به خدمات و خلاقیت‌هاش معروفه
و باید شاهد کلی محصول و سرویس باکیفیت باشیم
چون گوگل میخواد سهم بازار جدی از هوش گیر بیاره
در تایید حرفم واسه اولین بار، تعداد پتنت‌های ثبت شده توسط گوگل از IBM بیشتر شد
و نشون میده چقدرگوگل جدی هستش

و خب ایده خوب دادن بدون سخت افزار خوب شدنی نیست
واسه همین بود که تراشه نسل هفتم معرفی شد ک میگن تا ده برابر می‌تونه سریع‌تر عمل کنه
با توان پردازشی ۴۲.۵ اگزافلاپس
یعنی تو فقط مدل زبانی ترین کن 😊

و خب شاید مورد انتظارترین بخش واسه خودم
معرفی جامع تر AI mode بود
نسل نوی جستجو
به نظر خیلی لفتش دادن و باید زودتر از اینها معرفی میشد
ولی خیلی چیز تمیز و باحالیه
یعنی با اون حجم سایت کرال شده توسط گوگل با ترکیبش با جمینای
یک تجربه خفن از سرچ بهمون میده

یا Search Live
که قابلیتی بود که در کنار جستجو از طریق تایپ
حالا به راحتی میشه از عکس و ویدئو و ... استفاده کرد و مجبور نباشیم مدام تایم کنیم

و این ویزگی نشون میده گوگل جای درستی دست گذاشته
قابلیت هایی داره ارائه میده که نیازه
گاهی آدم خسته میشه تایپ کنه و مدام کیورد‌ طولانی‌تر بزنه تا نتیجه جستجوش بهتر بشه
👍32
به صورت کلی یک کنفرانس جذاب بود که کلی ابزار خفن معرفی کرد
مثل ترجمه همزمان داخل یک تماس ویدیویی
که واقعا چیز تمیزیه

یا Veo 3 که یک ویدئوهایی باهاش میسازن که اگه هالیوود احساس خطر کنه بیراه نیست

حالا خودتون هم در مورد کنفرانس سرچ کنید که چیزهای باحالی دستگیرتون میشه

ولی در جمع بندی بگم
گوگل چیزای باحال معرفی کرد که اکثرا کاربردی و جالب بودن

ولی چیز خفن و انقلابی معرفی نکرد
که بزنه زیر میز

البته چندماهی هست که از طرف هیچ شرکت غولی، اتفاق خفنی نیفتاده
ولی باید صبر کرد
یک صبر کوتاه
چون خبرای جذابی مطرحه که نشون میده
ابزارهایی در راهن که قراره زندگیمون‌ عوض کنن
5👍1
چرا سیستم‌های RAG در سازمان‌ها شکست می‌خورند؟

سیستم‌های RAG (Retrieval-Augmented Generation) برای بهبود عملکرد مدل‌های هوش مصنوعی طراحی شدن، اما در عمل مشکلاتی دارن. این سیستم‌ها برای تولید پاسخ‌ها از اطلاعات بازیابی‌شده استفاده می‌کنند. ولی وقتی این اطلاعات ناقص یا مرتبط نباشه، سیستم نمی‌تونه جواب دقیقی بده.

مشکل اصلی اینه که عدم وجود زمینه کافی برای پاسخ‌دهی صحیح باعث می‌شه که سیستم‌ها دقت لازم رو نداشته باشن و نتایج به‌دست اومده ممکنه اشتباه یا ناقص باشه.

چطور این مشکل رو می‌شه حل کرد؟
اینجا مفهوم «سندیت زمینه‌ای» یا Sufficient Context وارد میشه.

سندیت زمینه‌ای به این معناست که سیستم‌ها فقط زمانی جواب میدن که زمینه کافی و اطلاعات درست برای پاسخ دقیق فراهم باشه. این رویکرد کمک می‌کنه که سیستم‌های RAG از پاسخ‌های نادرست جلوگیری کنن و فقط زمانی که زمینه مناسب وجود داره، اطلاعات رو پردازش کنن.

چطور این کار انجام میشه؟
با استفاده از مدل‌های بزرگ زبان (LLM) و ارزیابی خودکار، سیستم‌ها می‌تونن تشخیص بدن که آیا اطلاعات کافی برای ارائه پاسخ وجود داره یا نه. به عبارت دیگه، سیستم‌ها به‌طور خودکار بررسی می‌کنن که زمینه بازیابی‌شده برای پاسخ‌دهی کافی است یا خیر.

این رویکرد دقت بیشتری به سیستم‌های RAG می‌ده و باعث میشه که اون‌ها در محیط‌های سازمانی که نیاز به دقت بالا دارن، عملکرد بهتری داشته باشن.

چرا این مهمه؟
در محیط‌های سازمانی، دقت اطلاعات و درستی پاسخ‌ها از اهمیت ویژه‌ای برخورداره. این رویکرد باعث میشه سیستم‌های RAG به ابزاری قابل اعتمادتر برای پردازش اطلاعات تبدیل بشن.

📚 برای مطالعه بیشتر، به این لینک یه نگاهی بکنید :
https://arxiv.org/abs/2411.06037


#هوش_مصنوعی
#RAG
#DataHub
👍7
⚡️ساخت چت بات اختصاصی سایت ، راحت تر از همیشه

با معرفی NLWeb توسط مایکروسافت، فرصت‌های زیادی برای کسب‌وکارهای آنلاین و استارتاپ‌ها در ایران به وجود اومده. با این پروتکل، می‌تونید چت‌بات‌های هوش مصنوعی رو به راحتی به وب‌سایت‌هاتون اضافه کنید.

چند ایده برای استفاده در ایران:

پشتیبانی آنلاین مشتریان با چت‌بات‌های هوش مصنوعی.

پلتفرم‌های آموزشی که به کاربران پاسخ دقیق‌تر و سریع‌تر بدن.

سرویس‌های جستجو که از AI Mode برای بهبود تجربه کاربری استفاده کنن.

این پروتکل دسترسی به هوش مصنوعی رو برای کسب‌وکارهای کوچک هم ممکن می‌کنه و می‌تونه به شما کمک کنه تا تجربه کاربری بهتری رو ارائه بدید.

اطلاعات بیشتر

#هوش_مصنوعی
#استارتاپ
#NLWeb
#DataHub
👍41
آینده ارزیابی مدل‌های هوش مصنوعی: RewardBench 2

خب، خبر جدیدی که به طور رسمی از Ai2 اومده، نسخه RewardBench 2 است. این ابزار جدید برای ارزیابی مدل‌های پاداش (Reward Models) طراحی شده تا بتونه به طور دقیق‌تری عملکرد مدل‌ها رو ارزیابی کنه.

چطور؟
این نسخه با افزودن داده‌های پیچیده‌تر و دشوارتر، شامل شش دامنه مختلف مثل دقت، پیروی از دستورات، ایمنی و تمرکز، تلاش کرده تا ارزیابی دقیق‌تری از مدل‌ها ارائه بده.

چرا این مهمه؟
چون به شرکت‌ها کمک می‌کنه مدل‌هایی رو انتخاب کنن که واقعاً با نیازهای خاص اون‌ها هم‌راستا باشه و از تولید پاسخ‌های غلط و خطرناک
جلوگیری کنن.

در نهایت... RewardBench 2 یه ابزار حیاتی برای ارزیابی بهتر و انتخاب مدل‌های هوش مصنوعی با عملکرد صحیح‌تر خواهد بود.


#هوش_مصنوعی #RewardBench2 #یادگیری_ماشین #علم_داده
👍4