📄 هوش مصنوعی SmartResume از Alibaba-EI — درک واقعی ساختار و معنای رزومه‌ها! 🧠💼

تیم Alibaba-EI سیستمی معرفی کرده که می‌تواند رزومه‌ها را مثل یک انسان بخواند و تفسیر کند — با دقتی در حد برچسب‌گذاری دستی (manual annotation)!
هسته‌ی این سیستم، نسخه‌ی بهینه‌شده‌ی مدل Qwen3 با ۰.۶ میلیارد پارامتر است.


---

✨ ویژگی‌های کلیدی:

🎯 استخراج دقیق فیلدها و بخش‌ها (تحصیلات، تجربه، مهارت‌ها و غیره)

⚡ سرعت بسیار بالا در inference — مناسب برای پردازش انبوه رزومه‌ها

🧩 قابلیت مقیاس‌پذیری بالا برای استفاده در پلتفرم‌های بزرگ HR و سیستم‌های جذب نیرو



---

🧠 چه چیزی آن را خاص می‌کند؟

این سیستم فقط متن را نمی‌خواند؛ بلکه چیدمان صفحه، بلوک‌ها، ترتیب بخش‌ها و حتی عناصر بصری را تحلیل می‌کند تا یک JSON ساختاریافته و تمیز از رزومه بسازد.
به زبان ساده، مثل انسانی که رزومه را ورق می‌زند و می‌فهمد «کجا مهارت‌ها هستند» و «کجا تجربه کاری».


---

💡 نکته جالب:

همچنین SmartResume نشان می‌دهد که برای ساخت یک Document AI دقیق نیازی به مدل‌های غول‌پیکر نیست —
کافی است معماری درست و تنظیم دقیق (fine-tuning) داشته باشید.


---

🔗 ModelScope
🤗 Hugging Face
🧪 Demo
📄 Paper (arXiv: 2510.09722)

📡 @rss_ai_ir
#هوش_مصنوعی #Qwen3 #Alibaba #DocumentAI #SmartResume #LLM #AI4HR

🧠 LMSYS Arena Expert —
ارزیابی جدید مدل‌های زبانی در سطح تخصصی ⚙️

تیم LMSYS (خالق Chatbot Arena) حالا نسخه‌ی پیشرفته‌تری به نام Arena Expert معرفی کرده که مدل‌های زبانی را در وظایف واقعی کارشناسان ارزیابی می‌کند — مثل کار پزشکان، ریاضی‌دانان، برنامه‌نویسان و حقوق‌دانان.


---

💡 ایده‌ی اصلی

در حالی‌که Chatbot Arena برای سنجش مدل‌ها در وظایف عمومی مناسب است،
همچنین Arena Expert بر پرامپت‌هایی تمرکز دارد که تنها ۵.۵٪ از کل داده‌ها را تشکیل می‌دهند — یعنی جایی که سوال‌ها واقعاً تخصصی و حرفه‌ای‌اند.

برای برچسب‌گذاری خودکار، از مدل DeepSeek-v3 استفاده شده تا تشخیص دهد آیا پرامپت شامل تفکر عمیق در یک حوزه خاص است یا نه.
هدف: تشخیص پرامپت‌هایی که واقعاً از سوی افراد متخصص نوشته شده‌اند، نه فقط سوال‌های سخت.


---

🧩 نتایج برتر (Top-6)

1️⃣ Claude Sonnet 4.5 (thinking-32k)
2️⃣ Claude Opus 4.1 (thinking-16k)
3️⃣ Gemini 2.5 Pro
4️⃣ Qwen3 Max Preview
5️⃣ Qwen3-235B Thinking
6️⃣ GPT-5 High


---

🧮 دسته‌بندی‌ها (۲۳ حوزه حرفه‌ای)

📊 Software & IT – ۲۸٪
📚 Writing & Language – ۲۵٪
🔬 Science (Life & Physical) – ۱۷٪

در این میان:

♻️مدل Claude در ریاضیات و برنامه‌نویسی پیشتاز است،

♻️مدلGemini 2.5 Pro در نوشتار و علوم برتر است،

♻️مدل OpenAI (GPT-5) در پزشکی قوی‌تر از بقیه عمل کرده.



---

🏆 بهترین مدل همه‌فن‌حریف (Across All Fields)

1️⃣ Gemini 2.5 Pro
2️⃣ Claude Opus 4.1
3️⃣ GPT-5 / o3 Hybrid


---

🔍 نکته جالب

نتایج Arena Expert تقریباً با داده‌های انسانی GDPal یکسان است،
که نشان می‌دهد ارزیابی خودکار توسط LLMها می‌تواند جایگزین قابل اعتماد ارزیابی انسانی شود.


---

📄 گزارش کامل و نمونه‌پرامپت‌ها:

🔗 news.lmarena.ai/arena-expert
📊 داده‌ها در Hugging Face
🏁 نتایج زنده:
lmarena.ai/leaderboard/text/expert

📡 @rss_ai_ir
#هوش_مصنوعی #LLM #ارزیابی #LMSYS #Claude #Gemini #GPT5 #Qwen3 #ArenaExpert

⭐ مدل VibeThinker-1.5B؛ مدل کوچک اما رکوردشکن در استدلال

این مدل ۱.۵ میلیارد پارامتری با وجود اندازه‌ی بسیار کوچک، در آزمون‌های استدلالی به نتایج SOTA رسیده است.

🚀 عملکرد:
در AIME24/25 و HMMT25 جزو بهترین‌هاست و حتی مدل DeepSeek R1-0120 را در مسائل ریاضی پشت سر می‌گذارد. در برنامه‌نویسی رقابتی هم بالاتر از مدل‌های هم‌حجم ظاهر شده است.

⚡ بهره‌وری:
فقط ۱.۵B پارامتر — یعنی ۱۰۰ تا ۶۰۰ برابر کوچک‌تر از مدل‌هایی مثل Kimi K2 و DeepSeek R1.

💰 هزینه:
کل هزینهٔ پس‌تمرین حدود ۷.۸ هزار دلار بوده؛ یعنی ۳۰ تا ۶۰ برابر ارزان‌تر از DeepSeek R1 یا MiniMax-M1.

این مدل بر پایهٔ Spectrum-to-Signal Principle (SSP) و فریم‌ورک MGPO ساخته شده تا فرآیند استدلال را بهینه کند.

📦 Model:
hf.co/WeiboAI/VibeThinker-1.5B
💻 GitHub:
github.com/WeiboAI/VibeThinker
📄 Arxiv:
arxiv.org/abs/2511.06221

#AI #LLM #Reasoning #OpenSource #SmallModel @rss_ai_ir