🌟 فریم‌ورک جدید RL برای آموزش مدل‌های MoE از تیمی که Chatbot Arena را ساخته است

فریم‌ورک Miles توسط گروه LMSYS ORG معرفی شد؛ همان تیمی که پروژهٔ معروف slime را ساخته بود. اگر توسعه‌های اپن‌سورس را دنبال می‌کنید، می‌دانید slime یک ابزار فوق‌سبک برای پست‌تریـن است—و حتی برای GLM-4.6 هم استفاده شد.

✅همچنین Miles همان مسیر را ادامه می‌دهد، اما این بار با تمرکز بر آموزش مقیاس‌بالا برای معماری‌های MoE و پشتیبانی از بارهای سنگین در محیط‌های سازمانی.

⚙️ نکات فنی
• معماری بر پایهٔ True On-Policy؛ یعنی صفر شدن فاصلهٔ رفتاری بین مدل در حالت آموزش و حالت اجرا
• استفاده از Flash Attention 3، کتابخانه DeepGEMM و هسته‌های Thinking Machines Lab در کنار torch.compile
• پشتیبانی از Speculative Decoding همراه با آموزش آنلاین مدل پیش‌نویس—رویکردی که باعث می‌شود مدل draft دقیقاً با سیاست مدل اصلی حرکت کند
• افزایش سرعت تولید متن تا ۲۵٪ در مراحل پایانی آموزش

🧩 پایداری سیستم
• جلوگیری از کرش‌های غیرضروری OOM؛ اهمیت ویژه برای محیط‌های سازمانی که «هر گیگابایت یعنی هزینه»
• اصلاح مشکلات مصرف حافظه در FSDP
• وعدهٔ پشتیبانی از آموزش چندمُدی، سازگاری با SGLang v2 و نسخهٔ پیشرفته‌تر Speculative Decoding

📄 مقاله
🖥️ GitHub

@rss_ai_ir
#AI #ML #RL #MoE #LMSYS #Miles

🌟 LLM Council:
وقتی یک «شورای مدل‌های زبانی» به جای یک مدل به شما جواب می‌دهد!

آندری کارپاتی دوباره برگشته و این‌بار با یک پروژه جالب به نام LLM Council — ایده‌ای که پاسخ‌دهی را از سطح یک مدل، به سطح شورای مشورتی از مدل‌های هوش مصنوعی ارتقا می‌دهد.

ایده ساده اما قدرتمند است:
به‌جای این‌که سؤال شما فقط توسط یک مدل پاسخ داده شود، مجموعه‌ای از مدل‌ها پاسخ می‌دهند، یکدیگر را نقد می‌کنند و در نهایت یک مدل به‌عنوان «رئیس شورا» پاسخ نهایی را می‌سازد.

🔹 روند کار چگونه است؟

🟢 مرحله ۱: جمع‌آوری نظرها
سؤال شما از طریق OpenRouter برای چندین مدل به‌صورت جداگانه ارسال می‌شود.
هر مدل یک پاسخ مستقل تولید می‌کند و پاسخ‌ها در تب‌های مجزا قابل مشاهده‌اند.

🟢 مرحله ۲: ریتینگ و نقد علمی
هر مدل پاسخ‌های سایر مدل‌ها را بررسی و به‌صورت ناشناس ارزیابی می‌کند تا سوگیری ایجاد نشود.
مدل‌ها پاسخ‌ها را از نظر دقت و عمق تحلیل رتبه‌بندی می‌کنند.

🟢 مرحله ۳: خروجی نهایی
یک «مدل رئیس شورا» همه نتایج را دریافت کرده و آن‌ها را در قالب یک پاسخ واحد، دقیق و ترکیبی ارائه می‌دهد.


---

⚠️ برای استفاده از این سیستم نیاز به کلید API OpenRouter دارید.
مزیت خوبش این است که چند مدل رایگان هم در OpenRouter وجود دارد.

📌 Github:
https://github.com/karpathy/llm-council
@rss_ai_ir
---
🔖 هشتگ‌ها
#هوش_مصنوعی #مدل_زبانی #LLMCouncil #OpenRouter #AI #ML #کارپاتی #Github #LLM #هوش_تولیدی

🎬 پشت‌صحنه‌سازی با نانابانانا؛ وقتی مدل خودش تبدیل به کارگردان می‌شود

✳️این روزها یک «ترفند» دربارهٔ نانابانانا (Gemini 3 Pro Image) حسابی دست‌به‌دست می‌شود:

یک عکس می‌دهید و می‌گویید «پشت‌صحنه‌اش را بساز» — و مدل همان لحظه صحنه‌ای می‌سازد با پردهٔ سبز، نورها، اپراتورها، مانیتور کارگردان و حتی کابل‌های صحنه.

اما این فقط ۱۰٪ توانایی واقعی بانانا است.

✳️مدل به‌طور شگفت‌انگیزی دربارهٔ سینما و ویدئوپرو–داکشن اطلاعات دارد — از جنس نورها و نوع کی‌لایت گرفته تا دیفیوزر، فاصلهٔ کانونی، موقعیت دوربین، راکِر، ISO، عمق میدان و حتی اصطلاحات نورپردازی حرفه‌ای.

بنابراین می‌توانید هر فریم از فیلم، تبلیغ یا حتی ویدئوی عروسی را آپلود کنید و بگویید:

generate a realistic behind the scene for this film scene, show me where the camera and lights are placed, use arrows to label each light, what type, what settings

و بانانا:
📌 جای دقیق دوربین را می‌زند
📌 نوع نورها را حدس می‌زند
📌 فلش و برچسب می‌گذارد
📌 حتی دیاگرام کامل نورپردازی رسم می‌کند

نتیجه؟
✅کلاس‌های فیلمبرداری از شدت استرس عرق سرد می‌کنند، تیم‌های Previz به فکر فرو رفته‌اند، و نورپردازها احتمالاً امروز کمی بیشتر می‌نوشند.

⛔️بخشی از خروجی‌ها کاملاً دقیق نیستند، اما نکتهٔ مهم اینجاست:
مدل معمولاً ستاپ کلی نور را درست تشخیص می‌دهد.
و این یعنی یک ابزار فوق‌العاده برای فیلمسازها، تبلیغات‌چی‌ها، CG artists و حتی دانشجویان سینما.

@rss_ai_ir

#هوش_مصنوعی #نانابانانا #Gemini #تولید_محتوا #فیلمسازی #پشت_صحنه #نورپردازی #ویدئوپرو_داکشن #AI #سینما #PreViz #ImageToImage #مولتی‌مودال #GoogleAI #مدل_تولیدی