This media is not supported in your browser
VIEW IN TELEGRAM
🔍 Event Blurry Super-Resolution (Ev-DeblurVSR) 🔍
پژوهشگران USTC مدل جدیدی به نام Ev-DeblurVSR معرفی کردند؛ ترکیبی از سیگنال‌های رخدادی (Event signals) با Blurry Video Super-Resolution (BVSR) برای تولید ویدیوهای وضوح بالا (HR) از ورودی‌های کم‌وضوح و تار.
✨ ویژگی‌ها:
✳️ادغام اطلاعات رخدادی برای افزایش دقت بازسازی جزئیات.
✳️بهبود چشمگیر کیفیت ویدیوهای تار و کم‌کیفیت.
✳️انتشار مدل‌های از پیش آموزش‌دیده و داده‌های تست تحت لایسنس Apache.
📌 منابع:
👉 مقاله: لینک
👉 ریپازیتوری: لینک
@rss_ai_ir
#AI #ML #VSR #EventCamera #Deblur #SuperResolution #USTC
پژوهشگران USTC مدل جدیدی به نام Ev-DeblurVSR معرفی کردند؛ ترکیبی از سیگنال‌های رخدادی (Event signals) با Blurry Video Super-Resolution (BVSR) برای تولید ویدیوهای وضوح بالا (HR) از ورودی‌های کم‌وضوح و تار.
✨ ویژگی‌ها:
✳️ادغام اطلاعات رخدادی برای افزایش دقت بازسازی جزئیات.
✳️بهبود چشمگیر کیفیت ویدیوهای تار و کم‌کیفیت.
✳️انتشار مدل‌های از پیش آموزش‌دیده و داده‌های تست تحت لایسنس Apache.
📌 منابع:
👉 مقاله: لینک
👉 ریپازیتوری: لینک
@rss_ai_ir
#AI #ML #VSR #EventCamera #Deblur #SuperResolution #USTC
🔥10👏6👍4🥰4🎉4❤3😁3
🔧 پست آموزشی: تشخیص خرابی سنسورها در سیستم‌های صنعتی (PLC سری F)
یکی از چالش‌های رایج در پروژه‌های اتوماسیون صنعتی، خرابی یا از کار افتادن سنسورهاست. اگر سنسور به‌موقع عیب‌یابی نشود، می‌تواند باعث توقف خط تولید یا حتی آسیب به تجهیزات شود.
📌 در PLCهایی که با F شروع می‌شوند (مانند سری‌های Fail-Safe یا Functional Safety)، معمولاً مکانیزم‌های داخلی برای عیب‌یابی خودکار وجود دارد.
روش‌های کلیدی تشخیص خرابی:
1️⃣ چک‌کردن سیگنال ورودی به صورت دوره‌ای (Self-Diagnosis)
سیستم در بازه‌های زمانی مشخص ورودی سنسور را بررسی می‌کند.
اگر مقدار در محدوده منطقی نباشد (مثلاً همواره صفر یا همواره یک)، خطا ثبت میشود.
2️⃣ ایجاد Redundancy (سنسور دوم یا مقایسه‌ای)
استفاده از دو سنسور برای یک پارامتر و مقایسه خروجی‌ها.
در صورت اختلاف، PLC بلافاصله آلارم می‌دهد.
3️⃣ استفاده از Time-Out
اگر سیگنال ورودی در مدت زمان مشخص تغییری نکند، سیستم آن را به عنوان خرابی احتمالی شناسایی می‌کند.
4️⃣ کدهای خطا (Fault Codes)
در PLCهای F، خطاهای مربوط به سنسور به صورت خودکار در حافظه خطا ثبت و از طریق HMI یا SCADA نمایش داده می‌شوند.
5️⃣ مدلسازی نرم‌افزاری (Health Monitoring)
با نوشتن منطق در برنامه PLC می‌توان شرایط غیرطبیعی (مانند نوسان شدید، قطع ناگهانی یا تاخیر) را بررسی کرد.
⚡️ نتیجه:
با پیاده‌سازی این روش‌ها، سیستم می‌تواند به صورت مداوم سلامت سنسورها را پایش کند و قبل از خرابی کامل هشدار لازم را به اپراتور بدهد. این موضوع مخصوصاً در صنایع حساس مثل مس، فولاد و پتروشیمی حیاتی است.
💡 پیشنهاد: برای پروژه‌های بزرگ بهتر است سیستم پایش سلامت سنسورها (Sensor Health Monitoring System) طراحی شود که خروجی آن به صورت گزارش دوره‌ای به بخش تعمیرات پیشگیرانه ارسال شود.
#اتوماسیون_صنعتی #PLC #سنسور #عیب_یابی #صنعت #تجهیزات_صنعتی #SmartFactory #صنایع_معدنی #صنایع_فولاد #صنایع_مس
@rss_ai_ir
یکی از چالش‌های رایج در پروژه‌های اتوماسیون صنعتی، خرابی یا از کار افتادن سنسورهاست. اگر سنسور به‌موقع عیب‌یابی نشود، می‌تواند باعث توقف خط تولید یا حتی آسیب به تجهیزات شود.
📌 در PLCهایی که با F شروع می‌شوند (مانند سری‌های Fail-Safe یا Functional Safety)، معمولاً مکانیزم‌های داخلی برای عیب‌یابی خودکار وجود دارد.
روش‌های کلیدی تشخیص خرابی:
1️⃣ چک‌کردن سیگنال ورودی به صورت دوره‌ای (Self-Diagnosis)
سیستم در بازه‌های زمانی مشخص ورودی سنسور را بررسی می‌کند.
اگر مقدار در محدوده منطقی نباشد (مثلاً همواره صفر یا همواره یک)، خطا ثبت میشود.
2️⃣ ایجاد Redundancy (سنسور دوم یا مقایسه‌ای)
استفاده از دو سنسور برای یک پارامتر و مقایسه خروجی‌ها.
در صورت اختلاف، PLC بلافاصله آلارم می‌دهد.
3️⃣ استفاده از Time-Out
اگر سیگنال ورودی در مدت زمان مشخص تغییری نکند، سیستم آن را به عنوان خرابی احتمالی شناسایی می‌کند.
4️⃣ کدهای خطا (Fault Codes)
در PLCهای F، خطاهای مربوط به سنسور به صورت خودکار در حافظه خطا ثبت و از طریق HMI یا SCADA نمایش داده می‌شوند.
5️⃣ مدلسازی نرم‌افزاری (Health Monitoring)
با نوشتن منطق در برنامه PLC می‌توان شرایط غیرطبیعی (مانند نوسان شدید، قطع ناگهانی یا تاخیر) را بررسی کرد.
⚡️ نتیجه:
با پیاده‌سازی این روش‌ها، سیستم می‌تواند به صورت مداوم سلامت سنسورها را پایش کند و قبل از خرابی کامل هشدار لازم را به اپراتور بدهد. این موضوع مخصوصاً در صنایع حساس مثل مس، فولاد و پتروشیمی حیاتی است.
💡 پیشنهاد: برای پروژه‌های بزرگ بهتر است سیستم پایش سلامت سنسورها (Sensor Health Monitoring System) طراحی شود که خروجی آن به صورت گزارش دوره‌ای به بخش تعمیرات پیشگیرانه ارسال شود.
#اتوماسیون_صنعتی #PLC #سنسور #عیب_یابی #صنعت #تجهیزات_صنعتی #SmartFactory #صنایع_معدنی #صنایع_فولاد #صنایع_مس
@rss_ai_ir
🎉9👏6🥰5❤4😁4👍3🔥3
⛔️خب اینم پرامپت جالب:
📌 کافیه برید توی ChatGPT، عکس خودتون (یا هر عکس دیگه) رو آپلود کنید و همین پرامپت رو اجرا کنید.
من این کار رو با ChatGPT و NanoBanana تست کردم. برای اینکه خلاف قوانین نباشه، فقط از همون آواتارهایی استفاده کردم که خودتون توی تلگرام گذاشته‌اید. و خب... نتیجه حسابی فان شد. 😅
به نظر من ChatGPT توی استایل‌دهی قوی‌تره، ولی خروجی‌های نانابانانا هم جالب دراومدن.
@rss_ai_ir
#هوش_مصنوعی #NanoBanana #ChatGPT #طراحی_سه‌بعدی #هنر_دیجیتال
Create a surreal ultra-realistic 3D render styled as a collectible art toy balloon, featuring a cartoon face inflated like a shiny balloon with hyper-detailed sculpted skin, subtle pores, exaggerated round chubby cheeks, oversized pouty lips, and playful cartoon proportions. A balloon knot sits at the base of the neck with a thin string hanging naturally, with everything below the neck and the background removed. The expression is comically whimsical, balanced with a surreal glossy finish. Use soft studio lighting on a smooth neutral beige background with cinematic depth of field, Pixar-quality stylization, poster-grade realism, and a polished sculptural finish. Strange yet charming surrealism, rendered with extreme detail and photographic clarity.
📌 کافیه برید توی ChatGPT، عکس خودتون (یا هر عکس دیگه) رو آپلود کنید و همین پرامپت رو اجرا کنید.
من این کار رو با ChatGPT و NanoBanana تست کردم. برای اینکه خلاف قوانین نباشه، فقط از همون آواتارهایی استفاده کردم که خودتون توی تلگرام گذاشته‌اید. و خب... نتیجه حسابی فان شد. 😅
به نظر من ChatGPT توی استایل‌دهی قوی‌تره، ولی خروجی‌های نانابانانا هم جالب دراومدن.
@rss_ai_ir
#هوش_مصنوعی #NanoBanana #ChatGPT #طراحی_سه‌بعدی #هنر_دیجیتال
🔥14🎉12❤10👍10🥰10👏6😁6
🌟 POINTS-Reader
؛ مدل جمع‌وجور OCR از Tencent
📌 شرکت Tencent پروژه جالبی منتشر کرده به نام POINTS-Reader؛ یک مدل زبانی-دیداری (VLM) برای OCR انگلیسی و چینی با تنها ۴ میلیارد پارامتر که بر پایه Qwen2.5-3B-Instruct ساخته شده و در OmniDocBench حتی از GPT-4o و Gemini بهتر عمل کرده است.
🔹 در معماری از Qwen2.5 کوچک و یک NaViT Vision Transformer با ۶۰۰M پارامتر استفاده شده که انتخابی آگاهانه برای سادگی و سرعت بوده است.
🔹 روش یادگیری مدل بر اساس دو مرحله:
1. آموزش اولیه با داده‌های مصنوعی برای کسب مهارت OCR
2. یادگیری خود-تکاملی: مدل روی اسناد واقعی برچسب‌گذاری می‌کند، بهترین نمونه‌ها دوباره به چرخه آموزش بازمی‌گردند.
⚠️ محدودیت‌ها:
♻️در صفحه‌آرایی‌های پیچیده (مثل روزنامه‌ها) دچار تکرار یا حذف محتوا میشود.
♻️دست‌نوشته‌ها (رسید یا یادداشت) همچنان چالش‌برانگیزند.
♻️فعلاً فقط دو زبان انگلیسی و چینی پشتیبانی می‌شوند.
▶️ مدل آماده استفاده روی Transformers و SGLang است. پشتیبانی از vLLM به‌زودی افزوده خواهد شد.
🟡 [Arxiv]
🟡 [GitHub]
@rss_ai_ir
#هوش_مصنوعی #بینایی_ماشین #OCR #Tencent #POINTSReader
؛ مدل جمع‌وجور OCR از Tencent
📌 شرکت Tencent پروژه جالبی منتشر کرده به نام POINTS-Reader؛ یک مدل زبانی-دیداری (VLM) برای OCR انگلیسی و چینی با تنها ۴ میلیارد پارامتر که بر پایه Qwen2.5-3B-Instruct ساخته شده و در OmniDocBench حتی از GPT-4o و Gemini بهتر عمل کرده است.
🔹 در معماری از Qwen2.5 کوچک و یک NaViT Vision Transformer با ۶۰۰M پارامتر استفاده شده که انتخابی آگاهانه برای سادگی و سرعت بوده است.
🔹 روش یادگیری مدل بر اساس دو مرحله:
1. آموزش اولیه با داده‌های مصنوعی برای کسب مهارت OCR
2. یادگیری خود-تکاملی: مدل روی اسناد واقعی برچسب‌گذاری می‌کند، بهترین نمونه‌ها دوباره به چرخه آموزش بازمی‌گردند.
⚠️ محدودیت‌ها:
♻️در صفحه‌آرایی‌های پیچیده (مثل روزنامه‌ها) دچار تکرار یا حذف محتوا میشود.
♻️دست‌نوشته‌ها (رسید یا یادداشت) همچنان چالش‌برانگیزند.
♻️فعلاً فقط دو زبان انگلیسی و چینی پشتیبانی می‌شوند.
▶️ مدل آماده استفاده روی Transformers و SGLang است. پشتیبانی از vLLM به‌زودی افزوده خواهد شد.
🟡 [Arxiv]
🟡 [GitHub]
@rss_ai_ir
#هوش_مصنوعی #بینایی_ماشین #OCR #Tencent #POINTSReader
👍1🔥1👏1🙏1
🌟 Genie Envisioner
؛ پلتفرمی که ربات‌ها فقط با دیدن ویدیو یاد می‌گیرند عمل کنند
🔹 Genie Envisioner (GE)
محصول تیم AgiBot Genie است؛ یک پلتفرم یکپارچه که یادگیری، شبیه‌سازی و ارزیابی را در قالب یک مدل ویدیویی مولد ترکیب می‌کند.
🟡 GE-Base
هسته‌ی سیستم، یک مدل دیفیوژن ویدیویی است که روی دیتاستی با ۱ میلیون اپیزود دستکاری واقعی (۳۰۰۰ ساعت فیلم چند-دوربینه) آموزش دیده. مدل یاد گرفته بر اساس دستور متنی و فریم‌های قبلی، فریم‌های بعدی را پیش‌بینی کند و از این طریق نمایش درونی از فیزیک دنیا و دینامیک اشیا بسازد.
🟡 GE-Act
اما پیش‌بینی ویدیو کافی نیست؛ باید عمل هم کرد. اینجا ماژول سبک‌وزن GE-Act (با ۱۶۰M پارامتر) وارد میشود که نمایش‌های داخلی GE-Base را به دستورات حرکتی برای موتورها تبدیل می‌کند.
📊 سرعت: تولید ۵۴ گام کنترلی فقط در ۲۰۰ میلی‌ثانیه روی NVIDIA RTX 4090 → قابل استفاده در زمان واقعی.
🟡 GE-Sim
سومین جزء، GE-Sim است؛ یک شبیه‌ساز عصبی مبتنی بر GE-Base که امکان اجرای هزاران شبیه‌سازی در ساعت را برای تست پالیسی‌ها بدون نیاز به سخت‌افزار واقعی فراهم می‌کند.
📌 برای ارزیابی این شبیه‌سازها، بِنچمارک جدیدی به نام EWMBench طراحی شده که هم واقع‌گرایی بصری و هم سازگاری فیزیکی و پیروی از دستورالعمل‌ها را می‌سنجد.
نتیجه: GE-Base بالاتر از تمام مدل‌های ویدیویی نسل جدید (مثل Kling، OpenSora و COSMOS) با امتیاز 4.70 در برابر 3.87 نزدیک‌ترین رقیب.
🟡 [صفحه پروژه]
🟡 [مدل]
🟡 [Arxiv]
🖥 [GitHub]
#هوش_مصنوعی #یادگیری_ماشین #روباتیک #AgiBot
@rss_ai_ir
؛ پلتفرمی که ربات‌ها فقط با دیدن ویدیو یاد می‌گیرند عمل کنند
🔹 Genie Envisioner (GE)
محصول تیم AgiBot Genie است؛ یک پلتفرم یکپارچه که یادگیری، شبیه‌سازی و ارزیابی را در قالب یک مدل ویدیویی مولد ترکیب می‌کند.
🟡 GE-Base
هسته‌ی سیستم، یک مدل دیفیوژن ویدیویی است که روی دیتاستی با ۱ میلیون اپیزود دستکاری واقعی (۳۰۰۰ ساعت فیلم چند-دوربینه) آموزش دیده. مدل یاد گرفته بر اساس دستور متنی و فریم‌های قبلی، فریم‌های بعدی را پیش‌بینی کند و از این طریق نمایش درونی از فیزیک دنیا و دینامیک اشیا بسازد.
🟡 GE-Act
اما پیش‌بینی ویدیو کافی نیست؛ باید عمل هم کرد. اینجا ماژول سبک‌وزن GE-Act (با ۱۶۰M پارامتر) وارد میشود که نمایش‌های داخلی GE-Base را به دستورات حرکتی برای موتورها تبدیل می‌کند.
📊 سرعت: تولید ۵۴ گام کنترلی فقط در ۲۰۰ میلی‌ثانیه روی NVIDIA RTX 4090 → قابل استفاده در زمان واقعی.
🟡 GE-Sim
سومین جزء، GE-Sim است؛ یک شبیه‌ساز عصبی مبتنی بر GE-Base که امکان اجرای هزاران شبیه‌سازی در ساعت را برای تست پالیسی‌ها بدون نیاز به سخت‌افزار واقعی فراهم می‌کند.
📌 برای ارزیابی این شبیه‌سازها، بِنچمارک جدیدی به نام EWMBench طراحی شده که هم واقع‌گرایی بصری و هم سازگاری فیزیکی و پیروی از دستورالعمل‌ها را می‌سنجد.
نتیجه: GE-Base بالاتر از تمام مدل‌های ویدیویی نسل جدید (مثل Kling، OpenSora و COSMOS) با امتیاز 4.70 در برابر 3.87 نزدیک‌ترین رقیب.
🟡 [صفحه پروژه]
🟡 [مدل]
🟡 [Arxiv]
🖥 [GitHub]
#هوش_مصنوعی #یادگیری_ماشین #روباتیک #AgiBot
@rss_ai_ir
❤2🔥1👏1🙏1
Media is too big
VIEW IN TELEGRAM
🧠 پیشرفت مدل‌های زبانی بزرگ: از مفاهیم پایه تا کاربردهای واقعی
👤 اسحاق کارگر
⏺ دانشمند ارشد هوش مصنوعی در شرکت In_Parallel فنلاند
⏺ دانشجوی دکترای هوش مصنوعی رباتیک، دانشگاه آلتو فنلاند
📚 سرفصل‌ها
🔹 مقدمه – مدل‌های زبانی چیستند؟
🔹 مبانی معماری ترنسفورمر (به زبان ساده)
🔹 آموزش و تنظیم مدل‌های زبانی بزرگ
🔹 کاربردهای کلیدی LLM
🔹 چالش‌ها و محدودیت‌ها
🔹 مسیرهای آینده و نکات پایانی
🔹 پرسش و پاسخ
🏛 برگزار شده توسط آکادمی
- شبکه نخبگان ایران
🌐 @rss_ai_ir
#هوش_مصنوعی #مدل_زبانی #LLM #یادگیری_عمیق #ترنسفورمر #AI #مدلسازی #علمی #آموزش
👤 اسحاق کارگر
⏺ دانشمند ارشد هوش مصنوعی در شرکت In_Parallel فنلاند
⏺ دانشجوی دکترای هوش مصنوعی رباتیک، دانشگاه آلتو فنلاند
📚 سرفصل‌ها
🔹 مقدمه – مدل‌های زبانی چیستند؟
🔹 مبانی معماری ترنسفورمر (به زبان ساده)
🔹 آموزش و تنظیم مدل‌های زبانی بزرگ
🔹 کاربردهای کلیدی LLM
🔹 چالش‌ها و محدودیت‌ها
🔹 مسیرهای آینده و نکات پایانی
🔹 پرسش و پاسخ
🏛 برگزار شده توسط آکادمی
- شبکه نخبگان ایران
🌐 @rss_ai_ir
#هوش_مصنوعی #مدل_زبانی #LLM #یادگیری_عمیق #ترنسفورمر #AI #مدلسازی #علمی #آموزش
👍9❤6🎉6😁4🔥3👏1🙏1
⚙️ چرا پروژه‌های هوش مصنوعی صنعتی بدون متخصص فرآیند شکست می‌خورند؟
📌 تیم قوی در AI کافی نیست! اگر کسی نباشد که فرآیند صنعتی را بشناسد، پروژه به احتمال زیاد بی‌نتیجه می‌ماند.
🔹 دلایل:
1️⃣ مسئله درست تعریف نمی‌شود.
2️⃣ داده‌های بی‌فایده جمع‌آوری می‌شوند.
3️⃣ خروجی مدل قابل تفسیر عملی نیست.
4️⃣ در محیط واقعی پیاده‌سازی سخت یا غیرممکن میشود.
✅ ترکیب دانش فنی (AI/ML) + دانش فرآیند شرط اصلی موفقیت است.
#هوش_مصنوعی #صنعت #اتوماسیون #AI_industrial
@rss_ai_ir
📌 تیم قوی در AI کافی نیست! اگر کسی نباشد که فرآیند صنعتی را بشناسد، پروژه به احتمال زیاد بی‌نتیجه می‌ماند.
🔹 دلایل:
1️⃣ مسئله درست تعریف نمی‌شود.
2️⃣ داده‌های بی‌فایده جمع‌آوری می‌شوند.
3️⃣ خروجی مدل قابل تفسیر عملی نیست.
4️⃣ در محیط واقعی پیاده‌سازی سخت یا غیرممکن میشود.
✅ ترکیب دانش فنی (AI/ML) + دانش فرآیند شرط اصلی موفقیت است.
#هوش_مصنوعی #صنعت #اتوماسیون #AI_industrial
@rss_ai_ir
🔥8❤5😁4👍3🎉3🙏1
Media is too big
VIEW IN TELEGRAM
🤖 خیلی زود ربات‌ها از مرحله‌ی پروژه‌های آزمایشی به استفاده‌ی گسترده به‌عنوان نیروی کار خواهند رسید.
ترکیب هوش مصنوعی و اتوماسیون با سرعتی بالا در حال دگرگون کردن صنایع مختلف است: از تولید و لجستیک گرفته تا کشاورزی و حتی حوزه‌ی سلامت.
سؤال اصلی دیگر این نیست که آیا جایگزینی بخشی از نیروی کار رخ می‌دهد، بلکه این است که چه‌قدر زود و تحت چه سیاست‌هایی این تحول اتفاق خواهد افتاد.
@rss_ai_ir
#رباتیک #هوش_مصنوعی #اتوماسیون #آینده_کار #صنعت۴۰
ترکیب هوش مصنوعی و اتوماسیون با سرعتی بالا در حال دگرگون کردن صنایع مختلف است: از تولید و لجستیک گرفته تا کشاورزی و حتی حوزه‌ی سلامت.
سؤال اصلی دیگر این نیست که آیا جایگزینی بخشی از نیروی کار رخ می‌دهد، بلکه این است که چه‌قدر زود و تحت چه سیاست‌هایی این تحول اتفاق خواهد افتاد.
@rss_ai_ir
#رباتیک #هوش_مصنوعی #اتوماسیون #آینده_کار #صنعت۴۰
😁9👍7🎉4❤3🔥3🙏1😨1
🔥 انویدیا از Universal Deep Research (UDR) رونمایی کرد
✳️همچنین UDR یک ایجنت قابل‌سفارشی‌سازی برای تحقیقات عمیق است که می‌تواند روی هر LLM قرار بگیرد و آن را هوشمندتر و منعطف‌تر کند.
📌 چرا مهم است؟
🟠 سفارشی‌سازی ایجنت بدون کدنویسی — بر خلاف بسیاری از ابزارها که سناریوهای محدودی دارند، UDR آزادی کامل برای طراحی استراتژی دارد.
🟠 می‌توانید استراتژی‌های جستجو و تحلیل را بسازید، ویرایش کنید و ترکیب کنید.
🟠 در ریپوی پروژه مثال‌هایی از استراتژی‌ها (حداقلی، گسترده، فشرده) قرار داده شده، اما قدرت اصلی UDR در ساخت سناریوهای اختصاصی برای نیاز خودتان است.
✅ در واقع، با UDR می‌توانید یک ایجنت تحقیقاتی انعطاف‌پذیر بسازید که با هر جریان کاری (workflow) هماهنگ شود.
🟢 پروژه: https://research.nvidia.com/labs/lpr/udr
🟢 کد: https://github.com/NVlabs/UniversalDeepResearch
🟢 لَب: https://nv-dler.github.io
@rss_ai_ir
#NVIDIA #UDR #UniversalDeepResearch #AI #LLM #ResearchAgent #AIAgents #DeepResearch
✳️همچنین UDR یک ایجنت قابل‌سفارشی‌سازی برای تحقیقات عمیق است که می‌تواند روی هر LLM قرار بگیرد و آن را هوشمندتر و منعطف‌تر کند.
📌 چرا مهم است؟
🟠 سفارشی‌سازی ایجنت بدون کدنویسی — بر خلاف بسیاری از ابزارها که سناریوهای محدودی دارند، UDR آزادی کامل برای طراحی استراتژی دارد.
🟠 می‌توانید استراتژی‌های جستجو و تحلیل را بسازید، ویرایش کنید و ترکیب کنید.
🟠 در ریپوی پروژه مثال‌هایی از استراتژی‌ها (حداقلی، گسترده، فشرده) قرار داده شده، اما قدرت اصلی UDR در ساخت سناریوهای اختصاصی برای نیاز خودتان است.
✅ در واقع، با UDR می‌توانید یک ایجنت تحقیقاتی انعطاف‌پذیر بسازید که با هر جریان کاری (workflow) هماهنگ شود.
🟢 پروژه: https://research.nvidia.com/labs/lpr/udr
🟢 کد: https://github.com/NVlabs/UniversalDeepResearch
🟢 لَب: https://nv-dler.github.io
@rss_ai_ir
#NVIDIA #UDR #UniversalDeepResearch #AI #LLM #ResearchAgent #AIAgents #DeepResearch
😁9👍6❤4🔥4🎉2🙏1
❓ در مدل‌های زبانی بزرگ، تکنیک Retrieval-Augmented Generation (RAG) چه مشکلی را برطرف می‌کند؟
Anonymous Quiz
11%
کاهش تعداد پارامترهای مدل بدون افت دقت،
61%
دسترسی مدل به اطلاعات به‌روز و خارج از داده‌های آموزشی اولیه
9%
جلوگیری از ناپدید شدن گرادیان در لایه‌های عمیق
18%
جایگزینی کامل فرآیند Fine-tuning با یک ساختار سبک‌تر
🔥13❤5😁5👍3🎉2
🔥 یک ایده کاربردی برای کسانی که از نوشتن دستی پرامپت‌های طولانی در ChatGPT خسته شدند!
👨💻 نویسنده یک ابزار کوچک ساخته:
👉 Agent Presets
حالا می‌توانید پرامپت‌ها را داخل یک لینک ذخیره کنید. کافیست روی لینک کلیک کنید و ایجنت بلافاصله همان دستورها را اجرا می‌کند.
📌 نکات مهم:
✳️همه‌چیز داخل مرورگر شما و خود لینک‌ها ذخیره میشود.
✳️روی سرور چیزی ذخیره نمی‌شود.
✳️اما بهتر است رمز عبور یا اطلاعات حساس را آنجا وارد نکنید.
✳️طولانی بودن لینک طبیعی است چون محتوای پرامپت داخل آن کد میشود.
✏️ می‌توانید پرامپت‌های آماده (مثل خواندن اخبار هوش مصنوعی) را به دلخواه ویرایش کنید.
☕️ همچنین می‌توانید لینک را با همکاران‌تان به اشتراک بگذارید تا همان workflow آماده را اجرا کنند.
♻️همچنین P.S. در آینده امکان جابجایی راحت بین Computer Use Agents در سرویس‌های مختلف فراهم میشود.
لینک
@rss_ai_ir
#ابزار #پرامپت #ChatGPT #اتوماسیون
👨💻 نویسنده یک ابزار کوچک ساخته:
👉 Agent Presets
حالا می‌توانید پرامپت‌ها را داخل یک لینک ذخیره کنید. کافیست روی لینک کلیک کنید و ایجنت بلافاصله همان دستورها را اجرا می‌کند.
📌 نکات مهم:
✳️همه‌چیز داخل مرورگر شما و خود لینک‌ها ذخیره میشود.
✳️روی سرور چیزی ذخیره نمی‌شود.
✳️اما بهتر است رمز عبور یا اطلاعات حساس را آنجا وارد نکنید.
✳️طولانی بودن لینک طبیعی است چون محتوای پرامپت داخل آن کد میشود.
✏️ می‌توانید پرامپت‌های آماده (مثل خواندن اخبار هوش مصنوعی) را به دلخواه ویرایش کنید.
☕️ همچنین می‌توانید لینک را با همکاران‌تان به اشتراک بگذارید تا همان workflow آماده را اجرا کنند.
♻️همچنین P.S. در آینده امکان جابجایی راحت بین Computer Use Agents در سرویس‌های مختلف فراهم میشود.
لینک
@rss_ai_ir
#ابزار #پرامپت #ChatGPT #اتوماسیون
🔥8👍6🎉6❤4😁2
🚀 گوگل از EmbeddingGemma رونمایی کرد؛ یک مدل سبک و اوپن‌سورس برای ایجاد امبدینگ‌های متنی.
📌 ویژگی مهم: این مدل را می‌توان مستقیم روی موبایل یا لپ‌تاپ اجرا کرد، بدون نیاز به اینترنت و با حفظ کامل حریم خصوصی.
🟢 چه چیزی داخلش هست؟
✳️308 میلیون پارامتر، اما از همه مدل‌های زیر 500M در کیفیت بهتر عمل می‌کند (طبق MTEB)
✳️سرعت بسیار بالا: کمتر از 15 میلی‌ثانیه روی EdgeTPU (برای 256 توکن)
✳️پشتیبانی از بیش از 100 زبان
✳️امکان کاهش ابعاد امبدینگ از 768 → 128 بدون افت کیفیت
✳️پشتیبانی از کانتکست تا 2000 توکن
✳️سازگار با Sentence-Transformers، LangChain، llama.cpp، transformers.js، Weaviate و دیگر ابزارهای محبوب
🟠 وبلاگ: https://developers.googleblog.com/en/introducing-embeddinggemma/
🟠 مدل‌ها: https://huggingface.co/collections/google/embeddinggemma-68b9ae3a72a82f0562a80dc4
@rss_ai_ir
#AI #Google #Gemma #EmbeddingGemma #ML #DeepLearning #LLM #NLP
📌 ویژگی مهم: این مدل را می‌توان مستقیم روی موبایل یا لپ‌تاپ اجرا کرد، بدون نیاز به اینترنت و با حفظ کامل حریم خصوصی.
🟢 چه چیزی داخلش هست؟
✳️308 میلیون پارامتر، اما از همه مدل‌های زیر 500M در کیفیت بهتر عمل می‌کند (طبق MTEB)
✳️سرعت بسیار بالا: کمتر از 15 میلی‌ثانیه روی EdgeTPU (برای 256 توکن)
✳️پشتیبانی از بیش از 100 زبان
✳️امکان کاهش ابعاد امبدینگ از 768 → 128 بدون افت کیفیت
✳️پشتیبانی از کانتکست تا 2000 توکن
✳️سازگار با Sentence-Transformers، LangChain، llama.cpp، transformers.js، Weaviate و دیگر ابزارهای محبوب
🟠 وبلاگ: https://developers.googleblog.com/en/introducing-embeddinggemma/
🟠 مدل‌ها: https://huggingface.co/collections/google/embeddinggemma-68b9ae3a72a82f0562a80dc4
@rss_ai_ir
#AI #Google #Gemma #EmbeddingGemma #ML #DeepLearning #LLM #NLP
👍8❤6🔥5🎉5👏1😁1🙏1
🌟 یک مقاله مروری درباره دیتاست‌های اوپن ML در Hugging Face منتشر شد.
📝 نویسنده‌ی رسانه‌ی Daily Dose of Data Science جالب‌ترین دیتاست‌ها و مدل‌های اوپن اخیر را گردآوری کرده است. یکی از برجسته‌ترین‌ها Yambda-5B از تیم Yandex است؛ بزرگ‌ترین دیتاست اوپن در دنیا برای سیستم‌های توصیه‌گر موسیقی.
🎵 دیتاست Yambda-5B شامل ۴.۷۹ میلیارد تعامل ناشناس (گوش دادن به آهنگ، لایک و دیسلایک) است. این دیتاست توجه پژوهشگران جهانی را جلب کرده و نویدبخش توسعه‌ی نسل جدید سیستم‌های پیشنهاددهنده میباشد.
🔗 مطالعه‌ی بیشتر
@rss_ai_ir
#AI #ML #Dataset #RecommendationSystem #Yandex #OpenSource
📝 نویسنده‌ی رسانه‌ی Daily Dose of Data Science جالب‌ترین دیتاست‌ها و مدل‌های اوپن اخیر را گردآوری کرده است. یکی از برجسته‌ترین‌ها Yambda-5B از تیم Yandex است؛ بزرگ‌ترین دیتاست اوپن در دنیا برای سیستم‌های توصیه‌گر موسیقی.
🎵 دیتاست Yambda-5B شامل ۴.۷۹ میلیارد تعامل ناشناس (گوش دادن به آهنگ، لایک و دیسلایک) است. این دیتاست توجه پژوهشگران جهانی را جلب کرده و نویدبخش توسعه‌ی نسل جدید سیستم‌های پیشنهاددهنده میباشد.
🔗 مطالعه‌ی بیشتر
@rss_ai_ir
#AI #ML #Dataset #RecommendationSystem #Yandex #OpenSource
👍8🔥7🎉6😁4❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 WebEyeTrack:
رهگیری چشم در وب، به صورت بلادرنگ 👁️💻
👉 فریم ورک WebEyeTrack یک فریم‌ورک نوآورانه است که مدل‌های سبک و پیشرفته تخمین نگاه (Gaze Estimation) را مستقیماً در مرورگر ادغام می‌کند. این ابزار رهگیری نگاه با هوش مصنوعی را به وب می‌آورد و به طور صریح وضعیت سر (Head Pose) را هم در نظر می‌گیرد.
🟢 کد منبع با لایسنس MIT منتشر شده است 💙
🔗 مقاله: https://arxiv.org/pdf/2508.19544
🔗 پروژه: redforestai.github.io/WebEyeTrack
🔗 ریپو: github.com/RedForestAi/WebEyeTrack
@rss_ai_ir
#AI #ML #GazeEstimation #WebAI #ComputerVision #WebEyeTrack #opensource
رهگیری چشم در وب، به صورت بلادرنگ 👁️💻
👉 فریم ورک WebEyeTrack یک فریم‌ورک نوآورانه است که مدل‌های سبک و پیشرفته تخمین نگاه (Gaze Estimation) را مستقیماً در مرورگر ادغام می‌کند. این ابزار رهگیری نگاه با هوش مصنوعی را به وب می‌آورد و به طور صریح وضعیت سر (Head Pose) را هم در نظر می‌گیرد.
🟢 کد منبع با لایسنس MIT منتشر شده است 💙
🔗 مقاله: https://arxiv.org/pdf/2508.19544
🔗 پروژه: redforestai.github.io/WebEyeTrack
🔗 ریپو: github.com/RedForestAi/WebEyeTrack
@rss_ai_ir
#AI #ML #GazeEstimation #WebAI #ComputerVision #WebEyeTrack #opensource
👍7❤5🔥5🎉5😁3🙏2👏1
🎮 Oasis 2.0
؛ دنیای بازی با هوش مصنوعی در لحظه تغییر می‌کند
@rss_ai_ir
🚀 شرکت Decart مدل Oasis 2.0 رو معرفی کرده؛ یک سیستم هوش مصنوعی که به بازیکنان اجازه می‌ده دنیای بازی و سبک گرافیکی رو در لحظه تغییر بدن:
✨ اجرای همزمان در کیفیت 1080p و 30fps
✨ بدون نیاز به بارگذاری مجدد (on-the-fly)
🟢 نسخه آزمایشی آنلاین و مد برای ماینکرفت آماده استفاده است:
https://oasis2.decart.ai/demo
---
📌 جمع‌بندی:
این فناوری یک گام مهم در تلفیق هوش مصنوعی و دنیای بازی‌هاست؛ جایی که بازیکن می‌تواند نه فقط کاراکتر، بلکه کل جهان بازی را در لحظه بازطراحی کند.
#هوش_مصنوعی #بازی #Minecraft #Oasis2 #GameDev #AI
@rss_ai_ir
؛ دنیای بازی با هوش مصنوعی در لحظه تغییر می‌کند
@rss_ai_ir
🚀 شرکت Decart مدل Oasis 2.0 رو معرفی کرده؛ یک سیستم هوش مصنوعی که به بازیکنان اجازه می‌ده دنیای بازی و سبک گرافیکی رو در لحظه تغییر بدن:
✨ اجرای همزمان در کیفیت 1080p و 30fps
✨ بدون نیاز به بارگذاری مجدد (on-the-fly)
🟢 نسخه آزمایشی آنلاین و مد برای ماینکرفت آماده استفاده است:
https://oasis2.decart.ai/demo
---
📌 جمع‌بندی:
این فناوری یک گام مهم در تلفیق هوش مصنوعی و دنیای بازی‌هاست؛ جایی که بازیکن می‌تواند نه فقط کاراکتر، بلکه کل جهان بازی را در لحظه بازطراحی کند.
#هوش_مصنوعی #بازی #Minecraft #Oasis2 #GameDev #AI
@rss_ai_ir
❤8🎉8👍6🔥4😁4