⚖️ قاضی فدرال جلوی توافق ۱.۵ میلیارد دلاری Anthropic را گرفت
❌ توافقی که قرار بود ادعای بیش از ۵۰۰هزار نویسنده بابت استفاده از کتاب‌های دزدی‌شده در آموزش مدل Claude را حل‌وفصل کند، رد شد.
📚 طبق این توافق هر کتاب مشمول ۳۰۰۰ دلار غرامت می‌شد، اما قاضی ویلیام آلساپ اعلام کرد این قرارداد «حتی نزدیک به تأیید هم نیست» چون:
♻️لیست کامل کتاب‌ها ارائه نشده،
♻️روند ثبت ادعاها شفاف نیست،
♻️اطلاع‌رسانی به نویسندگان کافی نبوده است.
📝 دادگاه ضرب‌الاجل تعیین کرده:
✳️تا ۱۵ سپتامبر لیست کامل کتاب‌ها،
✳️تا ۲۲ سپتامبر نمونه فرم ادعاها،
✳️وگرنه پرونده از دسامبر به سمت محاکمه خواهد رفت.
🔍 این اتفاق نشان می‌دهد که هیچ توافقی در حوزه حق‌کپی‌رایت هوش مصنوعی بدون شفافیت و رضایت صاحبان اثر امکان‌پذیر نیست.
لینک
@rss_ai_ir
#AI #حقوق #کپی_رایت #Anthropic #Claude #هوش_مصنوعی
❌ توافقی که قرار بود ادعای بیش از ۵۰۰هزار نویسنده بابت استفاده از کتاب‌های دزدی‌شده در آموزش مدل Claude را حل‌وفصل کند، رد شد.
📚 طبق این توافق هر کتاب مشمول ۳۰۰۰ دلار غرامت می‌شد، اما قاضی ویلیام آلساپ اعلام کرد این قرارداد «حتی نزدیک به تأیید هم نیست» چون:
♻️لیست کامل کتاب‌ها ارائه نشده،
♻️روند ثبت ادعاها شفاف نیست،
♻️اطلاع‌رسانی به نویسندگان کافی نبوده است.
📝 دادگاه ضرب‌الاجل تعیین کرده:
✳️تا ۱۵ سپتامبر لیست کامل کتاب‌ها،
✳️تا ۲۲ سپتامبر نمونه فرم ادعاها،
✳️وگرنه پرونده از دسامبر به سمت محاکمه خواهد رفت.
🔍 این اتفاق نشان می‌دهد که هیچ توافقی در حوزه حق‌کپی‌رایت هوش مصنوعی بدون شفافیت و رضایت صاحبان اثر امکان‌پذیر نیست.
لینک
@rss_ai_ir
#AI #حقوق #کپی_رایت #Anthropic #Claude #هوش_مصنوعی
🥰11🔥9👏9😁9🎉8❤5👍3
🔧 تجربه یا علم دانشگاهی؟ کدام در صنعت مهم‌تر است؟
در خط تولید و محیط‌های واقعی، بارها دیده‌ایم که تجربه عملی از صرفاً دانش تئوری دانشگاهی ارزشمندتر است.
👷♂️ فردی که سال‌ها کنار دستگاه یا سیستم کار کرده، به ریزه‌کاری‌ها و میان‌بُرهایی مسلط است که هیچ کتاب درسی به شما یاد نمی‌دهد.
📚 در مقابل، دانش دانشگاهی چارچوب علمی و اصولی را فراهم می‌کند که تجربه به‌تنهایی قادر به پوشش کامل آن نیست.
✅ واقعیت این است که در بسیاری از پروژه‌ها باید بپذیریم راه‌حل‌های تجربی یک فرد خبره می‌تواند سریع‌تر و عملی‌تر جواب دهد، حتی اگر ساده‌تر از فرمول‌های آکادمیک به‌نظر برسد.
🔑 اما بهترین نتیجه زمانی حاصل می‌شود که علم + تجربه در کنار هم قرار گیرند:
✅علم مسیر را روشن می‌کند.
✅تجربه از خطا و اتلاف وقت جلوگیری می‌کند.
👨🏭 در صنعت، موفق‌ترین تیم‌ها همان‌هایی هستند که هم به دانش تئوری تکیه می‌کنند و هم به تجربه متخصصان عملی احترام می‌گذارند.
#صنعت #تجربه #دانش #مهندسی #مدیریت_دانش #یادگیری #کاربردی #هوش_مصنوعی #صنایع #نوآوری
در خط تولید و محیط‌های واقعی، بارها دیده‌ایم که تجربه عملی از صرفاً دانش تئوری دانشگاهی ارزشمندتر است.
👷♂️ فردی که سال‌ها کنار دستگاه یا سیستم کار کرده، به ریزه‌کاری‌ها و میان‌بُرهایی مسلط است که هیچ کتاب درسی به شما یاد نمی‌دهد.
📚 در مقابل، دانش دانشگاهی چارچوب علمی و اصولی را فراهم می‌کند که تجربه به‌تنهایی قادر به پوشش کامل آن نیست.
✅ واقعیت این است که در بسیاری از پروژه‌ها باید بپذیریم راه‌حل‌های تجربی یک فرد خبره می‌تواند سریع‌تر و عملی‌تر جواب دهد، حتی اگر ساده‌تر از فرمول‌های آکادمیک به‌نظر برسد.
🔑 اما بهترین نتیجه زمانی حاصل می‌شود که علم + تجربه در کنار هم قرار گیرند:
✅علم مسیر را روشن می‌کند.
✅تجربه از خطا و اتلاف وقت جلوگیری می‌کند.
👨🏭 در صنعت، موفق‌ترین تیم‌ها همان‌هایی هستند که هم به دانش تئوری تکیه می‌کنند و هم به تجربه متخصصان عملی احترام می‌گذارند.
#صنعت #تجربه #دانش #مهندسی #مدیریت_دانش #یادگیری #کاربردی #هوش_مصنوعی #صنایع #نوآوری
👏12😁11👍8🔥8❤6🥰6🎉6
⚡️ Qwen 3 Next —
مدل فوق‌العاده بهینه از تیم Qwen
🔹 معماری: ترکیب Gated Attention و Gated DeltaNet (نسخه‌ای از Mamba)
🔹 اندازه: 80B-A3B در دو نسخه‌ی Instruct و Reasoning
🔹 کارایی: تا ۱۰ برابر سریع‌تر از Qwen 3 32B، مخصوصاً در کانتکست‌های طولانی
🔹 داده‌ها: آموزش‌دیده روی ۱۵ تریلیون توکن (در مقابل ۳۶ تریلیون در Qwen 3 32B) با تنها ۱۰٪ منابع محاسباتی
🔹 پشتیبانی از Multi-Token Prediction برای افزایش سرعت دیکودینگ
🔹 در بنچمارک‌ها، نسخه‌ی Thinking توانسته Gemini 2.5 Thinking را پشت سر بگذارد 🚀
📌 تیم Qwen به‌طور فشرده مدل‌های جدید منتشر می‌کند:
✅هفته‌ی گذشته Qwen 3 Max (Instruct) و Qwen 3 ASR معرفی شدند.
✅به‌زودی Qwen 3 VL و Qwen 3 Omni هم منتشر می‌شوند.
و به نظر می‌رسد Qwen 4 هم در راه است 👀
https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list
https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d
@rss_ai_ir
#Qwen #هوش_مصنوعی #مدل_زبان #LLM #AI #Reasoning #Benchmark
مدل فوق‌العاده بهینه از تیم Qwen
🔹 معماری: ترکیب Gated Attention و Gated DeltaNet (نسخه‌ای از Mamba)
🔹 اندازه: 80B-A3B در دو نسخه‌ی Instruct و Reasoning
🔹 کارایی: تا ۱۰ برابر سریع‌تر از Qwen 3 32B، مخصوصاً در کانتکست‌های طولانی
🔹 داده‌ها: آموزش‌دیده روی ۱۵ تریلیون توکن (در مقابل ۳۶ تریلیون در Qwen 3 32B) با تنها ۱۰٪ منابع محاسباتی
🔹 پشتیبانی از Multi-Token Prediction برای افزایش سرعت دیکودینگ
🔹 در بنچمارک‌ها، نسخه‌ی Thinking توانسته Gemini 2.5 Thinking را پشت سر بگذارد 🚀
📌 تیم Qwen به‌طور فشرده مدل‌های جدید منتشر می‌کند:
✅هفته‌ی گذشته Qwen 3 Max (Instruct) و Qwen 3 ASR معرفی شدند.
✅به‌زودی Qwen 3 VL و Qwen 3 Omni هم منتشر می‌شوند.
و به نظر می‌رسد Qwen 4 هم در راه است 👀
https://qwen.ai/blog?id=4074cca80393150c248e508aa62983f9cb7d27cd&from=research.latest-advancements-list
https://huggingface.co/collections/Qwen/qwen3-next-68c25fd6838e585db8eeea9d
@rss_ai_ir
#Qwen #هوش_مصنوعی #مدل_زبان #LLM #AI #Reasoning #Benchmark
🔥25👏18👍16🥰15❤13😁12🎉8🙏1
🚀 Math, Inc.
معرفی کرد: Gauss — عامل خودکار برای فرمال‌سازی ریاضیات
❌شرکت Math, Inc. امروز از عامل هوش مصنوعی جدید خود با نام Gauss رونمایی کرد؛ ابزاری که توانسته است در حدود ۳ هفته فرمال‌سازی کامل قضیه اعداد اول قوی (Strong Prime Number Theorem – PNT) را در زبان رسمی Lean به انجام برساند.
🔹 این چالش نخستین بار در ژانویه ۲۰۲۴ توسط Terence Tao و Alex Kontorovich مطرح شد.
🔹 در ژوئیه ۲۰۲۵، آنها پیشرفت‌هایی در نسخه میانی (Medium PNT) گزارش کردند، اما در بخش‌های مربوط به آنالیز مختلط متوقف ماندند — جایی که Gauss موفق شد آن موانع را برطرف کند.
📂 خروجی پروژه شامل:
✳️حدود ۲۵ هزار خط کد Lean
✳️بیش از ۱۱۰۰ تعریف و قضیه
✳️یک blueprint در LaTeX و مستندات رندر شده
✅همچنین README پروژه تأکید دارد که «بیشتر گزاره‌ها و اثبات‌ها توسط Gauss تولید شده‌اند»، در حالی که بخش‌هایی با کمک هدفمند انسانی ساختاربندی یا بازنویسی شده‌اند.
💡 پروژه از کدهای قبلی PrimeNumberTheoremAnd نیز بهره گرفته است.
🔧 حامی مالی و شریک اصلی: برنامه DARPA expMath
🔗 وبلاگ معرفی
🔗 مخزن GitHub
🔗 دسترسی زودهنگام
#هوش_مصنوعی #ریاضیات #Lean #فرمال‌سازی #PrimeNumberTheorem #DARPA #Gauss
معرفی کرد: Gauss — عامل خودکار برای فرمال‌سازی ریاضیات
❌شرکت Math, Inc. امروز از عامل هوش مصنوعی جدید خود با نام Gauss رونمایی کرد؛ ابزاری که توانسته است در حدود ۳ هفته فرمال‌سازی کامل قضیه اعداد اول قوی (Strong Prime Number Theorem – PNT) را در زبان رسمی Lean به انجام برساند.
🔹 این چالش نخستین بار در ژانویه ۲۰۲۴ توسط Terence Tao و Alex Kontorovich مطرح شد.
🔹 در ژوئیه ۲۰۲۵، آنها پیشرفت‌هایی در نسخه میانی (Medium PNT) گزارش کردند، اما در بخش‌های مربوط به آنالیز مختلط متوقف ماندند — جایی که Gauss موفق شد آن موانع را برطرف کند.
📂 خروجی پروژه شامل:
✳️حدود ۲۵ هزار خط کد Lean
✳️بیش از ۱۱۰۰ تعریف و قضیه
✳️یک blueprint در LaTeX و مستندات رندر شده
✅همچنین README پروژه تأکید دارد که «بیشتر گزاره‌ها و اثبات‌ها توسط Gauss تولید شده‌اند»، در حالی که بخش‌هایی با کمک هدفمند انسانی ساختاربندی یا بازنویسی شده‌اند.
💡 پروژه از کدهای قبلی PrimeNumberTheoremAnd نیز بهره گرفته است.
🔧 حامی مالی و شریک اصلی: برنامه DARPA expMath
🔗 وبلاگ معرفی
🔗 مخزن GitHub
🔗 دسترسی زودهنگام
#هوش_مصنوعی #ریاضیات #Lean #فرمال‌سازی #PrimeNumberTheorem #DARPA #Gauss
👍12🥰9👏8🔥7❤6🎉6😁4
🚀 گامی بزرگ به سوی نانوربات‌های واقعی
محققان دانشگاه Penn State موفق شدند قدمی مهم در توسعه نانوربات‌ها بردارند.
🔬 آنها با استفاده از یک دستگاه میکروسیالی جدید، ذراتی بسیار ریز ساختند که می‌توانند با همدیگر سیگنال رد و بدل کنند و به‌صورت گروهی عمل نمایند — درست مثل مورچه‌ها که برای همدیگر مسیر مشخص می‌کنند.
✳️یک گروه ذرات روی شیب شیمیایی حرکت می‌کرد و ردپایی شیمیایی باقی می‌گذاشت.
✳️گروه دیگر این ردپا را شناسایی کرده و مسیر را دنبال می‌کرد.
✨ این فرآیند ساده به نظر می‌رسد، اما پایه‌ای برای ساخت رُبات‌های نانویی خوشه‌ای و خودسازمانده است.
📌 کاربردهای بالقوه:
♻️شناسایی تومور توسط یک گروه و فراخوانی نانوربات‌های حامل دارو،
♻️رساندن دارو یا مواد مغذی دقیقاً به سلول هدف،
♻️پاکسازی بدن از سموم یا ترمیم بافت‌های آسیب‌دیده.
🔎 پیش‌تر دانشمندان فقط چند ثانیه می‌توانستند این رفتار را مشاهده کنند، اما ابزار جدید Penn State این امکان را می‌دهد که چندین دقیقه رفتار ذرات بررسی شود و آزمایش‌های پیچیده‌تری انجام گیرد.
🌱 الهام این کار از طبیعت گرفته شده: درست مثل زنبورها و مورچه‌ها که با همکاری و تقسیم وظایف به هدف می‌رسند.
این پژوهش هنوز در مراحل ابتدایی است، اما چنین گام‌هایی زیربنای آینده نانورباتیک در پزشکی و علم مواد را شکل می‌دهد.
🔗 جزئیات بیشتر: psu.edu
#Nanobots #NanoTech #AI #MedicalAI #Robotics #PennState
@rss_ai_ir
محققان دانشگاه Penn State موفق شدند قدمی مهم در توسعه نانوربات‌ها بردارند.
🔬 آنها با استفاده از یک دستگاه میکروسیالی جدید، ذراتی بسیار ریز ساختند که می‌توانند با همدیگر سیگنال رد و بدل کنند و به‌صورت گروهی عمل نمایند — درست مثل مورچه‌ها که برای همدیگر مسیر مشخص می‌کنند.
✳️یک گروه ذرات روی شیب شیمیایی حرکت می‌کرد و ردپایی شیمیایی باقی می‌گذاشت.
✳️گروه دیگر این ردپا را شناسایی کرده و مسیر را دنبال می‌کرد.
✨ این فرآیند ساده به نظر می‌رسد، اما پایه‌ای برای ساخت رُبات‌های نانویی خوشه‌ای و خودسازمانده است.
📌 کاربردهای بالقوه:
♻️شناسایی تومور توسط یک گروه و فراخوانی نانوربات‌های حامل دارو،
♻️رساندن دارو یا مواد مغذی دقیقاً به سلول هدف،
♻️پاکسازی بدن از سموم یا ترمیم بافت‌های آسیب‌دیده.
🔎 پیش‌تر دانشمندان فقط چند ثانیه می‌توانستند این رفتار را مشاهده کنند، اما ابزار جدید Penn State این امکان را می‌دهد که چندین دقیقه رفتار ذرات بررسی شود و آزمایش‌های پیچیده‌تری انجام گیرد.
🌱 الهام این کار از طبیعت گرفته شده: درست مثل زنبورها و مورچه‌ها که با همکاری و تقسیم وظایف به هدف می‌رسند.
این پژوهش هنوز در مراحل ابتدایی است، اما چنین گام‌هایی زیربنای آینده نانورباتیک در پزشکی و علم مواد را شکل می‌دهد.
🔗 جزئیات بیشتر: psu.edu
#Nanobots #NanoTech #AI #MedicalAI #Robotics #PennState
@rss_ai_ir
❤11🔥10👏10🥰7😁7🎉7👍2😱1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 سال ۲۰۲۶، سال ربات‌های انسان‌نما خواهد بود!
🔹 سرعت توسعه و سرمایه‌گذاری در ربات‌های انسان‌نما به اوج رسیده است.
🔹 غول‌های فناوری و استارتاپ‌ها به رقابت برای ساخت ربات‌های کاربردی در صنعت، خدمات و حتی زندگی روزمره پرداخته‌اند.
🔹 از خط تولید کارخانه‌ها تا خانه‌ها، ربات‌های انسان‌نما آماده‌اند که جای خود را در کنار انسان‌ها باز کنند.
📊 آینده‌ای نزدیک که در آن تعامل انسان و ربات بخشی طبیعی از زندگی خواهد شد.
@rss_ai_ir
#هوش_مصنوعی #رباتیک #ربات_انسان‌نما #آینده
🔹 سرعت توسعه و سرمایه‌گذاری در ربات‌های انسان‌نما به اوج رسیده است.
🔹 غول‌های فناوری و استارتاپ‌ها به رقابت برای ساخت ربات‌های کاربردی در صنعت، خدمات و حتی زندگی روزمره پرداخته‌اند.
🔹 از خط تولید کارخانه‌ها تا خانه‌ها، ربات‌های انسان‌نما آماده‌اند که جای خود را در کنار انسان‌ها باز کنند.
📊 آینده‌ای نزدیک که در آن تعامل انسان و ربات بخشی طبیعی از زندگی خواهد شد.
@rss_ai_ir
#هوش_مصنوعی #رباتیک #ربات_انسان‌نما #آینده
👏15🔥12👍10🥰10❤7🎉7😁6
🎥 یک سخنرانی جذاب از TED که شاید از دست داده باشید!
✅این ویدیو مربوط به یکی از هم‌بنیان‌گذاران مدل‌های استدلالی در OpenAI است. هرچند ضبط آن حدود ۶ ماه پیش منتشر شده و خود سخنرانی نزدیک به ۸ ماه قدمت دارد، اما هنوز هم پر از نکات تازه و ارزشمند است.
⛔️اگر به درک عمیق‌تر از روند شکل‌گیری مدل‌های استدلالی و آینده‌ی آنها علاقه دارید، دیدن این ویدیو را از دست ندهید 👇
🔗 https://youtu.be/MG9oqntiJKg
@rss_ai_ir
#هوش_مصنوعی #LLM #استدلال #TED
✅این ویدیو مربوط به یکی از هم‌بنیان‌گذاران مدل‌های استدلالی در OpenAI است. هرچند ضبط آن حدود ۶ ماه پیش منتشر شده و خود سخنرانی نزدیک به ۸ ماه قدمت دارد، اما هنوز هم پر از نکات تازه و ارزشمند است.
⛔️اگر به درک عمیق‌تر از روند شکل‌گیری مدل‌های استدلالی و آینده‌ی آنها علاقه دارید، دیدن این ویدیو را از دست ندهید 👇
🔗 https://youtu.be/MG9oqntiJKg
@rss_ai_ir
#هوش_مصنوعی #LLM #استدلال #TED
YouTube
AI Won’t Plateau — if We Give It Time To Think | Noam Brown | TED
To get smarter, traditional AI models rely on exponential increases in the scale of data and computing power. Noam Brown, a leading research scientist at OpenAI, presents a potentially transformative shift in this paradigm. He reveals his work on OpenAI's…
😁12👍10🥰8👏7🎉7❤5🔥5
🚀 ابزار جدید برای برنامه‌نویس‌ها: Code Visualizer
ابزاری هوش‌مصنوعی که کد خام رو به نقشه‌های بصری شفاف و خوانا تبدیل می‌کنه✨
🔹 فقط کد رو آپلود کن → بلافاصله دیاگرام فانکشن‌ها، متغیرها و وابستگی‌ها رو ببین
🔹 چت داخلی داره که منطق و الگوریتم‌ها رو به زبان ساده توضیح میده
🔹 ویژگی خاص: خودش پرومپت‌های آماده برای ChatGPT، Claude و Cursor تولید می‌کنه (با کانتکست کامل یا تغییرات هدفمند)
👉 همین حالا تستش کن!
📊 منبع
@rss_ai_ir
#هوش_مصنوعی #برنامه_نویسی #AItools #CodeVisualizer #Productivity
ابزاری هوش‌مصنوعی که کد خام رو به نقشه‌های بصری شفاف و خوانا تبدیل می‌کنه
🔹 فقط کد رو آپلود کن → بلافاصله دیاگرام فانکشن‌ها، متغیرها و وابستگی‌ها رو ببین
🔹 چت داخلی داره که منطق و الگوریتم‌ها رو به زبان ساده توضیح میده
🔹 ویژگی خاص: خودش پرومپت‌های آماده برای ChatGPT، Claude و Cursor تولید می‌کنه (با کانتکست کامل یا تغییرات هدفمند)
👉 همین حالا تستش کن!
📊 منبع
@rss_ai_ir
#هوش_مصنوعی #برنامه_نویسی #AItools #CodeVisualizer #Productivity
Please open Telegram to view this post
VIEW IN TELEGRAM
👏13❤8🥰8👍7🔥7🎉6😁5
🏓 ربات دانشگاه برکلی رکورد زد!
🔹 پژوهشگران دانشگاه کالیفرنیا، برکلی رباتی به نام HITTER معرفی کردند که توانست در بازی تنیس‌روی‌میز، توپ را ۱۰۶ بار پیاپی به انسان برگرداند — دقت و هماهنگی در حد یک بازیکن حرفه‌ای!
🔹 سیستم کنترل این ربات دو لایه است:
1️⃣ لایه بالا: پیش‌بینی محل فرود توپ و محاسبه نوع ضربه.
2️⃣ لایه پایین: تبدیل محاسبات به حرکات نرم دست و پا.
🔹 ربات HITTER با سرعت واکنش تا ۵ متر بر ثانیه قادر به پاسخ‌گویی به سرویس‌های غیرقابل‌پیش‌بینی است و در ریتم واقعی بازی، عملکردی خستگی‌ناپذیر دارد.
این دستاورد نشان می‌دهد که ربات‌ها می‌توانند در محیط‌های پویا و سریع — جایی که تا دیروز مختص انسان بود — وارد شوند. 🚀
@rss_ai_ir
#هوش_مصنوعی #رباتیک #یادگیری_ماشین #صنعت #آینده
🔹 پژوهشگران دانشگاه کالیفرنیا، برکلی رباتی به نام HITTER معرفی کردند که توانست در بازی تنیس‌روی‌میز، توپ را ۱۰۶ بار پیاپی به انسان برگرداند — دقت و هماهنگی در حد یک بازیکن حرفه‌ای!
🔹 سیستم کنترل این ربات دو لایه است:
1️⃣ لایه بالا: پیش‌بینی محل فرود توپ و محاسبه نوع ضربه.
2️⃣ لایه پایین: تبدیل محاسبات به حرکات نرم دست و پا.
🔹 ربات HITTER با سرعت واکنش تا ۵ متر بر ثانیه قادر به پاسخ‌گویی به سرویس‌های غیرقابل‌پیش‌بینی است و در ریتم واقعی بازی، عملکردی خستگی‌ناپذیر دارد.
این دستاورد نشان می‌دهد که ربات‌ها می‌توانند در محیط‌های پویا و سریع — جایی که تا دیروز مختص انسان بود — وارد شوند. 🚀
@rss_ai_ir
#هوش_مصنوعی #رباتیک #یادگیری_ماشین #صنعت #آینده
❤6😁6🔥5🎉4👍3
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 Lucy
تازه‌ترین محصول تیم Decart.ai معرفی شد: генератор ویدیویی Lucy که سرعت بالایی دارد و توجه زیادی جلب کرده است.
🔹 نسخه اصلی با ۱۴ میلیارد پارامتر عرضه شده (نسخه سبک‌تر ۵B هم وجود دارد).
🔹 سرعت: تولید یک ویدئو ۵ ثانیه‌ای در حدود ۱۲ ثانیه — ادعا ۶ ثانیه است، اما همین هم در مقایسه عالی محسوب می‌شود.
🔹 کیفیت خروجی: ۷۲۰p
🔹 طول ویدئو: فعلاً در Fal.ai فقط ۵ ثانیه (برخی منابع از ۱۰ ثانیه خبر داده‌اند).
🔹 هزینه: ۰.۰۸ دلار به ازای هر ثانیه تولید
💡 نکته مهم: این مدل اپن‌سورس نیست و فعلاً فقط روی Fal.ai در دسترس است.
اگر بخواهیم با Wan مقایسه کنیم، تفاوت سرعت قابل توجه است (۱۲ ثانیه در مقابل ۶۸ ثانیه)، اما در کیفیت هنوز جای بحث وجود دارد.
👾 جالب اینکه Decart.ai اخیراً Mirage (ژنراتور ریل‌تایم دنیاها) و Oasis 2.0 (ژنراتور دنیای Minecraft) را هم معرفی کرده بود — نشانه‌ای که احتمالاً مسیر آینده ترکیب «ژنراتورهای دنیا» و «ژنراتورهای ویدیو» خواهد بود (مشابه Veo و Genie از گوگل).
🔗 تست در Lucy Playground
🔗 معرفی رسمی: Decart.ai
@rss_ai_ir
---
#Lucy #AI #VideoGeneration #Decart #FalAI #GenerativeAI #cgevent
تازه‌ترین محصول تیم Decart.ai معرفی شد: генератор ویدیویی Lucy که سرعت بالایی دارد و توجه زیادی جلب کرده است.
🔹 نسخه اصلی با ۱۴ میلیارد پارامتر عرضه شده (نسخه سبک‌تر ۵B هم وجود دارد).
🔹 سرعت: تولید یک ویدئو ۵ ثانیه‌ای در حدود ۱۲ ثانیه — ادعا ۶ ثانیه است، اما همین هم در مقایسه عالی محسوب می‌شود.
🔹 کیفیت خروجی: ۷۲۰p
🔹 طول ویدئو: فعلاً در Fal.ai فقط ۵ ثانیه (برخی منابع از ۱۰ ثانیه خبر داده‌اند).
🔹 هزینه: ۰.۰۸ دلار به ازای هر ثانیه تولید
💡 نکته مهم: این مدل اپن‌سورس نیست و فعلاً فقط روی Fal.ai در دسترس است.
اگر بخواهیم با Wan مقایسه کنیم، تفاوت سرعت قابل توجه است (۱۲ ثانیه در مقابل ۶۸ ثانیه)، اما در کیفیت هنوز جای بحث وجود دارد.
👾 جالب اینکه Decart.ai اخیراً Mirage (ژنراتور ریل‌تایم دنیاها) و Oasis 2.0 (ژنراتور دنیای Minecraft) را هم معرفی کرده بود — نشانه‌ای که احتمالاً مسیر آینده ترکیب «ژنراتورهای دنیا» و «ژنراتورهای ویدیو» خواهد بود (مشابه Veo و Genie از گوگل).
🔗 تست در Lucy Playground
🔗 معرفی رسمی: Decart.ai
@rss_ai_ir
---
#Lucy #AI #VideoGeneration #Decart #FalAI #GenerativeAI #cgevent
😁10👍5🔥5❤3🎉3
⚡ محققان گوگل روشی تازه برای سریع‌تر و ارزان‌تر کردن مدل‌های زبانی بزرگ (LLM) معرفی کرده‌اند: Speculative Cascades.
🔹 کاسکید (Cascade): مدل کوچک ابتدا پاسخ می‌دهد و اگر پیچیده بود، مدل بزرگ وارد عمل می‌شود. سریع‌تر است اما کیفیت متغیر می‌شود.
🔹 Speculative decoding:
مدل کوچک چند کلمه جلوتر حدس می‌زند و مدل بزرگ فقط بررسی و تأیید می‌کند. کیفیت خوب است ولی همچنان پرهزینه.
🟢 Speculative Cascades:
ترکیب دو روش. مدل کوچک گاهی خودش پاسخ کامل می‌دهد، گاهی هم به‌عنوان شتاب‌دهنده مدل بزرگ عمل می‌کند.
🔥 نتایج روی Gemma و T5:
✳️سریع‌تر از speculative decoding
✳️ارزان‌تر و باکیفیت‌تر از cascades
✳️امکان تنظیم بهتر بین سرعت ↔ کیفیت
✳️در مسائل استدلال ریاضی، سرعت بالاتر همراه با حفظ یا بهبود کیفیت
📌 اهمیت: برای جستجو، چت‌بات‌ها و دستیارهای هوشمند، سرعت و هزینه پایین حیاتی است. این روش بهینه‌سازی می‌تواند استفاده از LLMها را عملی‌تر و گسترده‌تر کند.
🔗 جزئیات بیشتر: Google Research
@rss_ai_ir
#هوش_مصنوعی #مدل_زبانی #گوگل #LLM #بهینه‌سازی #SpeculativeDecoding #Cascades
🔹 کاسکید (Cascade): مدل کوچک ابتدا پاسخ می‌دهد و اگر پیچیده بود، مدل بزرگ وارد عمل می‌شود. سریع‌تر است اما کیفیت متغیر می‌شود.
🔹 Speculative decoding:
مدل کوچک چند کلمه جلوتر حدس می‌زند و مدل بزرگ فقط بررسی و تأیید می‌کند. کیفیت خوب است ولی همچنان پرهزینه.
🟢 Speculative Cascades:
ترکیب دو روش. مدل کوچک گاهی خودش پاسخ کامل می‌دهد، گاهی هم به‌عنوان شتاب‌دهنده مدل بزرگ عمل می‌کند.
🔥 نتایج روی Gemma و T5:
✳️سریع‌تر از speculative decoding
✳️ارزان‌تر و باکیفیت‌تر از cascades
✳️امکان تنظیم بهتر بین سرعت ↔ کیفیت
✳️در مسائل استدلال ریاضی، سرعت بالاتر همراه با حفظ یا بهبود کیفیت
📌 اهمیت: برای جستجو، چت‌بات‌ها و دستیارهای هوشمند، سرعت و هزینه پایین حیاتی است. این روش بهینه‌سازی می‌تواند استفاده از LLMها را عملی‌تر و گسترده‌تر کند.
🔗 جزئیات بیشتر: Google Research
@rss_ai_ir
#هوش_مصنوعی #مدل_زبانی #گوگل #LLM #بهینه‌سازی #SpeculativeDecoding #Cascades
❤7🎉6👍4🔥4😁3
This media is not supported in your browser
VIEW IN TELEGRAM
🔥
مجموعه‌داده ۲۱,۰۰۰+ ساعت
SpatialVID 🔥
📌دیتابیس SpatialVID یک دیتاست ویدیویی بزرگ‌مقیاس با حاشیه‌نویسی‌های مکانی صریح است که شامل:
🔹 موقعیت‌های دوربین (Camera Poses)
🔹 نقشه‌های عمق (Depth Maps)
🔹 کپشن‌های ساختاریافته
🔹 دستورالعمل‌های حرکتی سریالی
🎥 این مجموعه شامل ۷,۰۸۹ ساعت صحنه‌های پویا در دنیای واقعی است و برای وظایف درک صحنه، بازسازی سه‌بعدی، ویدیو-به-متن و مدل‌سازی حرکت بسیار ارزشمند محسوب می‌شود.
📂 مجوز: Apache-2.0 (کاملاً متن‌باز)
🔗 مقاله: arxiv.org/pdf/2509.09676
🔗 پروژه: nju-3dv.github.io/projects/SpatialVID
🔗 کد: github.com/NJU-3DV/spatialVID
@rss_ai_ir
#Dataset #ComputerVision #VideoAI #SpatialVID #3D #AI #OpenSource
مجموعه‌داده ۲۱,۰۰۰+ ساعت
SpatialVID 🔥
📌دیتابیس SpatialVID یک دیتاست ویدیویی بزرگ‌مقیاس با حاشیه‌نویسی‌های مکانی صریح است که شامل:
🔹 موقعیت‌های دوربین (Camera Poses)
🔹 نقشه‌های عمق (Depth Maps)
🔹 کپشن‌های ساختاریافته
🔹 دستورالعمل‌های حرکتی سریالی
🎥 این مجموعه شامل ۷,۰۸۹ ساعت صحنه‌های پویا در دنیای واقعی است و برای وظایف درک صحنه، بازسازی سه‌بعدی، ویدیو-به-متن و مدل‌سازی حرکت بسیار ارزشمند محسوب می‌شود.
📂 مجوز: Apache-2.0 (کاملاً متن‌باز)
🔗 مقاله: arxiv.org/pdf/2509.09676
🔗 پروژه: nju-3dv.github.io/projects/SpatialVID
🔗 کد: github.com/NJU-3DV/spatialVID
@rss_ai_ir
#Dataset #ComputerVision #VideoAI #SpatialVID #3D #AI #OpenSource
❤9🎉7🔥4😁3
🖥 مدل HunyuanImage 2.1 اکنون در نسخه کوانتیزه منتشر شد!
این مدل متن‌به‌تصویر می‌تواند خروجی‌هایی با رزولوشن 2K تولید کند و حالا امکان اجرای آن به‌صورت محلی (local) هم فراهم شده است.
💡 برای اجرای نسخه کوانتیزه به حداقل ۲۴ گیگابایت VRAM نیاز دارید.
🟢 Hugging Face
@rss_ai_ir
#هوش_مصنوعی #HunyuanImage #تولید_تصویر #مدل_زبان #AI #StableDiffusion #ImageGeneration
این مدل متن‌به‌تصویر می‌تواند خروجی‌هایی با رزولوشن 2K تولید کند و حالا امکان اجرای آن به‌صورت محلی (local) هم فراهم شده است.
💡 برای اجرای نسخه کوانتیزه به حداقل ۲۴ گیگابایت VRAM نیاز دارید.
🟢 Hugging Face
@rss_ai_ir
#هوش_مصنوعی #HunyuanImage #تولید_تصویر #مدل_زبان #AI #StableDiffusion #ImageGeneration
😁9👍7🎉4❤2🔥2
🐍 آموزش MCP با پایتون — دوره آموزشی مایکروسافت
مایکروسافت یک راهنمای مرحله‌به‌مرحله منتشر کرده که مخصوص توسعه‌دهندگان پایتون است تا بتوانند پروتکل Model Context Protocol (MCP) را یاد بگیرند.
در این آموزش:
🔹 آشنایی با مفاهیم پایه MCP
🔹 ساخت یک سرور MCP از صفر با پایتون
🔹 اجرای تعاملی و تست مستقیم کد
📚 ریپازیتوری آموزشی همراه با مثال‌ها و توضیحات کامل در دسترس است.
#پایتون #MCP #آموزش #توسعه‌دهندگان #Microsoft
@rss_ai_ir
مایکروسافت یک راهنمای مرحله‌به‌مرحله منتشر کرده که مخصوص توسعه‌دهندگان پایتون است تا بتوانند پروتکل Model Context Protocol (MCP) را یاد بگیرند.
در این آموزش:
🔹 آشنایی با مفاهیم پایه MCP
🔹 ساخت یک سرور MCP از صفر با پایتون
🔹 اجرای تعاملی و تست مستقیم کد
📚 ریپازیتوری آموزشی همراه با مثال‌ها و توضیحات کامل در دسترس است.
#پایتون #MCP #آموزش #توسعه‌دهندگان #Microsoft
@rss_ai_ir
❤8👍6😁6🎉3🔥2