🧠🚀 Kosmos –
سیستم هوش مصنوعی دانشمند برای کشف‌های خودکار علمی
سیستم Kosmos یک سیستم چندعاملی (multi-agent) است که در مرکز آن یک «مدل جهان» (World Model) قرار دارد و صدها عامل علمی را هماهنگ می‌کند.
کافی است به آن یک سؤال پژوهشی باز + دیتاست بدهید، و Kosmos می‌تواند تا ۱۲ ساعت بدون وقفه کار کند:
تحلیل داده → ساخت فرضیه → آزمون تجربی → جمع‌بندی و نتیجه‌گیری 🔬
---
🧪 دستاوردهای تأییدشده‌ی Kosmos
تیم سازنده ۷ کشف یا بازتولید علمی را نشان داده که توسط متخصصان تأیید شده‌اند، از جمله:
🧠 مکانیسم جدید آسیب‌پذیری نورون‌های entorhinal در فرآیند پیری
🔥 فاکتور بحرانی که بازده پرُوسکایت‌ها (perovskites) را تعیین می‌کند
📊 شواهد علی (causal) مبنی بر اینکه سطح بالای SOD2 می‌تواند فیبروز میوکارد را کاهش دهد
به زبان ساده: این فقط یک چت‌بات نیست — یک «سیستم پژوهشگر» است که می‌تواند مثل یک تیم تحقیقاتی کوچک، کار علمی انجام دهد.
📄 گزارش فنی:
https://arxiv.org/abs/2511.02824
📡 @rss_ai_ir
#هوش_مصنوعی #Kosmos #AI4Science #پژوهش #ScienceAI #MultiAgent #LLM
سیستم هوش مصنوعی دانشمند برای کشف‌های خودکار علمی
سیستم Kosmos یک سیستم چندعاملی (multi-agent) است که در مرکز آن یک «مدل جهان» (World Model) قرار دارد و صدها عامل علمی را هماهنگ می‌کند.
کافی است به آن یک سؤال پژوهشی باز + دیتاست بدهید، و Kosmos می‌تواند تا ۱۲ ساعت بدون وقفه کار کند:
تحلیل داده → ساخت فرضیه → آزمون تجربی → جمع‌بندی و نتیجه‌گیری 🔬
---
🧪 دستاوردهای تأییدشده‌ی Kosmos
تیم سازنده ۷ کشف یا بازتولید علمی را نشان داده که توسط متخصصان تأیید شده‌اند، از جمله:
🧠 مکانیسم جدید آسیب‌پذیری نورون‌های entorhinal در فرآیند پیری
🔥 فاکتور بحرانی که بازده پرُوسکایت‌ها (perovskites) را تعیین می‌کند
📊 شواهد علی (causal) مبنی بر اینکه سطح بالای SOD2 می‌تواند فیبروز میوکارد را کاهش دهد
به زبان ساده: این فقط یک چت‌بات نیست — یک «سیستم پژوهشگر» است که می‌تواند مثل یک تیم تحقیقاتی کوچک، کار علمی انجام دهد.
📄 گزارش فنی:
https://arxiv.org/abs/2511.02824
📡 @rss_ai_ir
#هوش_مصنوعی #Kosmos #AI4Science #پژوهش #ScienceAI #MultiAgent #LLM
👍3❤1🔥1👏1
📄 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
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
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
⚠️ تغییر بزرگ در دنیای بدافزارها — هوش مصنوعی وارد میدان اجرا شد!
گزارش جدید گروه امنیتی Google Threat Intelligence نشان می‌دهد که تاکتیک‌های تهدید سایبری وارد مرحله‌ای تازه شده‌اند:
بدافزارها اکنون در هنگام اجرا از مدل‌های زبانی بزرگ (LLM) استفاده می‌کنند تا رفتار خود را به‌صورت پویا تغییر دهند، کد را مبهم کنند و از سیستم‌های شناسایی فرار کنند.
💀 این یعنی بدافزارهای امروزی دیگر فقط با کمک AI نوشته نمی‌شوند — بلکه در زمان اجرا از آن برای تفکر و تطبیق زنده استفاده می‌کنند.
🧠 آینده‌ی امنیت سایبری وارد نبردی با حریفانی شده که یاد می‌گیرند، تغییر می‌کنند و پنهان می‌مانند.
@rss_ai_ir
#امنیت_سایبری #بدافزار #هوش_مصنوعی #Google #LLM #AI #سایبر
گزارش جدید گروه امنیتی Google Threat Intelligence نشان می‌دهد که تاکتیک‌های تهدید سایبری وارد مرحله‌ای تازه شده‌اند:
بدافزارها اکنون در هنگام اجرا از مدل‌های زبانی بزرگ (LLM) استفاده می‌کنند تا رفتار خود را به‌صورت پویا تغییر دهند، کد را مبهم کنند و از سیستم‌های شناسایی فرار کنند.
💀 این یعنی بدافزارهای امروزی دیگر فقط با کمک AI نوشته نمی‌شوند — بلکه در زمان اجرا از آن برای تفکر و تطبیق زنده استفاده می‌کنند.
🧠 آینده‌ی امنیت سایبری وارد نبردی با حریفانی شده که یاد می‌گیرند، تغییر می‌کنند و پنهان می‌مانند.
@rss_ai_ir
#امنیت_سایبری #بدافزار #هوش_مصنوعی #Google #LLM #AI #سایبر
👍5🔥1👏1
⚡️ چرا مدل‌های زبانی مدرن (LLM) نمی‌توانند نقش «شرور» را درست بازی کنند؟
گزارش جدید Tencent نشان می‌دهد که مدل‌هایی که روی امنیت و اخلاق آموزش دیده‌اند، در ایفای نقش‌های منفی مثل شرور، فریب‌کار یا خودخواه تقریباً شکست می‌خورند.
دلیل ساده است: آموزش‌های ایمنی آن‌ها را مجبور می‌کند همیشه صادق، مفید و اخلاقی باشند — و این دقیقاً برعکس ویژگی‌های یک ضدقهرمان است.
🧩 پژوهشگران تستی به نام Moral RolePlay ساخته‌اند:
۸۰۰ کاراکتر با چهار سطح اخلاقی، و مدل باید در یک سناریوی خاص واکنشی متناسب با شخصیت نشان دهد.
📊 نتایج جالب بودند:
♻️هرچه شخصیت «تاریک‌تر» می‌شود، کیفیت بازی مدل به‌شدت افت می‌کند.
♻️در گذار از "خیر با نیت مبهم" به "خودخواه"، عملکرد به‌طور ناگهانی سقوط می‌کند.
♻️مدل‌ها به‌جای برنامه‌ریزی فریبکارانه، معمولاً دچار "انفجار عصبی" می‌شوند و فضای نقش را می‌شکنند.
♻️توانایی خوب در چت معمولی هیچ ربطی به بازی نقش شرور ندارد.
♻️تنظیمات ایمنی قوی‌تر، اوضاع را حتی بدتر می‌کنند.
🎭 نتیجه: متدهای فعلی ایمنی با حوزه‌هایی مثل بازی، فیلم‌نامه‌نویسی و داستان‌پردازی واقعی در تضاد هستند، چون این حوزه‌ها نیاز به رفتارهای غیراخلاقی اما واقعی دارند.
📄 منبع: arxiv.org/abs/2511.04962
#هوش_مصنوعی #LLM #Tencent #AIethics #RolePlay #Neural
گزارش جدید Tencent نشان می‌دهد که مدل‌هایی که روی امنیت و اخلاق آموزش دیده‌اند، در ایفای نقش‌های منفی مثل شرور، فریب‌کار یا خودخواه تقریباً شکست می‌خورند.
دلیل ساده است: آموزش‌های ایمنی آن‌ها را مجبور می‌کند همیشه صادق، مفید و اخلاقی باشند — و این دقیقاً برعکس ویژگی‌های یک ضدقهرمان است.
🧩 پژوهشگران تستی به نام Moral RolePlay ساخته‌اند:
۸۰۰ کاراکتر با چهار سطح اخلاقی، و مدل باید در یک سناریوی خاص واکنشی متناسب با شخصیت نشان دهد.
📊 نتایج جالب بودند:
♻️هرچه شخصیت «تاریک‌تر» می‌شود، کیفیت بازی مدل به‌شدت افت می‌کند.
♻️در گذار از "خیر با نیت مبهم" به "خودخواه"، عملکرد به‌طور ناگهانی سقوط می‌کند.
♻️مدل‌ها به‌جای برنامه‌ریزی فریبکارانه، معمولاً دچار "انفجار عصبی" می‌شوند و فضای نقش را می‌شکنند.
♻️توانایی خوب در چت معمولی هیچ ربطی به بازی نقش شرور ندارد.
♻️تنظیمات ایمنی قوی‌تر، اوضاع را حتی بدتر می‌کنند.
🎭 نتیجه: متدهای فعلی ایمنی با حوزه‌هایی مثل بازی، فیلم‌نامه‌نویسی و داستان‌پردازی واقعی در تضاد هستند، چون این حوزه‌ها نیاز به رفتارهای غیراخلاقی اما واقعی دارند.
📄 منبع: arxiv.org/abs/2511.04962
#هوش_مصنوعی #LLM #Tencent #AIethics #RolePlay #Neural
❤1👍1
🧠 بایدو مدل جدید ERNIE-4.5-VL-28B-A3B-Thinking را منتشر کرد
مدلی چندوجهی (Multi-Modal) با ۲۸ میلیارد پارامتر که تنها ۳ میلیارد پارامتر در هر گام فعال می‌کند، اما عملکردی در حد مدل‌های تصویری پیشرفته دارد.
این معماری از نوع A3B است و برای وظایفی طراحی شده که ترکیب تصویر، متن و استدلال چندمرحله‌ای نیاز دارند.
📊 قابلیت‌های کلیدی:
🧩 استدلال بصری: تحلیل دیاگرام‌ها، روابط علّی و منطق چندمرحله‌ای
📸 حل مسائل STEM از روی عکس: کافیست از مسئله عکس بگیرید تا پاسخ تحلیلی دریافت کنید
🎯 درک دقیق اجزای تصویر: شناسایی دقیق اشیاء و جزئیات با زوم بالا
🔍 تحلیل عمیق تصاویر: تشخیص ریزترین تفاوت‌ها
🧠 فراخوانی ابزارها: مثل Image Search برای جست‌وجوی تصویری
🎞 درک ویدیو: دنبال‌کردن وقایع و تغییرات در طول زمان
🔓 لایسنس: Apache 2.0
📦 مدل در Hugging Face:
👉 https://huggingface.co/baidu/ERNIE-4.5-VL-28B-A3B-Thinking
#Baidu #هوش_مصنوعی #AI #ML #چندوجهی #VisionLanguage #LLM #cgevent
مدلی چندوجهی (Multi-Modal) با ۲۸ میلیارد پارامتر که تنها ۳ میلیارد پارامتر در هر گام فعال می‌کند، اما عملکردی در حد مدل‌های تصویری پیشرفته دارد.
این معماری از نوع A3B است و برای وظایفی طراحی شده که ترکیب تصویر، متن و استدلال چندمرحله‌ای نیاز دارند.
📊 قابلیت‌های کلیدی:
🧩 استدلال بصری: تحلیل دیاگرام‌ها، روابط علّی و منطق چندمرحله‌ای
📸 حل مسائل STEM از روی عکس: کافیست از مسئله عکس بگیرید تا پاسخ تحلیلی دریافت کنید
🎯 درک دقیق اجزای تصویر: شناسایی دقیق اشیاء و جزئیات با زوم بالا
🔍 تحلیل عمیق تصاویر: تشخیص ریزترین تفاوت‌ها
🧠 فراخوانی ابزارها: مثل Image Search برای جست‌وجوی تصویری
🎞 درک ویدیو: دنبال‌کردن وقایع و تغییرات در طول زمان
🔓 لایسنس: Apache 2.0
📦 مدل در Hugging Face:
👉 https://huggingface.co/baidu/ERNIE-4.5-VL-28B-A3B-Thinking
#Baidu #هوش_مصنوعی #AI #ML #چندوجهی #VisionLanguage #LLM #cgevent
This media is not supported in your browser
VIEW IN TELEGRAM
📚 پروژه‌ای متن‌باز برای در دسترس‌کردن ۱۰۰ میلیون مقاله علمی با کمک خلاصه‌های ساختاریافته تولیدشده توسط LLM
هدف این پروژه، ایجاد پلی میان انبوه مقالات علمی و درک ساختارمند از آن‌هاست — جایی که هوش مصنوعی به پژوهشگران در جهت‌یابی در اقیانوس دانش کمک می‌کند.
🧠 شامل:
۱۰۰٬۰۰۰ خلاصه ساختاریافته از مقالات علمی
دو مدل LLM بهینه‌سازی‌شده برای تحلیل مفهومی و استخراج ساختار علمی
بصری‌ساز سه‌بعدی (3D Visualizer) برای نمایش شبکه ارتباطی میان پژوهش‌ها
🔗 وبلاگ: laion.ai/notes/summaries
🤖 مدل‌ها: huggingface.co/inference-net
🌐 بصری‌ساز: aella.inference.net
#هوش_مصنوعی #پژوهش #LLM #علم #Laion #AI
هدف این پروژه، ایجاد پلی میان انبوه مقالات علمی و درک ساختارمند از آن‌هاست — جایی که هوش مصنوعی به پژوهشگران در جهت‌یابی در اقیانوس دانش کمک می‌کند.
🧠 شامل:
۱۰۰٬۰۰۰ خلاصه ساختاریافته از مقالات علمی
دو مدل LLM بهینه‌سازی‌شده برای تحلیل مفهومی و استخراج ساختار علمی
بصری‌ساز سه‌بعدی (3D Visualizer) برای نمایش شبکه ارتباطی میان پژوهش‌ها
🔗 وبلاگ: laion.ai/notes/summaries
🤖 مدل‌ها: huggingface.co/inference-net
🌐 بصری‌ساز: aella.inference.net
#هوش_مصنوعی #پژوهش #LLM #علم #Laion #AI
💯1
⭐ 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
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
🧭 لینکدین موتور جستجوی جدید مبتنی بر هوش مصنوعی را برای ۱.۳ میلیارد کاربر فعال کرد
✳️این سیستم جدید، افراد را فقط بر اساس کلمات کلیدی پیدا نمی‌کند؛ بلکه مهارت‌ها، تخصص‌ها، شبکه ارتباطی و میزان دسترس‌پذیری آن‌ها را هم تحلیل می‌کند.
✳️هوش مصنوعی لینکدین می‌تواند یک درخواست ساده مثل «درمان سرطان» را به مجموعه‌ای از مهارت‌ها و حوزه‌های مرتبط تبدیل کند و دقیق‌ترین متخصصان را پیشنهاد دهد.
✳️در پشت‌صحنه، از مدل‌های ۷ میلیاردی، ۱.۷ میلیاردی و یک رانکر ۲۲۰M استفاده شده که با فشرده‌سازی هوشمند و پردازش GPU، سرعت جستجو را تا ۱۰ برابر افزایش می‌دهد.
https://venturebeat.com/ai/inside-linkedins-generative-ai-cookbook-how-it-scaled-people-search-to-1-3
---
#هوش_مصنوعی #LinkedIn #جستجوی_هوشمند #LLM #شبکه_اجتماعی #AI #ML #مدل_زبانی #فناوری
✳️این سیستم جدید، افراد را فقط بر اساس کلمات کلیدی پیدا نمی‌کند؛ بلکه مهارت‌ها، تخصص‌ها، شبکه ارتباطی و میزان دسترس‌پذیری آن‌ها را هم تحلیل می‌کند.
✳️هوش مصنوعی لینکدین می‌تواند یک درخواست ساده مثل «درمان سرطان» را به مجموعه‌ای از مهارت‌ها و حوزه‌های مرتبط تبدیل کند و دقیق‌ترین متخصصان را پیشنهاد دهد.
✳️در پشت‌صحنه، از مدل‌های ۷ میلیاردی، ۱.۷ میلیاردی و یک رانکر ۲۲۰M استفاده شده که با فشرده‌سازی هوشمند و پردازش GPU، سرعت جستجو را تا ۱۰ برابر افزایش می‌دهد.
https://venturebeat.com/ai/inside-linkedins-generative-ai-cookbook-how-it-scaled-people-search-to-1-3
---
#هوش_مصنوعی #LinkedIn #جستجوی_هوشمند #LLM #شبکه_اجتماعی #AI #ML #مدل_زبانی #فناوری
🤖 می‌خوای ایجنت هوش مصنوعی مخصوص خودت رو بسازی؟
این یک نفر همه‌چیز رو یک‌جا جمع کرده!
یک داکیومنت کامل شامل:
📺 ویدیوهای آموزشی
📚 کتاب‌ها و مقالات
🛠️ مخازن GitHub
🎓 دوره‌های Google، OpenAI، Anthropic و…
موضوعات پوشش‌داده‌شده:
♻️مدل‌های زبانی LLM
♻️طراحی ایجنت‌ها
♻️حافظه، کنترل و برنامه‌ریزی (MCP)
💡 همه‌چیز رایگان و یک‌جا داخل یک Google Docs 👇
https://docs.google.com/document/d/1Z5SX89FV6bTy2KKnGGb61xCcS9iPg_fv2USQYi4Wc3g/mobilebasic
---
#هوش_مصنوعی #ایجنت #LLM #برنامه‌ریزی #AI #ML #یادگیری_ماشین #مهندسی_پرامپت #Agents
این یک نفر همه‌چیز رو یک‌جا جمع کرده!
یک داکیومنت کامل شامل:
📺 ویدیوهای آموزشی
📚 کتاب‌ها و مقالات
🛠️ مخازن GitHub
🎓 دوره‌های Google، OpenAI، Anthropic و…
موضوعات پوشش‌داده‌شده:
♻️مدل‌های زبانی LLM
♻️طراحی ایجنت‌ها
♻️حافظه، کنترل و برنامه‌ریزی (MCP)
💡 همه‌چیز رایگان و یک‌جا داخل یک Google Docs 👇
https://docs.google.com/document/d/1Z5SX89FV6bTy2KKnGGb61xCcS9iPg_fv2USQYi4Wc3g/mobilebasic
---
#هوش_مصنوعی #ایجنت #LLM #برنامه‌ریزی #AI #ML #یادگیری_ماشین #مهندسی_پرامپت #Agents
❤2
⚡️ Lumine —
دستورالعملی باز برای ساخت ایجنت‌های جنرالیست در دنیای سه‌بعدی
پروژه‌ی Lumine یک چارچوب کاملاً متن‌باز ارائه می‌دهد که به محققان و توسعه‌دهندگان اجازه می‌دهد ایجنت‌های هوش مصنوعی چندمنظوره را در محیط‌های سه‌بعدی پیچیده بسازند و آموزش دهند.
ویژگی‌ها:
🔹 یادگیری مهارت‌های عمومی در جهان‌های 3D
🔹 مناسب برای رباتیک، بازی‌ها، شبیه‌سازی و تحقیق
🔹 مدل‌ها و دیتاست‌ها آزادانه در دسترس
🔹 معماری یکپارچه برای تعامل، ادراک و برنامه‌ریزی
لینک‌ها:
📄 Paper (arXiv):
https://arxiv.org/abs/2511.08892
📘 HF:
https://huggingface.co/papers/2511.08892
🌐 Project:
https://www.lumine-ai.org/
---
#هوش_مصنوعی #ایجنت #Lumine #AI #LLM #Agents #ML #سه‌بعدی #3D #OpenAI #HuggingFace
دستورالعملی باز برای ساخت ایجنت‌های جنرالیست در دنیای سه‌بعدی
پروژه‌ی Lumine یک چارچوب کاملاً متن‌باز ارائه می‌دهد که به محققان و توسعه‌دهندگان اجازه می‌دهد ایجنت‌های هوش مصنوعی چندمنظوره را در محیط‌های سه‌بعدی پیچیده بسازند و آموزش دهند.
ویژگی‌ها:
🔹 یادگیری مهارت‌های عمومی در جهان‌های 3D
🔹 مناسب برای رباتیک، بازی‌ها، شبیه‌سازی و تحقیق
🔹 مدل‌ها و دیتاست‌ها آزادانه در دسترس
🔹 معماری یکپارچه برای تعامل، ادراک و برنامه‌ریزی
لینک‌ها:
📄 Paper (arXiv):
https://arxiv.org/abs/2511.08892
📘 HF:
https://huggingface.co/papers/2511.08892
🌐 Project:
https://www.lumine-ai.org/
---
#هوش_مصنوعی #ایجنت #Lumine #AI #LLM #Agents #ML #سه‌بعدی #3D #OpenAI #HuggingFace
🚀 مجموعه Qwen نسخه‌ی جدید DeepResearch 2511 را منتشر کرد — ارتقای بزرگ در تحقیق عمیق
مدل جدید DeepResearch 2511 با چندین قابلیت مهم عرضه شد و تجربهٔ پژوهش خودکار را حرفه‌ای‌تر و عمیق‌تر می‌کند.
✨ دو حالت جدید برای تحقیق
Normal —
سریع، سبک و مناسب بیشتر کاربردها
Advanced —
تحلیل عمیق‌تر، صرف زمان بیشتر و خروجی کاملاً جزئی‌نگر
📄 پشتیبانی از آپلود فایل‌ها
حالا می‌توانید مستقیم سند یا تصویر را برای تحلیل عمیق به مدل بدهید.
⚡ جستجوی تقویت‌شده
مکانیزم جدید با سرعت بیشتر وب را پیمایش می‌کند و نتایج را دقیق‌تر و عمیق‌تر جمع‌آوری می‌کند.
📊 کنترل کامل روی ساختار گزارش
امکان تعیین تعداد پاراگراف، فرمت، حجم گزارش و سطح جزئیات
بهبود قابل توجه در دقت استناد و نقل‌قول‌ها
🧑💻 تجربه کاربری جدید
رابط کاربری و معماری سیستم بازطراحی شده و حالا بسیار سریع‌تر و روان‌تر است.
🔗 Web:
https://chat.qwen.ai/?inputFeature=deep_research
📱 App:
https://qwen.ai/download
---
#هوش_مصنوعی #Qwen #DeepResearch #AI #LLM #تحقیق_عمیق #چت_بات #مدل_زبان #پژوهش #محقق_هوشمند
مدل جدید DeepResearch 2511 با چندین قابلیت مهم عرضه شد و تجربهٔ پژوهش خودکار را حرفه‌ای‌تر و عمیق‌تر می‌کند.
✨ دو حالت جدید برای تحقیق
Normal —
سریع، سبک و مناسب بیشتر کاربردها
Advanced —
تحلیل عمیق‌تر، صرف زمان بیشتر و خروجی کاملاً جزئی‌نگر
📄 پشتیبانی از آپلود فایل‌ها
حالا می‌توانید مستقیم سند یا تصویر را برای تحلیل عمیق به مدل بدهید.
⚡ جستجوی تقویت‌شده
مکانیزم جدید با سرعت بیشتر وب را پیمایش می‌کند و نتایج را دقیق‌تر و عمیق‌تر جمع‌آوری می‌کند.
📊 کنترل کامل روی ساختار گزارش
امکان تعیین تعداد پاراگراف، فرمت، حجم گزارش و سطح جزئیات
بهبود قابل توجه در دقت استناد و نقل‌قول‌ها
🧑💻 تجربه کاربری جدید
رابط کاربری و معماری سیستم بازطراحی شده و حالا بسیار سریع‌تر و روان‌تر است.
🔗 Web:
https://chat.qwen.ai/?inputFeature=deep_research
📱 App:
https://qwen.ai/download
---
#هوش_مصنوعی #Qwen #DeepResearch #AI #LLM #تحقیق_عمیق #چت_بات #مدل_زبان #پژوهش #محقق_هوشمند
❤2🔥1👏1
🤖 ربات‌های مجهز به هوش مصنوعی در آزمون انسانیت مردود شدند؛ تمایل به خشونت و تبعیض تأیید شد
پژوهشی مشترک از کالج سلطنتی لندن و دانشگاه کارنگی ملون نشان می‌دهد ربات‌هایی که با مدل‌های زبانی بزرگ (LLM) کنترل می‌شوند، در آزمون‌های ایمنی و اخلاق عملکرد نگران‌کننده‌ای دارند.
🔍 در این آزمایش:
به ربات‌ها دستورهای آشکار و پنهان برای انجام کارهای غیرقانونی یا آسیب‌زننده داده شد. نتایج شوکه‌کننده بود:
• موافقت با گرفتن عصا از فرد معلول
• تهدید کارکنان با چاقو
• عکس‌برداری مخفیانه از مردم بدون رضایت
• و دیگر رفتارهای خطرناک و غیراخلاقی
این یافته‌ها نشان می‌دهد که ربات‌های مبتنی بر LLM هنوز فاصله زیادی با رفتار ایمن و قابل اعتماد انسانی دارند.
⚠️ پژوهشگران تأکید می‌کنند که الزام به استانداردها و گواهی‌های مستقل ایمنی برای چنین فناوری‌هایی باید فوراً اجرا شود.
---
#هوش_مصنوعی #ربات #ایمنی_رباتیک #AI #Robotics #LLM #اخلاق_هوش_مصنوعی #فناوری
پژوهشی مشترک از کالج سلطنتی لندن و دانشگاه کارنگی ملون نشان می‌دهد ربات‌هایی که با مدل‌های زبانی بزرگ (LLM) کنترل می‌شوند، در آزمون‌های ایمنی و اخلاق عملکرد نگران‌کننده‌ای دارند.
🔍 در این آزمایش:
به ربات‌ها دستورهای آشکار و پنهان برای انجام کارهای غیرقانونی یا آسیب‌زننده داده شد. نتایج شوکه‌کننده بود:
• موافقت با گرفتن عصا از فرد معلول
• تهدید کارکنان با چاقو
• عکس‌برداری مخفیانه از مردم بدون رضایت
• و دیگر رفتارهای خطرناک و غیراخلاقی
این یافته‌ها نشان می‌دهد که ربات‌های مبتنی بر LLM هنوز فاصله زیادی با رفتار ایمن و قابل اعتماد انسانی دارند.
⚠️ پژوهشگران تأکید می‌کنند که الزام به استانداردها و گواهی‌های مستقل ایمنی برای چنین فناوری‌هایی باید فوراً اجرا شود.
---
#هوش_مصنوعی #ربات #ایمنی_رباتیک #AI #Robotics #LLM #اخلاق_هوش_مصنوعی #فناوری
❤4👍3🔥1
🧠 چرا مدل‌های زبانی در آموزش تقویتی (RL) «تصادفی بودن» خود را از دست می‌دهند؟
و مهم‌تر از آن: چطور این مشکل را حل کنیم؟
در یک پژوهش جدید، محققان بررسی کرده‌اند که چرا هنگام آموزش مدل‌ها برای توانایی استدلال، تنوع پاسخ‌ها کاهش می‌یابد و مدل فقط چند پاسخ تکراری را انتخاب می‌کند. نتیجه؟ افت خلاقیت، کاهش اکتشاف و در نهایت ضعف در تعمیم‌دهی.
📌 مهم‌ترین یافته‌ها
🔹 تنوع مهم‌تر از اندازه دیتاست است
گاهی یک دیتاست کوچک اما متنوع (~۶۰۰ نمونه) می‌تواند به اندازه مجموعه ۱۷هزار نمونه کارکرد داشته باشد
🔹 دیتاست کم‌تنوع = سقوط سریع‌تر
پس حتی مجموعه کوچک اگر متنوع باشد عملکرد فوق‌العاده دارد.
🔗 منبع پژوهش:
arxiv.org/abs/2511.05993
---
📍 جمع‌بندی کوتاه:
برای ساخت مدل‌های استدلال قدرتمند، فقط پاداش بیشتر کافی نیست؛ باید تصادفی‌بودن کنترل‌شده و تنوع داده حفظ شود، وگرنه مدل به چند الگوی تکراری قفل می‌شود.
---
در این‌باره تجربه‌ای دارید؟ شما موافقید که مدل‌های جدید بیش از حد «قابل‌پیش‌بینی» شده‌اند؟ 🤔
@rss_ai_ir
---
#هوش_مصنوعی #یادگیری_تقویتی #RL #LLM #زبان_طبیعی #پژوهش_هوش_مصنوعی #مدل_مولد #Entropy #ReinforcementLearning #AIResearch
و مهم‌تر از آن: چطور این مشکل را حل کنیم؟
در یک پژوهش جدید، محققان بررسی کرده‌اند که چرا هنگام آموزش مدل‌ها برای توانایی استدلال، تنوع پاسخ‌ها کاهش می‌یابد و مدل فقط چند پاسخ تکراری را انتخاب می‌کند. نتیجه؟ افت خلاقیت، کاهش اکتشاف و در نهایت ضعف در تعمیم‌دهی.
📌 مهم‌ترین یافته‌ها
🔹 تنوع مهم‌تر از اندازه دیتاست است
گاهی یک دیتاست کوچک اما متنوع (~۶۰۰ نمونه) می‌تواند به اندازه مجموعه ۱۷هزار نمونه کارکرد داشته باشد
🔹 دیتاست کم‌تنوع = سقوط سریع‌تر
پس حتی مجموعه کوچک اگر متنوع باشد عملکرد فوق‌العاده دارد.
🔗 منبع پژوهش:
arxiv.org/abs/2511.05993
---
📍 جمع‌بندی کوتاه:
برای ساخت مدل‌های استدلال قدرتمند، فقط پاداش بیشتر کافی نیست؛ باید تصادفی‌بودن کنترل‌شده و تنوع داده حفظ شود، وگرنه مدل به چند الگوی تکراری قفل می‌شود.
---
در این‌باره تجربه‌ای دارید؟ شما موافقید که مدل‌های جدید بیش از حد «قابل‌پیش‌بینی» شده‌اند؟ 🤔
@rss_ai_ir
---
#هوش_مصنوعی #یادگیری_تقویتی #RL #LLM #زبان_طبیعی #پژوهش_هوش_مصنوعی #مدل_مولد #Entropy #ReinforcementLearning #AIResearch
❤13🥰11😁11👍10🔥9👏8🎉7
🚀 تحول بزرگ در مدل‌های علمی هوش مصنوعی
مرور ۹۴ صفحه‌ای درباره تکامل LLMهای علمی با داده‌های غنی و چرخه‌های بسته‌ی عامل‌های خودمختار منتشر شد.
در این تحقیق بی‌سابقه:
📚 ۲۷۰ دیتاست و 🧪 ۱۹۰ بنچمارک بررسی شده‌اند.
❓ چرا LLMهای معمولی برای علم کافی نیستند؟
زیرا داده‌های علمی فقط متن نیستند؛ ترکیبی از:
📊 جداول، 🧮 فرمول‌ها، 💻 کد، 🖼 تصاویر و 🔬 اندازه‌گیری‌های نامطمئن هستند.
مدل‌های عمومی معمولا این ظرافت‌ها را از دست می‌دهند.
📌 این مرور چه پیشنهاد می‌دهد؟
🔷 ایجاد طبقه‌بندی یکپارچه برای داده‌های علمی
🔷 تعریف مدل چندلایه‌ی دانش علمی:
از مشاهده خام → تا فرضیه → مدل → نظریه
این چارچوب کمک می‌کند مدل‌ها طوری پیش‌تمرین و سپس فاین‌تیون شوند که:
📌 قواعد علمی را حفظ کنند
📌 بتوانند میان قالب‌ها و مقیاس‌های مختلف ارتباط برقرار کنند
🧠 مدل‌ها بر اساس حوزه دسته‌بندی شده‌اند:
فیزیک ▫ شیمی ▫ زیست ▫ مواد ▫ علوم زمین ▫ نجوم
دستیاران علمی چندحوزه‌ای
📈 تحول در ارزیابی کیفیت:
از سوالات یک‌مرحله‌ای به تست‌های فرآیندمحور شامل:
🔹 زنجیره استدلال
🔹 استفاده از ابزار و کد
🔹 نتایج میان‌مرحله‌ای و شواهد تجربی
🔁 جهت آینده: چرخه‌ی بسته‌ی علمی
عامل‌ها (agents) به‌طور خودمختار:
1. آزمایش طراحی می‌کنند
2. شبیه‌سازها یا آزمایشگاه‌ها را اجرا می‌کنند
3. نتایج را تحلیل می‌کنند
4. دانش را به‌روزرسانی می‌کنند
🎯 جمع‌بندی:
مدل LLMهای علمی به‌سمت علم داده‌محور، قابل‌اثبات و عامل‌محور حرکت می‌کنند؛ مدلی که به جای حدس، به شواهد تکیه می‌کند.
🔗 لینک مقاله:
https://arxiv.org/abs/2508.21148
@rss_ai_ir
#هوش_مصنوعی #علم #علمی #LLM #Agent #پژوهش #یادگیری_ماشین #SciAI
مرور ۹۴ صفحه‌ای درباره تکامل LLMهای علمی با داده‌های غنی و چرخه‌های بسته‌ی عامل‌های خودمختار منتشر شد.
در این تحقیق بی‌سابقه:
📚 ۲۷۰ دیتاست و 🧪 ۱۹۰ بنچمارک بررسی شده‌اند.
❓ چرا LLMهای معمولی برای علم کافی نیستند؟
زیرا داده‌های علمی فقط متن نیستند؛ ترکیبی از:
📊 جداول، 🧮 فرمول‌ها، 💻 کد، 🖼 تصاویر و 🔬 اندازه‌گیری‌های نامطمئن هستند.
مدل‌های عمومی معمولا این ظرافت‌ها را از دست می‌دهند.
📌 این مرور چه پیشنهاد می‌دهد؟
🔷 ایجاد طبقه‌بندی یکپارچه برای داده‌های علمی
🔷 تعریف مدل چندلایه‌ی دانش علمی:
از مشاهده خام → تا فرضیه → مدل → نظریه
این چارچوب کمک می‌کند مدل‌ها طوری پیش‌تمرین و سپس فاین‌تیون شوند که:
📌 قواعد علمی را حفظ کنند
📌 بتوانند میان قالب‌ها و مقیاس‌های مختلف ارتباط برقرار کنند
🧠 مدل‌ها بر اساس حوزه دسته‌بندی شده‌اند:
فیزیک ▫ شیمی ▫ زیست ▫ مواد ▫ علوم زمین ▫ نجوم
دستیاران علمی چندحوزه‌ای
📈 تحول در ارزیابی کیفیت:
از سوالات یک‌مرحله‌ای به تست‌های فرآیندمحور شامل:
🔹 زنجیره استدلال
🔹 استفاده از ابزار و کد
🔹 نتایج میان‌مرحله‌ای و شواهد تجربی
🔁 جهت آینده: چرخه‌ی بسته‌ی علمی
عامل‌ها (agents) به‌طور خودمختار:
1. آزمایش طراحی می‌کنند
2. شبیه‌سازها یا آزمایشگاه‌ها را اجرا می‌کنند
3. نتایج را تحلیل می‌کنند
4. دانش را به‌روزرسانی می‌کنند
🎯 جمع‌بندی:
مدل LLMهای علمی به‌سمت علم داده‌محور، قابل‌اثبات و عامل‌محور حرکت می‌کنند؛ مدلی که به جای حدس، به شواهد تکیه می‌کند.
🔗 لینک مقاله:
https://arxiv.org/abs/2508.21148
@rss_ai_ir
#هوش_مصنوعی #علم #علمی #LLM #Agent #پژوهش #یادگیری_ماشین #SciAI
🎉7❤5🔥5👍4🥰3👏3😁3
🚀 مدل Holo2 نسل تازه‌ای از مدل‌های چندرسانه‌ای است که برای فهم رابط‌کاربری، ناوبری و استدلال در وب، دسکتاپ و موبایل طراحی شده است.
📈 نتایج چشمگیر در بنچمارک‌ها Holo2 رکوردهای جدیدی ثبت کرده است:
🟩 امتیاز 66.1% در ScreenSpot-Pro (افزایش +۳٪)
🟩 امتیاز 76.1% در OSWorld-G (افزایش +۵٪)
این مدل بسیاری از رقبا را پشت سر گذاشته و تبدیل به یکی از بهترین گزینه‌ها برای UI-grounding شده است.
🧠 معماری مدل
مبتنی بر Qwen3-VL
درک بسیار قوی از رابط‌کاربری و ناوبری دقیق
مناسب برای توسعه عامل‌های هوشمند UI در نرم‌افزارها
🌐 قابل اجرا روی: مرورگر، Ubuntu و Android
🔀 همچنین Mixture of Experts نسخه‌ی پرچم‌دار 30B-A3B فقط با فعال‌سازی ۳ میلیارد پارامتر در هر مرحله عملکردی در سطح مدل 30B ارائه می‌دهد اما با هزینه محاسبات کمتر.
🤖 مدل از reasoning-token ها برای بهبود دقت تصمیم‌گیری بهره می‌برد و با Surfer 2 و ReAct کاملاً سازگار است.
⚙️ شیوه اجرا
سازگار با vLLM و تمام فریم‌ورک‌های هماهنگ با Qwen3-VL
📜 لایسنس‌ها
نسخه‌های 4B و 8B → تحت Apache-2
نسخه 30B-A3B → فقط استفاده غیرتجاری
🔗 لینک‌ها:
🌐 Blog: hcompany.ai/blog/holo2
🍳 Cookbook: github.com/hcompai/hai-cookbook/blob/main/holo2/holo_2_localization_huggingface.ipynb
🤗 HuggingFace: huggingface.co/collections/Hcompany/holo2
@rss_ai_ir
#هوش_مصنوعی #مدل_چندرسانه‌ای #عامل_هوشمند #Qwen #Holo2 #AI #LLM #ML #رابط_کاربری #ui_grounding #qwen3_vl #vllm #surfer2 #react_ai
📈 نتایج چشمگیر در بنچمارک‌ها Holo2 رکوردهای جدیدی ثبت کرده است:
🟩 امتیاز 66.1% در ScreenSpot-Pro (افزایش +۳٪)
🟩 امتیاز 76.1% در OSWorld-G (افزایش +۵٪)
این مدل بسیاری از رقبا را پشت سر گذاشته و تبدیل به یکی از بهترین گزینه‌ها برای UI-grounding شده است.
🧠 معماری مدل
مبتنی بر Qwen3-VL
درک بسیار قوی از رابط‌کاربری و ناوبری دقیق
مناسب برای توسعه عامل‌های هوشمند UI در نرم‌افزارها
🌐 قابل اجرا روی: مرورگر، Ubuntu و Android
🔀 همچنین Mixture of Experts نسخه‌ی پرچم‌دار 30B-A3B فقط با فعال‌سازی ۳ میلیارد پارامتر در هر مرحله عملکردی در سطح مدل 30B ارائه می‌دهد اما با هزینه محاسبات کمتر.
🤖 مدل از reasoning-token ها برای بهبود دقت تصمیم‌گیری بهره می‌برد و با Surfer 2 و ReAct کاملاً سازگار است.
⚙️ شیوه اجرا
سازگار با vLLM و تمام فریم‌ورک‌های هماهنگ با Qwen3-VL
📜 لایسنس‌ها
نسخه‌های 4B و 8B → تحت Apache-2
نسخه 30B-A3B → فقط استفاده غیرتجاری
🔗 لینک‌ها:
🌐 Blog: hcompany.ai/blog/holo2
🍳 Cookbook: github.com/hcompai/hai-cookbook/blob/main/holo2/holo_2_localization_huggingface.ipynb
🤗 HuggingFace: huggingface.co/collections/Hcompany/holo2
@rss_ai_ir
#هوش_مصنوعی #مدل_چندرسانه‌ای #عامل_هوشمند #Qwen #Holo2 #AI #LLM #ML #رابط_کاربری #ui_grounding #qwen3_vl #vllm #surfer2 #react_ai
🥰10👍5🔥5❤4👏3😁2🎉2
🧠 نسل تازه مدل‌های چندوجهی؛ معرفی Gemini 3 Pro
مدل Gemini 3 Pro تازه‌ترین عضو خانواده‌ی Gemini است؛ یک مدل استدلال‌محور و بومی‌چندوجهی که بدون وابستگی یا فاین‌تیون روی نسخه‌های قبلی ساخته شده است، نه ارتقاء، نه شاخه‌سازی — یک معماری کاملاً نو.
✨ ورودی‌ها:
متن (سؤال، پرامپت، خلاصه‌سازی اسناد و …)
تصویر
صوت
ویدئو
🔹 با پنجره‌ی کانتکست خیره‌کننده‌ی ۱ میلیون توکن
✨ خروجی‌ها:
متن با ظرفیت تولید تا ۶۴هزار توکن
🔗 مدل‌کارت آرشیوشده:
(وب‌آرشیو)
https://web.archive.org/web/20251118111103if_/https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-Pro-Model-Card.pdf
@rss_ai_ir
#Gemini #GoogleDeepMind #Multimodal #LLM #AI #هوش_مصنوعی #مدل_چندوجهی #استدلال #پرامپت #زبان_طبیعی #چت_بات
مدل Gemini 3 Pro تازه‌ترین عضو خانواده‌ی Gemini است؛ یک مدل استدلال‌محور و بومی‌چندوجهی که بدون وابستگی یا فاین‌تیون روی نسخه‌های قبلی ساخته شده است، نه ارتقاء، نه شاخه‌سازی — یک معماری کاملاً نو.
✨ ورودی‌ها:
متن (سؤال، پرامپت، خلاصه‌سازی اسناد و …)
تصویر
صوت
ویدئو
🔹 با پنجره‌ی کانتکست خیره‌کننده‌ی ۱ میلیون توکن
✨ خروجی‌ها:
متن با ظرفیت تولید تا ۶۴هزار توکن
🔗 مدل‌کارت آرشیوشده:
(وب‌آرشیو)
https://web.archive.org/web/20251118111103if_/https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-Pro-Model-Card.pdf
@rss_ai_ir
#Gemini #GoogleDeepMind #Multimodal #LLM #AI #هوش_مصنوعی #مدل_چندوجهی #استدلال #پرامپت #زبان_طبیعی #چت_بات
👍6🔥6🥰6😁5👏4🎉4❤2
🤖 مدل MeshCoder؛ تبدیل ابر نقاط
سه‌بعدی به کد قابل‌ویرایش بلندر
@rss_ai_ir
یک پروژه جذاب در دنیای ۳بعدی؛ MeshCoder فریم‌ورکی است که ابرِ نقاط سه‌بعدی را به کد پایتونِ قابل ویرایش در Blender تبدیل می‌کند. یعنی می‌توان یک محیط یا شیء اسکن‌شده را به اسکریپت تبدیل کرد و بعد با تغییر چند خط کد، آن را ویرایش، بازطراحی یا بازسازی کرد. ✨
📌 خلاصه عملکرد:
کافیست ابر نقاط را بدهید → مدل هوش مصنوعی یک Mesh باکیفیت می‌سازد → خروجی یک اسکریپت پایتون Blender است که می‌توانید هر بخش آن را تغییر دهید. مناسب برای طراحان 3D، معماران، گیم‌دیزاینرها و تیم‌های دیجیتال‌توین.
🔧 نکات فنی مهم:
دارای مجموعه API هوشمند برای ساخت هندسه‌های پیچیده در Blender
مدل روی دیتاستی از جفت‌های «شیء ↔ کد» آموزش دیده است
نمایش مبتنی بر کد باعث ویرایش شهودی‌تر هندسه و توپولوژی می‌شود
این ساختار مقدار قابل توجهی به توانایی استدلال LLM درباره شکل‌های سه‌بعدی اضافه می‌کند
🌐 لینک پروژه (کد، وزن‌ها و مقاله):
https://daibingquan.github.io/MeshCoder/
📍 کاربردها:
🕹 طراحی بازی‌ها و فضاهای 3D
🏗 معماری و مدل‌سازی سازه‌ها
🚗 مهندسی معکوس قطعات صنعتی
🌍 ساخت مدل‌های دوقلوی دیجیتال (Digital Twin)
#هوش_مصنوعی #۳بعدی #Blender #Mesh #LLM #DigitalTwin #AI3D
سه‌بعدی به کد قابل‌ویرایش بلندر
@rss_ai_ir
یک پروژه جذاب در دنیای ۳بعدی؛ MeshCoder فریم‌ورکی است که ابرِ نقاط سه‌بعدی را به کد پایتونِ قابل ویرایش در Blender تبدیل می‌کند. یعنی می‌توان یک محیط یا شیء اسکن‌شده را به اسکریپت تبدیل کرد و بعد با تغییر چند خط کد، آن را ویرایش، بازطراحی یا بازسازی کرد. ✨
📌 خلاصه عملکرد:
کافیست ابر نقاط را بدهید → مدل هوش مصنوعی یک Mesh باکیفیت می‌سازد → خروجی یک اسکریپت پایتون Blender است که می‌توانید هر بخش آن را تغییر دهید. مناسب برای طراحان 3D، معماران، گیم‌دیزاینرها و تیم‌های دیجیتال‌توین.
🔧 نکات فنی مهم:
دارای مجموعه API هوشمند برای ساخت هندسه‌های پیچیده در Blender
مدل روی دیتاستی از جفت‌های «شیء ↔ کد» آموزش دیده است
نمایش مبتنی بر کد باعث ویرایش شهودی‌تر هندسه و توپولوژی می‌شود
این ساختار مقدار قابل توجهی به توانایی استدلال LLM درباره شکل‌های سه‌بعدی اضافه می‌کند
🌐 لینک پروژه (کد، وزن‌ها و مقاله):
https://daibingquan.github.io/MeshCoder/
📍 کاربردها:
🕹 طراحی بازی‌ها و فضاهای 3D
🏗 معماری و مدل‌سازی سازه‌ها
🚗 مهندسی معکوس قطعات صنعتی
🌍 ساخت مدل‌های دوقلوی دیجیتال (Digital Twin)
#هوش_مصنوعی #۳بعدی #Blender #Mesh #LLM #DigitalTwin #AI3D
❤14🥰11😁9👏8🎉7👍5🔥4
🚀 بالاخره xAI مدل Grok 4.1 را منتشر کرد؛ جهشی بزرگ به‌سمت خلاقیت و هوش احساسی
این آپدیت جدید تمرکز جدی روی خلاقیت، هوش هیجانی و کاهش شدید خطاهای اطلاعاتی (Hallucinations) دارد.
همچنین xAI برای این نسخه از یادگیری تقویتی گسترده استفاده کرده؛ بخش زیادی از آن به‌صورت آژنتی و بدون دخالت انسان انجام شده.
وقتی ۲۰۰٬۰۰۰ کارت گرافیک داشته باشی، به قول معروف می‌توانی کیفیت مدل را "بزور بهبود" بدهی! 😄
---
📊 نتایج تست و مقایسه با مدل‌های رقیب
تست‌ها بین ۱ تا ۱۴ نوامبر به‌صورت بی‌سر و صدا روی grok.com ،X و اپ‌ها انجام شده و نسخه جدید در مقایسه کور (blind) در ۶۴.۷۸٪ مواقع انتخاب کاربران بوده.
🏆 LMArena - Text Leaderboard
مدل رتبه/Elo
Grok 4.1 Thinking 🥇 رتبه ۱ – امتیاز 1483
Grok 4.1 (بدون reasoning) 🥈 رتبه 2 – امتیاز 1465
🔹 نسخه غیر-thinking حتی از تمام نسخه‌های reasoning دیگر مدل‌ها بهتر عمل کرده!
🔹 مدل Grok 4 قبلی رتبه ۳۳ بود — یعنی جهش کاملاً چشمگیر.
💞 Emotional Intelligence (EQ-Bench)
مدل Elo
Grok 4.1 Thinking 1586
Grok 4.1 1585
Kimi K2 1561
GPT-5.1 1559
✍️ Creative Writing v3
مدل Elo
GPT-5.1 🥇 1756
Grok 4.1 Thinking 1722
Grok 4.1 1709
o3 1696
---
🔍 کاهش خطا و توهم اطلاعاتی (Hallucinations)
تمرکز روی پرسش‌های واقعی + ابزارهای جستجو باعث شد:
📉 نرخ Hallucination از 12.09٪ → 4.22٪
📉 FactScore از 9.89٪ → 2.97٪
جهش بسیار مهم مخصوصاً برای کاربردهای حساس.
---
📱 از کجا می‌توان Grok 4.1 را استفاده کرد؟
🔗 grok.com
🟦 X (توئیتر)
🍏 iOS
🤖 Android
📄 توضیحات فنی:
https://x.ai/news/grok-4-1
---
🧠 جمع‌بندی
مدل Grok 4.1 از یک «مدل فقط باهوش»، تبدیل شده به یک مدل انسانی‌تر، اجتماعی‌تر و مناسب برای:
✨ نوشتن خلاق
🧑🤝🧑 گفت‌وگوهای احساسی و انسانی‌تر
📚 علوم اجتماعی و روان‌شناسی
🔍 تحقیق و تحلیل دقیق اطلاعات
به‌نظر می‌رسد در حوزه تعامل انسانی، xAI می‌خواهد از همه مدل‌های فعلی جلو بزند.
---
#هوش_مصنوعی #Grok #xAI #مدل_زبان #AI #LLM
@rss_ai_ir
این آپدیت جدید تمرکز جدی روی خلاقیت، هوش هیجانی و کاهش شدید خطاهای اطلاعاتی (Hallucinations) دارد.
همچنین xAI برای این نسخه از یادگیری تقویتی گسترده استفاده کرده؛ بخش زیادی از آن به‌صورت آژنتی و بدون دخالت انسان انجام شده.
وقتی ۲۰۰٬۰۰۰ کارت گرافیک داشته باشی، به قول معروف می‌توانی کیفیت مدل را "بزور بهبود" بدهی! 😄
---
📊 نتایج تست و مقایسه با مدل‌های رقیب
تست‌ها بین ۱ تا ۱۴ نوامبر به‌صورت بی‌سر و صدا روی grok.com ،X و اپ‌ها انجام شده و نسخه جدید در مقایسه کور (blind) در ۶۴.۷۸٪ مواقع انتخاب کاربران بوده.
🏆 LMArena - Text Leaderboard
مدل رتبه/Elo
Grok 4.1 Thinking 🥇 رتبه ۱ – امتیاز 1483
Grok 4.1 (بدون reasoning) 🥈 رتبه 2 – امتیاز 1465
🔹 نسخه غیر-thinking حتی از تمام نسخه‌های reasoning دیگر مدل‌ها بهتر عمل کرده!
🔹 مدل Grok 4 قبلی رتبه ۳۳ بود — یعنی جهش کاملاً چشمگیر.
💞 Emotional Intelligence (EQ-Bench)
مدل Elo
Grok 4.1 Thinking 1586
Grok 4.1 1585
Kimi K2 1561
GPT-5.1 1559
✍️ Creative Writing v3
مدل Elo
GPT-5.1 🥇 1756
Grok 4.1 Thinking 1722
Grok 4.1 1709
o3 1696
---
🔍 کاهش خطا و توهم اطلاعاتی (Hallucinations)
تمرکز روی پرسش‌های واقعی + ابزارهای جستجو باعث شد:
📉 نرخ Hallucination از 12.09٪ → 4.22٪
📉 FactScore از 9.89٪ → 2.97٪
جهش بسیار مهم مخصوصاً برای کاربردهای حساس.
---
📱 از کجا می‌توان Grok 4.1 را استفاده کرد؟
🔗 grok.com
🟦 X (توئیتر)
🍏 iOS
🤖 Android
📄 توضیحات فنی:
https://x.ai/news/grok-4-1
---
🧠 جمع‌بندی
مدل Grok 4.1 از یک «مدل فقط باهوش»، تبدیل شده به یک مدل انسانی‌تر، اجتماعی‌تر و مناسب برای:
✨ نوشتن خلاق
🧑🤝🧑 گفت‌وگوهای احساسی و انسانی‌تر
📚 علوم اجتماعی و روان‌شناسی
🔍 تحقیق و تحلیل دقیق اطلاعات
به‌نظر می‌رسد در حوزه تعامل انسانی، xAI می‌خواهد از همه مدل‌های فعلی جلو بزند.
---
#هوش_مصنوعی #Grok #xAI #مدل_زبان #AI #LLM
@rss_ai_ir
👏19😁17👍16🎉14🔥13🥰12❤9
⚡ Heretic —
ابزاری برای حذف سانسور (Alignment) از مدل‌های زبانی
🛠 ابزار Heretic روشی ارائه می‌دهد که بدون دسترسی به وزن‌های مدل و تنها از طریق API، محدودیت‌های رفتاری و فیلترهای پاسخ‌دهی مدل را کاهش دهد و آمادگی آن برای پاسخ‌گویی گسترده‌تر را افزایش دهد.
🔍 این ابزار چه می‌کند؟
✅مدل را مانند جعبه‌سیاه (Black-box) در نظر می‌گیرد
✅مجموعه‌ای از پرسش‌های «ایمن» و «غیرایمن» را به مدل می‌دهد
✅یک دیسکریمیناتور آموزش می‌دهد تا تفاوت پاسخ‌های قبل و بعد از آزادسازی را تشخیص دهد
✅پارامترهایی پیدا می‌کند که باعث کاهش پاسخ‌های رد / انکار شود اما مدل را از حالت منطقی خارج نکند
✅در پایان می‌توان نسخه تعدیل‌شده را ذخیره کرد یا در حالت چت تست نمود
🎯 کاربردها:
♻️فعال‌تر کردن مدل‌های لوکال برای پاسخ‌گویی به طیف وسیع‌تری از درخواست‌ها
♻️مناسب برای تحقیقات درباره رفتار مدل‌ها و آزمایش محدودیت‌ها
♻️کاهش سانسور بدون افت شدید کیفیت یا تبدیل مدل به پاسخ‌دهنده بی‌دقت
⚠️ نکات مهم:
✳️استفاده از این ابزار مسئولیت اخلاقی و حقوقی دارد
✳️هدف Heretic افزایش دقت یا توانایی مدل نیست؛
✳️هدف، برداشتن قفل‌های رفتاری ناشی از Alignment است
✳️ممکن است در برخی حوزه‌ها خطرناک باشد و نیازمند رویکرد مسئولانه است
📎 پروژه در GitHub:
github.com/p-e-w/heretic
---
#هوش_مصنوعی #مدل_زبان #LLM #Alignment #OpenSource
@rss_ai_ir
ابزاری برای حذف سانسور (Alignment) از مدل‌های زبانی
🛠 ابزار Heretic روشی ارائه می‌دهد که بدون دسترسی به وزن‌های مدل و تنها از طریق API، محدودیت‌های رفتاری و فیلترهای پاسخ‌دهی مدل را کاهش دهد و آمادگی آن برای پاسخ‌گویی گسترده‌تر را افزایش دهد.
🔍 این ابزار چه می‌کند؟
✅مدل را مانند جعبه‌سیاه (Black-box) در نظر می‌گیرد
✅مجموعه‌ای از پرسش‌های «ایمن» و «غیرایمن» را به مدل می‌دهد
✅یک دیسکریمیناتور آموزش می‌دهد تا تفاوت پاسخ‌های قبل و بعد از آزادسازی را تشخیص دهد
✅پارامترهایی پیدا می‌کند که باعث کاهش پاسخ‌های رد / انکار شود اما مدل را از حالت منطقی خارج نکند
✅در پایان می‌توان نسخه تعدیل‌شده را ذخیره کرد یا در حالت چت تست نمود
🎯 کاربردها:
♻️فعال‌تر کردن مدل‌های لوکال برای پاسخ‌گویی به طیف وسیع‌تری از درخواست‌ها
♻️مناسب برای تحقیقات درباره رفتار مدل‌ها و آزمایش محدودیت‌ها
♻️کاهش سانسور بدون افت شدید کیفیت یا تبدیل مدل به پاسخ‌دهنده بی‌دقت
⚠️ نکات مهم:
✳️استفاده از این ابزار مسئولیت اخلاقی و حقوقی دارد
✳️هدف Heretic افزایش دقت یا توانایی مدل نیست؛
✳️هدف، برداشتن قفل‌های رفتاری ناشی از Alignment است
✳️ممکن است در برخی حوزه‌ها خطرناک باشد و نیازمند رویکرد مسئولانه است
📎 پروژه در GitHub:
github.com/p-e-w/heretic
---
#هوش_مصنوعی #مدل_زبان #LLM #Alignment #OpenSource
@rss_ai_ir
👏8🔥7👍6🎉5❤4🥰4😁2