پرش به محتوای اصلی

موضوع

هوش لبه

SLMs, on-device inference, mobile AI, AI PCs

۲٬۰۴۹ مقاله منتشر شده

پردازش محلی در برابر رایانش ابری در سخت‌افزار جدید مایکروسافت

مایکروسافت یک مینی‌پی‌سی قدرتمند برای توسعه‌دهندگان معرفی کرد که با تکیه بر پلتفرم RTX Spark انویدیا، اجرای محلی مدل‌های عظیم هوش مصنوعی را ممکن می‌کند. این دستگاه با قیمت ۵۹۹۹…

۲ دقیقه خواندن۱
آموزش کاربردی

مدل d1-3B شرکت Liquid AI در محک تصمیم‌گیری از مدل‌های ۳۵ میلیارد پارامتری پیشی

شرکت Liquid AI دو مدل تصمیم‌گیرنده با وزن‌های باز به نام‌های d1-3B و d1-omni-600M را برای استنتاج سریع در لبه عرضه کرد. این مدل‌ها به‌جای تولید متن، بر تصمیمات ساختاریافته تمرکز…

۴ دقیقه خواندن
آموزش کاربردی

«اولویتی برای سرعت»؛ استراتژی ساخت دستیار صوتی با مدل‌های زبانی

یک توسعه‌دهنده با ترکیب کدهای قطعی و مدل‌های زبانی، دستیاری صوتی برای ویندوز ساخته است که کنترل کامل سیستم و خانه هوشمند را بر عهده دارد. این پروژه ثابت می‌کند اولویت دادن به کاهش…

۵ دقیقه خواندن

سیسکو با ادغام Claude و RoomOS 27 محیط‌های کاری را عامل‌محور کرد

سیسکو با تبدیل Webex از یک ابزار ارتباطی به پلتفرمی عامل‌محور، امکان اجرای وظایف چندمرحله‌ای توسط عامل‌های هوش مصنوعی را فراهم کرد. این به‌روزرسانی شامل ادغام عامل‌های مدیریت‌شده…

۶ دقیقه خواندن۱

تونی فادل: گجت‌های هوش مصنوعی به‌دلیل نبودِ کاربرد واقعی شکست خوردند

پدر آی‌پاد دلیل شکست نسل اول سخت‌افزارهای هوش مصنوعی مانند Rabbit R1 را نبودِ حل‌کننده‌ بودن برای مشکلات واقعی انسان‌ها می‌داند. او معتقد است عامل‌های موفق باید بر پردازش محلی و…

۵ دقیقه خواندن
آموزش کاربردی

سخت‌افزار محلی در برابر ابر؛ رویکرد Sidekick برای اجرای عامل‌های هوش مصنوعی

پروژه Sidekick با معرفی معماری Local-first، ثابت کرد که عامل‌های هوش مصنوعی می‌توانند بدون حساب کاربری ابری و هزینه‌های ماهانه، به‌طور کامل روی سخت‌افزار کاربر اجرا شوند. این…

۳ دقیقه خواندن
آموزش کاربردی

پروژه YourHand کنترل هم‌زمان چندین رایانه ویندوزی را به چت‌های هوش مصنوعی آورد

پروژه متن‌باز YourHand امکان مدیریت هم‌زمان چندین سیستم ویندوزی را از طریق یک گفتگوی واحد با هوش مصنوعی فراهم می‌کند. این ابزار با عبور از محدودیت‌های مرورگر، لایه‌ای برای کنترل…

۵ دقیقه خواندن