پرش به محتوای اصلی

موضوع

هوش لبه

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

۱٬۷۷۳ مقاله منتشر شده

حمله جدید Pass-ta-key افشاگر ناشناخته‌های کلیدهای عبور

حمله Pass-ta-key: استخراج کلیدهای امنیتی گوگل از سیستم‌عامل ویندوز

یک حفره امنیتی جدید نشان می‌دهد بدافزارهای ویندوزی می‌توانند تمام پس‌کلیدهای ذخیره‌شده در مدیریت رمز عبور گوگل را استخراج کنند. این آسیب‌پذیری ناشی از مدل دسترسی باز در ویندوز در…

۶ دقیقه خواندن۲
تصویر شماره ۹۱۱: تقطیر مدل‌های انتشار و چندوجهی
آموزش کاربردی

فشرده‌سازی مسیر در برابر تقلید پاسخ در دیستیل کردن مدل‌ها

دیستیل کردن مدل‌های انتشار برخلاف مدل‌های متنی، به جای تقلید از یک پاسخ نهایی، بر فشرده‌سازی کل مسیر تبدیل نویز به تصویر تمرکز دارد. این تغییر رویکرد، آموزش هوش مصنوعی را از تقلید…

۱ دقیقه خواندن۳
نمودار معماری: فلتر به سرور Node.js متصل، تولید رابط کاربری در کمتر از ۲۰۰ میلی‌ثانیه
آموزش کاربردی

ترکیب Node.js و Flutter تأخیر رابط‌های کاربری زاینده را به زیر ۲۰۰ میلی‌ثانیه

یک معماری جدید با بهره‌گیری از Fastify، کشینگ Redis و سیستم ویجت‌های پویا در Flutter، تأخیر در نمایش رابط‌های کاربری زاینده را به زیر ۲۰۰ میلی‌ثانیه کاهش داده است. این رویکرد…

۱۰ دقیقه خواندن۱
هوش مصنوعی در کلاس: آنچه کار می‌کند و آنچه صرفاً تبلیغات است
آموزش کاربردی

مدل‌های محلی در برابر ابری؛ برتری حریم خصوصی در کلاس درس

دیوید گارسیا مونیوز-هیتا استدلال می‌کند که وعده «شخصی‌سازی افراطی» در آموزش، بیشتر یک تبلیغات توخالی است. او برای تضمین حریم خصوصی و ارزش آموزشی واقعی، استفاده از مدل‌های محلی و…

۴ دقیقه خواندن
چرا ۸۰٪ معلمان پس از دو هفته استفاده از ChatGPT آن را رها می‌کنند
زندگی با AI

گزارش Itelnet: ۸۰٪ متخصصان پس از دو هفته استفاده از ChatGPT آن را رها می‌کنند

گزارش جدید Itelnet Consulting نشان می‌دهد شکاف عمیقی میان وعده‌های بازاریابی و کاربرد واقعی هوش مصنوعی وجود دارد. دلیل اصلی این ریزش، نبود بستر کسب‌وکار و هزینه زمانی بالای اصلاح…

۴ دقیقه خواندن۲
چرا مدل‌های متن‌باز برای رهبری هوش مصنوعی آمریکا حیاتی‌اند | بروکینگز

مؤسسه بروکینگز: مدل‌های وزن‌باز پیش‌شرط امنیت ملی آمریکا در هوش مصنوعی

گزارش جدید مؤسسه بروکینگز هشدار می‌دهد که سیاست‌های محدودکننده علیه مدل‌های وزن‌باز، نوآوری و امنیت ملی آمریکا را به خطر می‌اندازد. این تحلیل تأکید می‌کند که دسترسی به وزن‌های مدل…

۶ دقیقه خواندن۱
مدل هوش مصنوعی Glimmer متا، نگاهی به چشم‌انداز زاکربرگ از هوش شخصی

مدل Muse Glimmer قابلیت اجرای عامل‌های ۳۰ میلیارد پارامتری را به GPUهای خانگی

متا مدل Muse Glimmer را با وزن‌های باز منتشر کرد تا اجرای عامل‌های هوش مصنوعی به‌صورت محلی و خصوصی روی سخت‌افزارهای مصرف‌کننده ممکن شود. این اقدام گامی عملی در مسیر تحقق چشم‌انداز…

۳ دقیقه خواندن۳