پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

Open-source models, open weights, local hosting, licensing

۲٬۳۹۶ مقاله منتشر شده

آموزش کاربردی

افزایش ۳ تا ۶ برابری سرعت استنتاج مدل‌های PyTorch در مک‌های اپل سیلیکون

پایتورچ یک ابزار آزمایشی به نام MLX Delegate را برای ExecuTorch منتشر کرد که سرعت اجرای مدل‌های هوش مصنوعی زاینده را در مک‌های اپل سیلیکون تا ۶ برابر افزایش می‌دهد. این ابزار با…

۲ دقیقه خواندن۳

چرا شکار باگ با هوش مصنوعی امنیت لینوکس را غیرقابل‌مدیریت کرد؟

لینوس توروالدز هشدار داد که ابزارهای هوش مصنوعی با تولید انبوه گزارش‌های تکراری، سیستم امنیتی لینوکس را فلج کرده‌اند. او از پژوهشگران خواست به جای گزارش‌های سطحی، وصله‌های اصلاحی…

۲ دقیقه خواندن۱
آموزش کاربردی

چگونه سندباکس‌های کوبرنتیز مشکل پاک شدن حافظه عامل‌های هوش مصنوعی را حل کردند؟

پلتفرم LiteLLM Agent از BerriAI به صورت بازمتن منتشر شد تا جلسات عامل‌های هوش مصنوعی در برابر ری‌استارت‌های سرور مقاوم شوند. این ابزار با استفاده از سندباکس‌های کوبرنتیز، محیط‌های…

۲ دقیقه خواندن۱

WorldReasonBench: شکاف دوبرابری مدل‌های تجاری و بازمتن در درک فیزیک جهان

معیار جدید WorldReasonBench نشان می‌دهد که مدل‌های تجاری تولید ویدیو در استدلال جهانی دو برابر قدرتمندتر از رقبای بازمتن هستند. با این حال، تمامی مدل‌های بررسی‌شده در درک مفاهیم…

۳ دقیقه خواندن۱

مدل EMO و معماری MoE؛ حفظ عملکرد کامل با حذف ۸۷.۵٪ از متخصصان

پژوهشگران مؤسسه Allen و دانشگاه برکلی مدلی به نام EMO را معرفی کردند که با سازمان‌دهی متخصصان بر اساس دامنه‌های معنایی، عملکرد خود را حتی با حذف ۸۷.۵٪ از ظرفیت متخصصان حفظ می‌کند.

۳ دقیقه خواندن۱
آموزش کاربردی

چرا برای اجرای عامل‌های هوش مصنوعی دیگر نیازی به سرورهای ابری ندارید؟

توسعه‌دهندگان با استفاده از Hermes Agent و Termux، گوشی‌های اندرویدی را به ایستگاه‌های کاری هوش مصنوعی تبدیل می‌کنند. این عامل‌های خودگردان بدون نیاز به ابر، مخازن گیت‌هاب را…

۲ دقیقه خواندن۲