پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۲٬۰۴۰ مقاله منتشر شده

مقایسه عملکرد مدل‌های زبانی بزرگ در تولید متن چندزبانه
آموزش کاربردی

کدام مدل وزن‌باز برای بازاریابی در زبان‌های مختلف کارآمدتر است؟

یک پیاده‌سازی جدید با استفاده از Oxlo.ai به توسعه‌دهندگان اجازه می‌دهد چندین مدل با وزن‌های باز را برای یافتن بهترین خروجی فرهنگی در زبان‌های مختلف محک بزنند. این سیستم با مدل…

۴ دقیقه خواندن۱
راهنمای ضروری هوش مصنوعی MIT License Enterprise برای سال ۲۰۲۶
آموزش کاربردی

مجوز MIT؛ راهکاری برای حذف اصطکاک‌های حقوقی در تیم‌های هوش مصنوعی سازمانی

شرکت‌ها برای تسریع نوآوری و فرار از تعهدات پیچیده حقوقی، به مجوز MIT روی آورده‌اند. با این حال، سادگی این مجوز شکاف‌های خطرناکی در زمینه مالکیت وزن‌های مدل و داده‌های آموزشی ایجاد…

۴ دقیقه خواندن۲
پلتفرم فلینت: تبدیل مهارت‌ها به دارایی‌های شخصی
آموزش کاربردی

چرا مهارت‌های شخصی جایگزین ابزارهای عمومی در اکوسیستم عامل‌های AI می‌شوند؟

با هوشمندتر شدن مدل‌های زبانی، ارزش مهارت‌های عمومی کاهش یافته و تمرکز بر گردش‌کارهای تخصصی و خصوصی معطوف شده است. Flint به عنوان یک مدیریت محلی، این مهارت‌های خاص را به…

۱۰ دقیقه خواندن
دیوارهای واشنگتن در برابر هوش مصنوعی: کنترل صادرات، ممنوعیت دسترسی و کلیدهای قطع اضطراری

«کلید قطع»؛ ابزار جدید آمریکا برای کنترل زنجیره تأمین AI

واشینگتن با تغییر طبقه‌بندی مدل‌های پیشرو به کالاهای صادراتی حساس، سیستمی برای کنترل زنجیره تأمین و ایجاد «کلید قطع» (Kill Switch) طراحی کرده است. این رویکرد به دولت اجازه می‌دهد…

۷ دقیقه خواندن۱
چرا از اوپن‌ای‌آی تا اسپیس‌ایکس همه تراشه اختصاصی می‌سازند و فشار بر انویدیا را زیاد می‌کنند

مکانیسم بازار در برابر قوانین دولتی برای نظارت بر هوش مصنوعی

مدیرعامل انویدیا معتقد است قوانین فعلی مسئولیت محصول برای کنترل خطرات هوش مصنوعی کافی است و نیاز به مقررات جدیدی نیست. او استدلال می‌کند که مکانیسم‌های بازار به‌طور طبیعی شرکت‌ها…

۴ دقیقه خواندن۱
اسلیپ‌استریم وکتور: فراخوانی واقعی ابزار، امنیت فارادی، بازخوانی HyDE و ارتقای امبدر
آموزش کاربردی

مدل‌های محلی در VEKTOR به قابلیت‌های ابزار-فراخوانی مدل‌های ابری رسیدند

به‌روزرسانی‌های جدید VEKTOR شکاف عملکردی بین مدل‌های محلی مانند Ollama و غول‌های ابری را از نظر فراخوانی ابزار و استدلال از بین برد. این نسخه همچنین ابزار امنیتی Faraday را از یک…

۱۰ دقیقه خواندن۳
وبلاگ مایکل نوخوویچ - نوشته‌ها و یادداشت‌های شخصی درباره فناوری، برنامه‌نویسی و تجربیات حرفه‌ای

پژوهش NGU: بازتوزیع منابع محاسباتی دقت مدل‌ها در ریاضی را ارتقا داد

پژوهشگران اثر متیو را در یادگیری تقویتی مدل‌های زبانی شناسایی کردند که باعث می‌شود مدل‌ها فقط روی مسائل ساده پیشرفت کنند. روش جدید Never Give Up (NGU) با بازتوزیع منابع محاسباتی…

۱۲ دقیقه خواندن۲
ربات پیتزا: صندوق ورودی محلی برای عامل‌های هوش مصنوعی طولانی با DeepAgents و LangGraph
آموزش کاربردی

«صندوق ورودی برای Agentها»؛ رویکرد جدید آمازون در تعامل با مدل‌ها

آمازون ابزار متن‌باز Pizza Bot را برای مدیریت وظایف طولانی‌مدت عامل‌های هوش مصنوعی معرفی کرد. این سیستم به‌جای اتصال دائمی، محیطی شبیه به صندوق ورودی ایمیل ایجاد می‌کند تا کاربران…

۵ دقیقه خواندن۳
شبکه عصبی کوچک برای تشخیص Numberwang بودن اعداد در گیت‌هاب.
سرگرمی و خلاقیت

«مدل‌های کوچک برترند»؛ درس Numberwang برای بهینه‌سازی هوش مصنوعی

یک مدل بسیار سبک با ۱۰۰ خط کد پایتون توانست با دقت ۸۸.۹٪ تشخیص دهد که آیا یک عدد «وانگ» است یا خیر. این پروژه نشان می‌دهد برای کارهای تخصصی، مدل‌های کوچک و بهینه بر مدل‌های…

۳ دقیقه خواندن۱
تست حافظه هوش مصنوعی: ثبت ۴.۱ میلیون توکن در یک هفته
آموزش کاربردی

داده‌های Bastra-Recall: ۹۷٪ حافظه‌های بازیابی‌شده توسط هوش مصنوعی نادیده گرفته

بررسی یک سیستم حافظه محلی نشان می‌دهد که مدل‌های هوش مصنوعی با وجود دقت بالا در یافتن خاطرات، حجم عظیمی از داده‌های بی‌ربط را وارد پنجره متنی می‌کنند. این یافته ثابت می‌کند معیار…

۲ دقیقه خواندن
هوک PreCompact: جایی که عامل کدنویسی خاطراتش را عمداً فراموش می‌کند
آموزش کاربردی

درون سازوکار PreCompact برای ذخیره تصمیمات پیش از فشرده‌سازی متن

ابزار متن‌باز myc با استفاده از قلاب PreCompact، تصمیمات حیاتی مهندسی را پیش از پاک‌شدن از حافظه موقت عامل‌های هوش مصنوعی ذخیره می‌کند. این سیستم یک لایه حافظه تأییدشده توسط انسان…

۶ دقیقه خواندن