پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۲٬۳۹۶ مقاله منتشر شده

آموزش کاربردی

تفاوت حافظه و سرعت؛ چرا مدل‌های محلی روی کارت‌های گرافیک ۲۴ گیگابایتی کرش

اجرای مدل‌های زبانی بزرگ به‌صورت محلی نیازمند تفکیک دقیق محاسبات حافظه از معیارهای سرعت است. یک چک‌لیست فنی جدید هشدار می‌دهد که ادعاهای سازندگان سخت‌افزار اغلب اثرات حیاتی KV…

۳ دقیقه خواندن
آموزش کاربردی

چطور تداخل داده‌های نامرتبط در حافظهٔ شخصی هوش مصنوعی حذف شود

پیاده‌سازی یک حافظه شخصی با Qdrant نشان می‌دهد که شباهت معنایی لزوماً به معنای مرتبط بودن نیست. برای جلوگیری از تداخل داده‌های نامرتبط، استفاده از فیلترهای دامنه و تکه‌بندی دقیق…

۸ دقیقه خواندن
آموزش کاربردی

اتنا با تحلیل محلی AST احتمال خطاهای بحرانی در تغییرات کد را حذف کرد

اتنا یک موتور متن‌باز و محلی است که با ترکیب تحلیل قطعی AST و مدل‌های زبانی کوچک، تغییرات کد را رصد کرده و اثرات تخریبی آن‌ها را پیش‌بینی می‌کند. این ابزار خطرات حریم خصوصی و…

۷ دقیقه خواندن

چین صادرات مدل‌های هوش مصنوعی با بیش از ۲ تریلیون پارامتر را ممنوع کرد

پکن با وضع محدودیت‌های سخت‌گیرانه بر ۲۳ فناوری کلیدی، صادرات مدل‌های حجیم و ابزارهای تولید بدافزار را ممنوع کرد. این قوانین در حالی وضع شده که چین برای مدل‌های متن‌باز مسیر…

۳ دقیقه خواندن
آموزش کاربردی

آیا مدل‌های وزن‌باز جایگزینی اقتصادی برای لایه‌های Agentic هستند؟

یک محک جدید نشان می‌دهد مدل‌های با وزن باز علی‌رغم حذف هزینه‌های API، تأخیر شدید و نرخ خطای ۵۵ درصدی در پاسخ‌دهی دارند. این نتایج ثابت می‌کند جایگزینی مدل‌های پیشرو با نسخه‌های…

۷ دقیقه خواندن

معماری Mamba-MoE: فعال‌سازی ۱۲ میلیارد پارامتر برای استنتاج سریع‌تر

انویدیا مدل چندوجهی Nemotron 3.5 Super VL را با معماری ترکیبی Mamba-MoE معرفی کرد که پردازش ویدیوهای باکیفیت را به شدت تسریع می‌کند. این مدل با فعال‌سازی تنها ۱۲ میلیارد پارامتر…

۱۱ دقیقه خواندن