پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۲٬۳۹۶ مقاله منتشر شده

چرا پیشرفته‌ترین مدل‌های هوش مصنوعی در مهارت‌های بصری پایه شکست می‌خورند؟

محک جدید Moonshot AI نشان می‌دهد حتی پیشرفته‌ترین مدل‌های چندوجهی در درک ابتدایی تصاویر ناتوان‌اند. هیچ مدلی نتوانست از مرز ۶۰ درصد صحت در مهارت‌های بصری پایه عبور کند، که ثابت…

۴ دقیقه خواندن۲
آموزش کاربردی

عامل Mole با سقف بودجه سخت‌گیرانه، هزینه‌های پژوهش AI را پیش‌بینی‌پذیر کرد

عامل پژوهشی Mole با معرفی سیستم حسابداری دقیق و تأیید نقل‌قول‌های مستقیم، پایان شوک‌های هزینه‌ای در استفاده از عامل‌های هوش مصنوعی را رقم زد. این ابزار امکان تحلیل داده‌های محلی…

۸ دقیقه خواندن۴

مارک زاکربرگ: دسترسی باز به هوش مصنوعی تنها راه مقابله با ریسک‌های سیستمی است

مارک زاکربرگ در مانیفستی مفصل استدلال کرد که دموکراتیزه کردن فناوری AI برای جلوگیری از تمرکز قدرت ضروری است. این موضع‌گیری هم‌زمان با تغییر برند اینستاگرام و تلاش‌های صنعت برای…

۲ دقیقه خواندن۱
آموزش کاربردی

مک مک‌مینی ۱۶ گیگابایتی با اولاما و Qwen جایگزین گیت‌هاب کوپایلت شد

یک پیاده‌سازی عملی نشان می‌دهد مک‌مینی M4 با ۱۶ گیگابایت رم می‌تواند یک دستیار کدنویسی کاملاً آفلاین را اجرا کند. با تقسیم وظایف بین مدل‌های ۷ میلیاردی و ۱.۵ میلیاردی،…

۸ دقیقه خواندن۴

سری Qwen3.8: عرضه مدل‌های ۲۷ میلیاردی برای استقرار محلی هوش مصنوعی

علی‌بابا با انتشار سری Qwen3.8، مدل‌های چندوجهی بسیار کارآمد ۲۷ میلیاردی و یک نسخه غول‌پیکر ۲.۴ تریلیون پارامتری را در دسترس قرار داد. این مدل‌ها با مجوز Apache 2.0 منتشر شده‌اند…

۱ دقیقه خواندن۲
آموزش کاربردی

درون معماری عامل‌های چندگانه برای شبیه‌سازی هیئت‌های تشخیص دروغ

یک پروژه عملی جدید نشان می‌دهد چگونه می‌توان با معماری عامل‌های چندگانه، بازی تشخیص فریب را پیاده‌سازی کرد. این سیستم با استفاده از یک تولیدکننده پیشینه مخفی و یک ناظر جنایی،…

۹ دقیقه خواندن

آزمایش Hugging Face: آزمایشگاه‌های چینی پیشتازی در مقیاس تریلیون پارامتر

تحلیل داده‌های سال ۲۰۲۶ نشان می‌دهد مرکز ثقل مدل‌های با وزن باز به شرق منتقل شده و چین اکنون بر مدل‌های مقیاس تریلیونی تسلط دارد. در مقابل، شرکت‌های آمریکایی استراتژی خود را به…

۱۲ دقیقه خواندن۲

اشتباه در انتخاب محور کوانتش KV Cache صحت مدل Llama-2 را به ۲٪ می‌رساند

کوانتش یکسان برای کل حافظه KV منجر به فروپاشی دقت مدل‌های زبانی می‌شود. برای حفظ عملکرد، کلیدها (Keys) باید بر اساس کانال و مقادیر (Values) بر اساس توکن کوانتش شوند تا ساختار…

۱۱ دقیقه خواندن۱