پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۹۴۱ مقاله منتشر شده

LEVI: نتایج بهتر ADRS با کسری از هزینه | ADRS — پژوهش مبتنی بر هوش مصنوعی برای سیستم‌ها
آموزش کاربردی

سامانه LEVI: کاهش ۶.۷ برابری هزینه‌ها با اتوماسیون کشف الگوریتم

سامانه LEVI با اتوماسیون کشف الگوریتم‌های سیستمی، هزینه‌های عملیاتی را ۳ تا ۷ برابر کاهش داده و در عین حال به نتایج پیشرو (SOTA) رسیده است. این مدل با تفکیک وظایف بین مدل‌های کوچک…

۱۲ دقیقه خواندن
ترکیدن حباب هوش مصنوعی: حمله به ریشه‌های آن

کوری داکترو: حباب ۱.۴ تریلیون دلاری هوش مصنوعی در مسیر فروپاشی است

کوری داکترو استدلال می‌کند که سرمایه‌گذاری عظیم در هوش مصنوعی زاینده، حبابی اقتصادی است که برای حفظ جایگاه «سهام رشد» ایجاد شده و نه بر اساس سودآوری واقعی. او هشدار می‌دهد که…

۲۱ دقیقه خواندن
Nous Research مهارت /learn را به سیستم عامل Hermes اضافه کرد؛ ضبط گردش کار به‌عنوان دستورات اسلش بدون نیاز به نوشتن دستی SKIL
آموزش کاربردی

دستور /learn در Hermes Agent فرآیند خلق مهارت‌های هوش مصنوعی را خودکار کرد

عامل هوشمند Hermes اکنون می‌تواند اسناد، لینک‌ها و گفتگوها را به‌طور خودکار به فایل‌های مهارت قابل‌استفاده تبدیل کند. این قابلیت نیاز به نوشتن دستی دستورالعمل‌ها را حذف کرده و با…

۵ دقیقه خواندن
DFlash: پیش‌نویسی بلوک‌های کامل توکن به صورت موازی برای افزایش ۱۵ برابری توان عملیاتی در پردازنده‌های انویدیا بلک‌ول

روش DFlash توان عملیاتی تراشه‌های Blackwell انویدیا را ۱۵ برابر کرد

پژوهشگران دانشگاه سن‌دیگو با معرفی DFlash، رمزگشایی گمانه‌زنانه را از حالت تک‌به‌تک به بلوک‌های موازی تغییر دادند. این متد بدون کاهش کیفیت خروجی، سرعت استنتاج را در سخت‌افزارهای…

۵ دقیقه خواندن۱
نمایش ساختار Sparse Attention در مدل MiniMax M3: کاهش پیچیدگی محاسباتی از O(n²) به O(n) با استفاده از انتخاب هوشمندانه توکن‌ه

«بهینه‌سازی استنتاج طولانی»؛ هدف اصلی در طراحی مدل وزن‌باز M3

مدل وزن‌باز M3 با پنجره متنی یک میلیون توکنی و قابلیت‌های چندوجهی معرفی شد. این مدل با استفاده از معماری توجه پراکنده (MSA)، هزینه محاسباتی استنتاج در متون طولانی را به‌شدت کاهش…

۴ دقیقه خواندن
GitHub - y-times-y/y: یک برنامه عامل کدنویسی انعطاف‌پذیر. با Claude Code و Codex پروژه بسازید و خود y را بازطراحی کنید.
آموزش کاربردی

درون معماری پروژه y؛ پیوند عامل‌های هوش مصنوعی با رابط‌های کاربری پویا

پروژه y محیط کدنویسی جدیدی است که اجازه می‌دهد رابط کاربری (UI) آن توسط عامل‌های میزبانی‌شده به‌صورت زنده تغییر کند. این سیستم با جداسازی هسته مرکزی از لایه کاربر، امنیت را در حین…

۳ دقیقه خواندن۱
کنترل‌گر مدل کاربر: چالش لایه کنترل در BYOM

پشتیبانی از کلیدهای شخصی در Copilot؛ انتقال چالش از انتخاب مدل به مدیریت عملیات

گیت‌هاب کوپایلت اکنون اجازه می‌دهد کاربران با استفاده از کلیدهای شخصی (BYOK)، مدل‌های مختلف و ارائه‌دهندگان خارجی را متصل کنند. این تغییر، اولویت تیم‌های مهندسی را از «بهترین مدل…

۸ دقیقه خواندن
بیشتر عامل‌ها «نابینای وضعیت» هستند. با یک لایه هماهنگ‌سازی و درخت بصری مصنوعی، حافظه اپیزودیک واقعی به آن‌ها دادم.
آموزش کاربردی

Atom با لایه معنایی درخت‌های بصری توهم عامل‌های هوش مصنوعی را می‌گیرد

پلتفرم Atom با جایگزینی تصاویر خام با یک لایه توصیفی ساختاریافته، از توهم عامل‌ها در تأیید موفقیت ابزارها جلوگیری می‌کند. این سیستم با ترکیب حافظه اپیزودیک و ماشین حالت، دقت اجرای…

۲ دقیقه خواندن