پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۲۵۳ مقاله منتشر شده

مقایسه هوش مصنوعی: تفاوت LLM و یادگیری عمیق
آموزش کاربردی

مدل‌های زبانی در برابر یادگیری عمیق؛ تحلیل مرز استدلال و بازنمایی

یک راهنمای عملی جدید نشان می‌دهد که مدل‌های زبانی بزرگ، زیرمجموعه‌ای تخصصی از یادگیری عمیق هستند و نه جایگزینی برای آن. توسعه‌دهندگان می‌توانند با جداسازی مدل‌های بردارساز و مولد،…

۴ دقیقه خواندن
ربات چندنفره برای همکاری و انجام کار تیمی در GitHub
آموزش کاربردی

ساندباکس‌های ایزوله در QM؛ راهکار YC Software برای مقیاس‌پذیری عامل‌های هوش

پلتفرم متن‌باز QM با جایگزینی دستیارهای مشترک با محیط‌های کاری ایزوله برای هر کاربر، مشکل پیچیدگی حافظه در استقرار عامل‌های هوشمند سازمانی را حل کرده است. این سیستم امکان همکاری…

۶ دقیقه خواندن۱
پژوهشگران چینی هوش مصنوعی صدای خود را در ایکس پیدا می‌کنند

پناه آوردن پژوهشگران هوش مصنوعی چین به X برای برندسازی جهانی

پژوهشگران آزمایشگاه‌های پیشرو چین مانند DeepSeek و Moonshot AI برای دور زدن محدودیت‌های داخلی و کسب اعتبار بین‌المللی به شبکه اجتماعی X روی آورده‌اند. این چرخش، دسترسی نادر…

۶ دقیقه خواندن۱
موتور استنتاج C بدون وابستگی برای اجرای مدل ۲.۷۸ تریلیون پارامتری Kimi K3 با پخش وزن‌های فعال از NVMe بدون محدودیت RAM
آموزش کاربردی

موتور WASTE مدل ۲.۷۸ تریلیون پارامتری Kimi K3 را روی لپ‌تاپ‌های معمولی اجرا کرد

پروژه‌ی WASTE با استفاده از استریم مستقیم وزن‌ها از حافظه‌ی NVMe، اجرای مدل‌های تریلیون‌پارامتری را روی سخت‌افزارهای مصرف‌کننده ممکن کرد. این موتور توانست مدل عظیم Kimi K3 را روی…

۲۴ دقیقه خواندن۲
آزمایش تبدیل مدل زبانی کوچک به عامل هوشمند قابل اعتماد با HUQAN و OPT-125M
آموزش کاربردی

رتبه‌بندی شواهد در HUQAN توهمات مدل ۱۲۵ میلیون پارامتری OPT را متوقف کرد

پژوهشگران با افزودن یک لایه «سلسله‌مراتب اعتماد» به مدل بسیار سبک OPT-125M، توانستند توهمات آن را به‌طور مؤثر حذف کنند. این سامانه به‌جای تکیه بر اطمینان مدل، اعتبار پاسخ‌ها را بر…

۴ دقیقه خواندن
خوشه ۲۰ هزار تراشه انویدیا از علی‌بابا برای ساخت کیمی مون‌شات
اخبار کوتاه روزانهگزارش تأییدنشده

درون همکاری Moonshot و علی‌بابا برای کاهش وابستگی سخت‌افزاری چین

استارتاپ چینی Moonshot برای توسعه مدل‌های Kimi از خوشه‌ای عظیم شامل ۲۰ هزار پردازنده انویدیا در زیرساخت‌های علی‌بابا استفاده می‌کند. این همکاری وابستگی شدید چین به سخت‌افزار…

۱ دقیقه خواندن
نحوه اجرای محلی Kimi K3 GGUF با Ollama، LM Studio و llama.cpp
آموزش کاربردیگزارش تأییدنشده

چگونه Kimi K3 را با Ollama و LM Studio اجرا کنیم؟

یک راهنمای فنی جدید، مسیر اجرای مدل Kimi K3 — یکی از بزرگ‌ترین مدل‌های با وزن باز — را روی سخت‌افزارهای شخصی تشریح می‌کند. این مستندات گام‌های عملی برای استفاده از Ollama و LM…

۱ دقیقه خواندن
ابزار متن‌باز برای آزمایش و درک عوامل هوش مصنوعی
آموزش کاربردی

AgentLab ارزیابی عامل‌های هوش مصنوعی را با مجموعه‌های آزمونی محلی استاندارد کرد

پلتفرم متن‌باز AgentLab ابزاری برای تست دقیق و محلی عامل‌های هوش مصنوعی است که از فایل‌های YAML برای اعتبارسنجی گردش‌های کاری استفاده می‌کند. این سیستم اجازه می‌دهد توسعه‌دهندگان…

۱ دقیقه خواندن۱