پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۲۵۴ مقاله منتشر شده

آمادگی آزمون‌های TIC با هوش مصنوعی: روش من
آموزش کاربردی

آیا LLMهای محلی می‌توانند جایگزین دوره‌های سنتی گواهینامه ICT شوند؟

یک چارچوب عملی برای استفاده از هوش مصنوعی میزبانی‌شده به‌صورت محلی جهت تسلط بر گواهینامه‌های پیچیده ICT. این متد بر شبیه‌سازی‌های مطالعه با اولویت حریم خصوصی و حلقه‌های بازخورد…

۴ دقیقه خواندن
نشستی که نمی‌توانی با خود ببری | ارندیل

بلوک‌های رمزنگاری‌شده در برابر متون قابل‌انتقال؛ نبرد برای مالکیت تاریخچهٔ کاربر

ارائه‌دهندگان پیشرو هوش مصنوعی در حال جایگزینی متون قابل‌انتقال با بلوک‌های رمزنگاری‌شده هستند تا کاربران را در اکوسیستم خود حبس کنند. این تغییر باعث می‌شود انتقال تاریخچهٔ کامل…

۱۲ دقیقه خواندن۱
۷ سال یاد گرفتیم مشتریان واقعاً چه می‌کنند. سپس متن‌باز کردیم — و دارایی اصلی را خصوصی نگه داشتیم.

استراتژی ZWISERFIT برای باز کردن کد عامل‌ها و حفظ داده‌های رفتاری

شرکت ZWISERFIT ابزار LAO را به‌عنوان لایه‌ای برای کالیبراسیون عامل‌های هوش مصنوعی به‌صورت متن‌باز منتشر کرد. این سیستم برای جلوگیری از اعتماد ساده‌لوحانه مدل‌ها به کلمات کاربران و…

۵ دقیقه خواندن
مقایسه n8n، Make و Zapier برای اتوماسیون کسب‌وکار ۲۰۲۵: انتخاب معماری، تعیین‌کننده هزینه در مقیاس‌بزرگ
آموزش کاربردی

تفاوت مدل‌های هزینه در n8n، Make و Zapier؛ چرا مقیاس‌دهی اتوماسیون سود را

انتخاب پلتفرم اتوماسیون بر اساس تعداد رابط‌ها، کسب‌وکارها را در تلهٔ «سقف اجرا» می‌اندازد. در حالی که Zapier و Make بر اساس تک‌تک عملیات هزینه می‌گیرند، مدل n8n می‌تواند هزینه‌های…

۲۲ دقیقه خواندن
نماد هوش مصنوعی چین بر پس‌زمینه‌ای از پرچم آمریکا و چین

مدل‌های متن‌باز چین در برابر مدل‌های اشتراکی OpenAI و Anthropic

چین با استراتژی انتشار مدل‌های با وزن‌های باز، مدل‌هایی عرضه کرده که ۹۰٪ توان مدل‌های برتر آمریکا را با قیمتی بسیار کمتر ارائه می‌دهند. این رویکرد، مدل‌های کسب‌وکاری مبتنی بر…

۶ دقیقه خواندن
مدل تقطیرشده چه چیزی از معلم خود به ارث می‌برد

«جداسازی استدلال از ایدئولوژی»؛ دستاورد جدید در تقطیر مدل‌های زبانی

پژوهشی جدید نشان می‌دهد مدل‌های زبانی می‌توانند توانایی‌های استدلالی پیشرفته را از مدل‌های سانسورشده (مانند مدل‌های چینی) بیاموزند، بدون اینکه محدودیت‌های ایدئولوژیک یا الگوهای…

۱۴ دقیقه خواندن۱
درگاه حریم خصوصی تفاضلی برای جلوگیری از افشای داده‌های حساس در پرس‌وجوی عامل‌های LLM غیرقابل اعتماد از طریق پروتکل MCP.
آموزش کاربردی

چگونه Noisegate با اعمال نویز، امنیت داده‌های عامل‌های هوشمند را تضمین می‌کند؟

سامانه Noisegate با ایجاد یک مرز اعتماد ریاضی از طریق حریم خصوصی تفاضلی، مانع از افشای رکوردهای حساس توسط عامل‌های هوش مصنوعی می‌شود. این ابزار با اعمال نویز و مدیریت بودجهٔ حریم…

۲۰ دقیقه خواندن۱
بررسی GPU مورد نیاز برای بازبینی کد محلی در ۲۰۲۶
آموزش کاربردی

سقف ۸ گیگابایت VRAM؛ نقطهٔ بهینه برای اجرای محلیِ بازبینی کد

برخلاف باور رایج، برای بازبینی کد با هوش مصنوعی نیازی به سخت‌افزارهای گران‌قیمت نیست و ۸ گیگابایت حافظه ویدیویی توازن ایده‌آلی میان هزینه و عملکرد ایجاد می‌کند. جهش از مدل‌های ۱.۵…

۶ دقیقه خواندن