پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۹۳۴ مقاله منتشر شده

ماتی استادنی، مدیرعامل ElevenLabs، در دفتر مرکزی شرکت در لندن. این استارتاپ هوش مصنوعی گفتار، ارزشی ۲۲ میلیارد دلاری دارد.

ElevenLabs: ارزش ۲۲ میلیارد دلاری با درآمد سالانه ۶۰۰ میلیون دلار

شرکت ElevenLabs پیشرو در هوش مصنوعی صوتی، با درآمد سالانه ۶۰۰ میلیون دلار به ارزش ۲۲ میلیارد دلار رسید. این شرکت اکنون اولویت خود را گسترش سهم بازار در لایه مکالمات هوشمند قرار…

۶ دقیقه خواندن۱
پلتفرم bolt.gives: کدنویسی هوشمند متن‌باز با هر مدل زبانی بزرگ
آموزش کاربردی

«فراتر از تولید کد»؛ قابلیت‌های جدید پلتفرم متن‌باز bolt.gives

پلتفرم متن‌باز bolt.gives با رویکرد عامل‌محور، فراتر از تولید کد رفته و محیط اجرای کامل اپلیکیشن‌های وب را مدیریت می‌کند. این ابزار امکان ساخت، تست و استقرار برنامه‌ها را تنها با…

۴ دقیقه خواندن۱
هدایت چندلایه‌ای انگرام برای سرکوب امتناع غیرمخرب در مدل‌های زبانی بزرگ
آموزش کاربردی

هدایت چندلایه در برابر به‌روزرسانی وزن‌ها برای مدیریت رفتارهای مدل

یک روش جدید به نام Dynamic Abliteration با استفاده از هدایت چندلایه و حافظه Engram، رفتارهای امتناع مدل‌های زبانی را بدون تغییر در وزن‌های پایه خنثی می‌کند. این متد برخلاف روش‌های…

۲۲ دقیقه خواندن
عامل هوشمند با ابزار بررسی املا MCP: اصلاح خودکار متن در گفتگوهای چندمرحله‌ای
آموزش کاربردی

چگونه language-mcp نیاز عامل‌های هوش مصنوعی به APIهای خارجی را حذف می‌کند؟

یک سرور جدید مبتنی بر TypeScript با استفاده از پروتکل MCP، امکان بررسی املایی و استایل محلی را برای عامل‌های هوش مصنوعی فراهم می‌کند. این ابزار با جداسازی لایه لغت‌نامه از تصمیمات…

۷ دقیقه خواندن۲
مدل باز متن‌باز CLM-8B با سرعت ارزیابی ۹ برابری نسبت به Jev برای امتیازدهی به عملکرد عامل‌ها

CLM-8B: تصمیم‌گیری عامل‌های هوش مصنوعی ۹ برابر سریع‌تر شد

مدل وزن‌باز CLM-8B با جایگزینی تولید متن با سیستم امتیازدهی اقدامات، تأخیر در تصمیم‌گیری عامل‌های هوش مصنوعی را به‌شدت کاهش داد. این مدل در نقش تأییدکننده کدنویسی، نتایجی فراتر از…

۴ دقیقه خواندن۲
سپر سری: Regex ۰٪، Prompt Guard ۲ فقط ۱٪ از ۶۲۹ حمله پنهان‌شده در خروجی ابزار را شناسایی کرد.

مدل Prompt Guard 2 متا تنها ۱٪ از حملات تزریق پرامپت را شناسایی می‌کند

محک جدید AgentDojo نشان می‌دهد تشخیص‌دهنده‌های متن‌باز در برابر حملات تزریق پرامپت که در خروجی ابزارها پنهان شده‌اند، تقریباً ناتوان‌اند. مدل Prompt Guard 2 متا و فیلترهای مبتنی…

۷ دقیقه خواندن۲
مقایسه پایگاه‌داده برداری: ۷ ابزار خودمیزبان—تفاوت‌های واقعی چیست
آموزش کاربردی

۷ پایگاه‌داده برداری متن‌باز برای مدیریت حافظه رم و مقیاس‌پذیری

بررسی هفت پایگاه‌داده برداری متن‌باز نشان می‌دهد که مرز اصلی میان ابزارهای سبک و موتورهای مقیاس‌پذیر، میزان حافظه رم مورد نیاز است. انتخاب ابزار مناسب بر اساس محدودیت‌های…

۲ دقیقه خواندن۲
چارچوب RAG: مقایسه ۴ ابزار (مجوز، حداقل RAM GPU، قابلیت آفلاین)
آموزش کاربردی

مقایسه ۴ چارچوب RAG: تفاوت‌های حیاتی در سخت‌افزار و حریم خصوصی

بررسی فنی چهار چارچوب پیشرو در تولید بازیابی‌افزا (RAG) تفاوت‌های بنیادینی را در مجوزها، نیازهای سخت‌افزاری و قابلیت‌های آفلاین آشکار می‌کند. این داده‌ها به توسعه‌دهندگان کمک…

۱ دقیقه خواندن۲
مجوز MIT سازمانی: پذیرش ضروری هوش مصنوعی در ۲۰۲۶
آموزش کاربردی

«مجوزهای باز»؛ کلید ورود سریع‌تر هوش مصنوعی به محیط‌های سازمانی

شرکت‌ها برای کاهش اصطکاک‌های حقوقی و تجاری‌سازی سریع‌تر، به مجوز MIT در پروژه‌های هوش مصنوعی روی آورده‌اند. با وجود انعطاف‌پذیری بالا، تیم‌های فنی همچنان باید سازگاری وزن‌های مدل…

۴ دقیقه خواندن۱
مدل ۷ میلیون پارامتری که می‌داند چه زمانی نه بگوید
آموزش کاربردی

«امتناع صادقانه»؛ استراتژی مدل ۷ میلیونی برای بهینه‌سازی منابع

یک مدل بسیار کوچک با ۷.۲ میلیون پارامتر به عنوان لایه تریاژ برای درخواست‌های هوش مصنوعی معرفی شده است. این سیستم با تشخیص وظایف ساده و ارجاع آن‌ها به ابزارهای ارزان، از اتلاف…

۳ دقیقه خواندن