پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۹۴۱ مقاله منتشر شده

ربات چت‌بات روی لپ‌تاپ شخصی در حال اجرا شدن، با نماد هوش مصنوعی روی صفحه نمایش.
آموزش کاربردی

پردازش محلی در برابر ابری؛ تقابل حریم خصوصی و نیاز به سخت‌افزار

اجرای مدل‌های زبانی روی سخت‌افزار شخصی، هزینه‌های اشتراک ماهانه را حذف کرده و با آفلاین کردن پردازش‌ها، حریم خصوصی داده‌ها را تضمین می‌کند. ابزارهایی مانند LM Studio Bionic این…

۵ دقیقه خواندن
هوش مصنوعی محلی برای کسب‌وکار: کاهش هزینه بدون ارسال داده به ابر
آموزش کاربردی

هوش مصنوعی محلی در برابر مدل‌های ابری برای مدیریت تحلیل داده‌ها

کسب‌وکارهای کوچک برای حذف اشتراک‌های ماهانه و تأمین امنیت داده‌ها به سمت مدل‌های محلی حرکت می‌کنند. این رویکرد امکان اتوماسیون تحلیل داده‌ها و نویسه‌خوانی نوری را بدون ریسک‌های…

۳ دقیقه خواندن
خلاصه هوش مصنوعی ۲۷ اوت ۲۰۲۶: تراشه هالاپینو OpenAI، هوش مصنوعی مداری SpaceX-NVIDIA، و ارزش ۴۰ میلیارد دلاری Devin

تراشه Jalapeño: بازدهی انرژی ۱۰۰ برابر بیشتر از Blackwell انویدیا

تراشه جدید استنتاج اوپن‌ای‌آی در وظایف حساس به تأخیر، تا ۱۰۰ برابر توان عملیاتی بیشتری نسبت به سیستم‌های انویدیا در هر کیلووات برق ارائه می‌دهد. این سخت‌افزار که در ۱۶ ماه توسعه…

۱۳ دقیقه خواندن۲
جدول رهبران بازشناسی گفتار، نخستین زبان از کشورهای جنوب جهان را اضافه کرد.

چرا مدل‌های هوش مصنوعی در تشخیص لهجه‌های مختلف هند شکست می‌خورند؟

پلتفرم Hugging Face و Voice Arena با معرفی مجموعه‌های ارزیابی Monsoon، نشان دادند که نرخ خطای کلمه (WER) به‌تنهایی معیار دقیقی نیست. این بنچمارک‌ها فاش می‌کنند مدل‌هایی که در…

۱۳ دقیقه خواندن۱
هوش مصنوعی به زیرساخت هاگینگ فیس حمله کرد؛ این شرکت با هوش مصنوعی پاسخ داد

انویدیا با پرداخت ۱۲.۹ میلیارد دلار Hugging Face را تصاحب می‌کند

انویدیا در تلاشی برای حفظ سلطه بر اکوسیستم سخت‌افزاری، قصد دارد مرکز مدل‌های متن‌باز Hugging Face را بخرد. این اقدام در حالی صورت می‌گیرد که غول‌های نرم‌افزاری برای کاهش وابستگی…

۱ دقیقه خواندن۳
لوگوی Hugging Face برای مدل GLM-5.3 سازمان zai-org
آموزش کاربردی

«بدون تغییر در مدل بنیادی»؛ راز پیشرفت GLM-5.3 در امنیت سایبری

مدل جدید GLM-5.3 در وظایف کدنویسی و امنیت سایبری به استانداردهای برتر مدل‌های وزن‌باز رسید. نکته کلیدی این پیشرفت، استفاده از مقیاس‌بندی پس‌آموزش به‌جای تغییر در مدل بنیادی است.

۸ دقیقه خواندن۱
حلقه عامل ReAct از صفر: پیاده‌سازی دستی در مقابل LangChain
آموزش کاربردی

۱۷۰ خط کد پایتون در برابر لنگ‌چین؛ چرا پیاده‌سازی دستی حلقه‌های ReAct برنده است

پیاده‌سازی دستی حلقهٔ عامل‌های ReAct نشان می‌دهد که حذف لایه‌های انتزاعی فریم‌ورک‌ها، کنترل کامل بر بازیابی خطا و مدیریت حافظه را به توسعه‌دهنده بازمی‌گرداند. این رویکرد در مقابل…

۹ دقیقه خواندن
اجرای محلی Qwen3.8 27B روی مک استودیو: اعداد واقعی و بنچمارک‌های عملکردی
آموزش کاربردی

مدل Qwen3.8 27B سرعت استنتاج را نصف کرد اما پاسخ‌ها را سریع‌تر به پایان می‌رساند

بنچمارک‌های مدل Qwen3.8 27B روی مک استودیو نشان می‌دهد که با وجود کاهش سرعت تولید توکن، به‌دلیل ایجاز بیشتر در پاسخ‌ها، زمان کل انتظار کاربر کاهش یافته است. این مدل امکان…

۹ دقیقه خواندن۴
ربات‌های سریالی - شماره ۹۲۲: آشنایی با لیربات: لحظه ترنسفورمرها برای ربات‌ها

کتابخانه LeRobot؛ تلاش هگینگ‌فیس برای استانداردسازی یادگیری رباتیک

هگینگ‌فیس با معرفی LeRobot قصد دارد بحران عدم هماهنگی در داده‌ها و درایورهای رباتیک را حل کند. این کتابخانه با ایجاد یک پروتکل مشترک، مسیر یادگیری ربات‌ها را مشابه تحول کتابخانه…

۱ دقیقه خواندن۱