پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۲۷۳ مقاله منتشر شده

بررسی سریع آلودگی داده در معیارهای برنامه‌نویسی هوش مصنوعی با ساخت ابزار کوچک
آموزش کاربردی

گزارش OpenAI: نشت داده‌ها اعتبار بنچ‌مارک‌های کدنویسی را از بین برد

گزارش جدید OpenAI نشان می‌دهد بسیاری از جدول‌های رتبه‌بندی کدنویسی به‌دلیل تداخل داده‌های آموزشی و آزمون غیرقابل‌اعتماد هستند. این تحلیل تأکید می‌کند که نمرات بدون بررسی دقیق نشت…

۲ دقیقه خواندن
معیارسنجی رایانه شخصی هوشمند: باتری، حرارت و بازیابی حالت خواب
آموزش کاربردی

معیارهای سنجش عمر باتری و بازیابی سیستم در PCهای هوش مصنوعی RTX Spark

یک چارچوب جدید برای تست PCهای هوش مصنوعی معرفی شده است که به‌جای تمرکز بر اعداد خام سخت‌افزاری، بر سناریوهای واقعی چرخهٔ عمر دستگاه تمرکز می‌کند. این متد به‌ویژه نحوه‌ی رفتار…

۲ دقیقه خواندن
راهنمای API مدل‌های زبانی باز: آنچه آرزو داشتم زودتر می‌دانستم
آموزش کاربردی

میزبانی شخصی LLMها تنها برای حجم بالای ۵۰ میلیون توکن در روز به‌صرفه است

تحلیل هزینه‌های زیرساختی نشان می‌دهد که استفاده از APIها برای اکثر توسعه‌دهندگان ارزان‌تر از استقرار مدل‌های وزن‌باز است. هزینه‌های پنهان عملیاتی و سخت‌افزاری، مزیت مالی مدل‌های…

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

«خروج از ابر»؛ راهکار جدید کسب‌و‌کارهای کوچک برای امنیت داده‌ها

انتقال مدل‌های هوش مصنوعی از ابر به سخت‌افزار محلی، ریسک نشت داده‌ها و هزینه‌های اشتراک ماهانه را برای کسب‌وکارهای کوچک از بین می‌برد. تمرکز بر وظایف تخصصی مانند نویسه‌خوانی نوری،…

۲ دقیقه خواندن
پنجره HuggingChat در حال تحلیل فایل لاگ با نمودار خطای زمانی و هشدارهای رنگی
آموزش کاربردی

تحلیل رایگان لاگ‌های سرور با HuggingChat؛ جایگزینی متن‌باز برای ابزارهای

متخصصان سئو اکنون می‌توانند با استفاده از مدل‌های رایگان و متن‌باز HuggingChat، داده‌های خام سرور را تحلیل کرده و نقاط اتلاف بودجه خزش را شناسایی کنند. این گردش‌کار، لاگ‌های…

۱۳ دقیقه خواندن
شناسایی پنهان CPU fallback و tok/s اشتباه در LLM‌های محلی. پشتیبانی از llama.cpp و ollama، تک‌فایل، بدون وابستگی.
آموزش کاربردی

ابزار Picchio افشای «پس‌نشینی خاموش» مدل‌های محلی به CPU و خطاهای کوانتش

ابزار Picchio با تطبیق لاگ‌های موتور استنتاج و تله‌متری سخت‌افزاری، لحظه‌ای را که مدل‌های زبانی از GPU به CPU منتقل می‌شوند شناسایی می‌کند. این ابزار همچنین برچسب‌های کوانتش…

۷ دقیقه خواندن
همکاری آمریکا و چین برای کاهش مخاطرات فوری هوش مصنوعی | بروکینگز

«تبادل تجربیات»؛ راهکار پیشنهادی برای پیشگیری از تلهٔ کنترل تسلیحات AI

ایالات متحده و چین برای کاهش خطرات امنیتی هوش مصنوعی، گفتگوهای فنی غیررسمی را آغاز کردند. تحلیلگران تأکید دارند که برای موفقیت این مسیر، باید به‌جای معاهدات سخت‌گیرانه، بر تبادل…

۱۱ دقیقه خواندن
من یک هماهنگ‌کننده وظایف ساختم، سپس بهترین شماره‌اش را حذف کردم

چرا توسعه‌دهنده ORA ادعای کاهش ۶۸ درصدی هزینه‌های خود را پاک کرد؟

توسعه‌دهنده ابزار ORA پیش از انتشار رسمی، ادعای کاهش ۶۸ درصدی هزینه‌ها را حذف کرد. او معتقد است مقایسه‌های متقابل در هوش مصنوعی اغلب داستان‌های تبلیغاتی هستند و نه اندازه‌گیری‌های…

۴ دقیقه خواندن۲
فرشتگان نگهبان: شخصی‌سازی مدل زبانی برای بهره‌وری و امنیت

مدل‌های «منجمد» مانع شخصی‌سازی هوش مصنوعی برای متخصصان دانش‌بنیان شدند

تحلیلی فنی نشان می‌دهد پارادایم فعلی چت‌بات‌ها بر پایه وزن‌های ثابت، با نیازهای بهره‌وری و امنیت متخصصان در تضاد است. چارچوب پیشنهادی «فرشته نگهبان»، جایگزینی مدل‌های عمومی را با…

۵۲ دقیقه خواندن
ابزار خودمیزبان تشخیص حادثه هوش مصنوعی که علت ریشه‌ای را فقط با توافق چند تشخیص برمی‌گرداند
آموزش کاربردی

Argus با مدل تشخیص اجماعی نرخ توهم در تحلیل ریشه‌ای را کاهش داد

ابزار Argus برای جلوگیری از توهمات هوش مصنوعی، تنها زمانی علت ریشه‌ای یک نقص را گزارش می‌کند که پنج تحلیل مستقل بر سر آن توافق کنند. این رویکرد اجماعی مانع از حدس‌های نادرست مدل…

۱ دقیقه خواندن