پرش به محتوای اصلی

موضوع

مدل‌های بازوزن

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

۱٬۹۵۵ مقاله منتشر شده

پلتفرم OlmoEarth: استنتاج مکانی در مقیاس سیاره‌ای
آموزش کاربردی

درون OlmoEarth؛ سازوکار تحلیل سریع داده‌های حجیم ماهواره‌ای

مؤسسه AI2 با معرفی پلتفرم OlmoEarth، گلوگاه‌های پردازشی داده‌های ماهواره‌ای را حذف کرد. این سامانه اکنون می‌تواند ده‌ها ترابایت تصویر ماهواره‌ای را با هزینه‌ای بسیار اندک و سرعتی…

۸ دقیقه خواندن۱
گزارش عامل‌ها: MCP بدون‌حالت شد و امنیت هوش مصنوعی باز می‌شود

۳ گام کلیدی در مسیر ارتقای مقیاس‌پذیری و امنیت عامل‌های AI

پروتکل زمینهٔ مدل (MCP) برای افزایش مقیاس‌پذیری به ساختار بدون وضعیت (Stateless) تغییر یافت. هم‌زمان، انویدیا ائتلافی گسترده برای متن‌باز کردن ابزارهای امنیتی هوش مصنوعی تشکیل داد…

۳ دقیقه خواندن۱
یافته‌های امنیتی ساختاریافته از مدل ۷ میلیارد پارامتری: طرحی که دیگر خراب نشد
آموزش کاربردی

تغییر ساختار داده به مدل تخت؛ راهکار رفع خطاهای JSON در مدل‌های ۷ میلیارد

یک مهندس امنیت دریافت که ساختارهای پیچیده و تو در تو باعث شکست مدل‌های کوچک مانند Qwen 2.5-Coder در تولید خروجی‌های ساختاریافته می‌شوند. با تخت کردن اسکیما و ایجاد یک حلقه بازخورد…

۵ دقیقه خواندن۲
API استنتاج Hugging Face: وقتی سرورلس از استنتاج اختصاصی گران‌تر می‌شود
آموزش کاربردی

هزینه استنتاج در Hugging Face: تقابل مدل‌های بدون سرور با GPUهای اختصاصی

سیستم استنتاج بدون سرور Hugging Face به مدل اعتباری تغییر یافته است که تضمینی برای تأخیر یا پایداری ارائه نمی‌دهد. برای محیط‌های عملیاتی، مهاجرت به نقاط پایانی اختصاصی (Dedicated…

۱۰ دقیقه خواندن۳
لوگوی Fish Audio و عنوان مقاله: جذب ۵۰ میلیون دلار سرمایه اولیه برای ساخت مدل‌های صدای هوش مصنوعی

Fish Audio با ۵۰ میلیون دلار سرمایه کنترل دقیق احساسات را به صداهای مصنوعی آورد

استارت‌آپ Fish Audio برای خروج از عصر صداهای رباتیک، ۵۰ میلیون دلار سرمایه جذب کرد. این شرکت با ارائه بیش از ۱۵ هزار کنترل دقیق روی لحن و احساس، امکان تولید صداهای انسانی و قابل…

۴ دقیقه خواندن۴
عقب‌نشینی آنتروپیک از اصلاحات ناپسند صورت‌حساب در آستانه جنگ قیمت با اوپن‌ای‌آی

هشدار مدیرعامل آنتروپیک درباره ریسک‌های زیستی وزن‌های باز

داریو آمودویی، مدیرعامل آنتروپیک، هشدار داد که مدل‌های با وزن‌های باز به دلیل نبود حفاظ‌های قابل‌بازگشت، خطرات زیستی و سایبری جبران‌ناپذیری ایجاد می‌کنند. او خواستار تشدید…

۲ دقیقه خواندن۲
فراتر از هیاهو: ساخت عامل‌های هوش مصنوعی مقاوم با حافظه محلی، کارایی متن‌باز و ممیزی امنیتی دقیق
آموزش کاربردی

چگونه تفکیک استدلال از حافظه، نقاط ضعف عامل‌های هوشمند را می‌پوشاند؟

بسیاری از عامل‌های هوش مصنوعی در محیط عملیاتی به‌دلیل نبود حافظه پایدار و حلقه‌های شکننده API شکست می‌خورند. معماری جدید با تفکیک استدلال از حافظه محلی و استفاده از مدل‌های…

۸ دقیقه خواندن
همگام‌سازی Claude Code در چند دستگاه: راهنمای کاربردی
آموزش کاربردی

BearDrive همگام‌سازی وضعیت عامل‌های هوش مصنوعی را میان دستگاه‌های مختلف ممکن کرد

ابزار متن‌باز BearDrive با ایجاد یک لایه‌ی همگام‌سازی، از پراکندگی داده‌ها و تداخل زمینه‌ی عامل‌های AI در دستگاه‌های مختلف جلوگیری می‌کند. این سیستم با استفاده از قلاب‌های زمانی،…

۲ دقیقه خواندن
نمودار روش‌های تفسیرپذیری مدل‌های زبانی بزرگ: دسته‌بندی و مقایسه تکنیک‌های مختلف
آموزش کاربردی

تفسیرپذیری مدل‌های جعبه‌سیاه با مکانیزم پرامپت‌نویسی متضاد

یک اسکنر جدید به مهندسان اجازه می‌دهد بدون دسترسی به وزن‌های داخلی، رفتار مدل‌های زبانی را از طریق مقایسه پاسخ‌های پایه با تغییرات متضاد تحلیل کنند. این گردش‌کار با استفاده از…

۵ دقیقه خواندن۱