🤖 انفجار محتوای آنلاین با هوش مصنوعی
هوش مصنوعی با سرعتی بی‌سابقه، تمام جنبه‌های وب را با محتوای بی‌شمار از جمله کتاب، پرونده حقوقی، مقالات پژوهشی، اپلیکیشن و موسیقی پر کرده است. از زمان ظهور ChatGPT، انتشار کتاب‌های الکترونیکی در آمازون سه برابر شده و به حدود ۳۰۰ هزار عنوان در ماه رسیده که بخش عمده آن توسط هوش مصنوعی تولید می‌شود. حتی سیستم قضایی نیز تحت تأثیر قرار گرفته؛ تعداد پرونده‌های حقوقی خودتنظیم‌شده در آمریکا دو برابر شده و تقریباً یک پنجم شکایات با کمک هوش مصنوعی نوشته شده‌اند. در حوزه دانشگاهی، حجم مقالات ارسالی افزایش یافته، نرخ رد مقالات بیش از دو برابر شده و بیش از نیمی از مقالات ۲۰۲۵ نشانه‌هایی از نگارش با هوش مصنوعی را داشتند.
#خبر #LLaMA
هوش مصنوعی با سرعتی بی‌سابقه، تمام جنبه‌های وب را با محتوای بی‌شمار از جمله کتاب، پرونده حقوقی، مقالات پژوهشی، اپلیکیشن و موسیقی پر کرده است. از زمان ظهور ChatGPT، انتشار کتاب‌های الکترونیکی در آمازون سه برابر شده و به حدود ۳۰۰ هزار عنوان در ماه رسیده که بخش عمده آن توسط هوش مصنوعی تولید می‌شود. حتی سیستم قضایی نیز تحت تأثیر قرار گرفته؛ تعداد پرونده‌های حقوقی خودتنظیم‌شده در آمریکا دو برابر شده و تقریباً یک پنجم شکایات با کمک هوش مصنوعی نوشته شده‌اند. در حوزه دانشگاهی، حجم مقالات ارسالی افزایش یافته، نرخ رد مقالات بیش از دو برابر شده و بیش از نیمی از مقالات ۲۰۲۵ نشانه‌هایی از نگارش با هوش مصنوعی را داشتند.
📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #LLaMA
🤖 تحول مدل‌های زبانی محلی
🔬 پژوهش جدید دانشگاه استنفورد نشان می‌دهد که ۷۱.۳ درصد از درخواست‌های ChatGPT توسط مدل‌های زبانی محلی (Local LLM) قابل پاسخ‌دهی است. این تحقیق با بررسی بیش از یک میلیون پرسش روی ۲۰ مدل مختلف، ثابت کرد که در صورت انتخاب هوشمندانه، مدل‌های لوکال تا ۸۸.۷ درصد دقت دارند.
⚡️ سرعت پیشرفت این مدل‌ها خیره‌کننده است؛ سهم توانایی آن‌ها در پاسخ‌گویی از ۲۳.۲ درصد در سال ۲۰۲۳ به وضعیت فعلی رسیده است. همچنین، بهره‌وری انرژی این مدل‌ها نسبت به مدل‌های ابری ۵.۳ برابر بهبود یافته است.
🔗 Reza Jafari (@rzdjafari)
#پژوهش #LLaMA
🔬 پژوهش جدید دانشگاه استنفورد نشان می‌دهد که ۷۱.۳ درصد از درخواست‌های ChatGPT توسط مدل‌های زبانی محلی (Local LLM) قابل پاسخ‌دهی است. این تحقیق با بررسی بیش از یک میلیون پرسش روی ۲۰ مدل مختلف، ثابت کرد که در صورت انتخاب هوشمندانه، مدل‌های لوکال تا ۸۸.۷ درصد دقت دارند.
⚡️ سرعت پیشرفت این مدل‌ها خیره‌کننده است؛ سهم توانایی آن‌ها در پاسخ‌گویی از ۲۳.۲ درصد در سال ۲۰۲۳ به وضعیت فعلی رسیده است. همچنین، بهره‌وری انرژی این مدل‌ها نسبت به مدل‌های ابری ۵.۳ برابر بهبود یافته است.
🔗 Reza Jafari (@rzdjafari)
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #LLaMA
🌐 رقابت داغ هوش مصنوعی میان چین و آمریکا
⚡ گزارش جدید Apollo نشان می‌دهد که رقابت در حوزه هوش مصنوعی به شدت در حال تغییر است. در حال حاضر ۲۰ مدل از ۵۰ مدل پرکاربرد جهان متعلق به چین است که نسبت به سال ۲۰۲۵ رشدی ۴۰۰ درصدی را تجربه کرده، در حالی که سهم مدل‌های آمریکایی از ۳۳ به ۲۸ مدل کاهش یافته است.
📊 آمارهای استفاده از مدل‌ها نیز بسیار جالب توجه است. در ماه ژوئن، میزان استفاده از مدل‌های چینی به ۹۸ تریلیون توکن رسید که رشدی ۱۱۳ درصدی را به صورت ماهانه نشان می‌دهد.
🧠 در مقابل، مدل‌های آمریکایی با رشدی ۴۳ درصدی به ۵۳ تریلیون توکن دست یافتند. این ارقام نشان می‌دهد که حجم مصرف توکن مدل‌های چینی اکنون ۸۵ درصد بیشتر از مدل‌های آمریکایی است که تغییری چشمگیر نسبت به ماه می محسوب می‌شود.
#گزارش #LLaMA
⚡ گزارش جدید Apollo نشان می‌دهد که رقابت در حوزه هوش مصنوعی به شدت در حال تغییر است. در حال حاضر ۲۰ مدل از ۵۰ مدل پرکاربرد جهان متعلق به چین است که نسبت به سال ۲۰۲۵ رشدی ۴۰۰ درصدی را تجربه کرده، در حالی که سهم مدل‌های آمریکایی از ۳۳ به ۲۸ مدل کاهش یافته است.
📊 آمارهای استفاده از مدل‌ها نیز بسیار جالب توجه است. در ماه ژوئن، میزان استفاده از مدل‌های چینی به ۹۸ تریلیون توکن رسید که رشدی ۱۱۳ درصدی را به صورت ماهانه نشان می‌دهد.
🧠 در مقابل، مدل‌های آمریکایی با رشدی ۴۳ درصدی به ۵۳ تریلیون توکن دست یافتند. این ارقام نشان می‌دهد که حجم مصرف توکن مدل‌های چینی اکنون ۸۵ درصد بیشتر از مدل‌های آمریکایی است که تغییری چشمگیر نسبت به ماه می محسوب می‌شود.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#گزارش #LLaMA
⚡ ️ مدل جدید Bonsai با فشرده‌سازی یک‌بیتی
🚀 دنیای مدل‌های زبانی محلی متحول شده است؛ مدل Bonsai 27B توسط تیم PrismML با استفاده از تکنیک 1-bit quantization (کاهش دقت اعداد مدل برای کاهش حجم) به اندازه‌ای کمتر از 4 گیگابایت رسیده است. این مدل با وجود کاهش حجم چشمگیر از 54 گیگابایت اولیه، حدود 90٪ کیفیت مدل اصلی را حفظ می‌کند.
⚡ ️ همچنین نسخه Ternary Bonsai 27B با حجم 5.9 گیگابایت عرضه شده که تا 95٪ کیفیت نسخه پایه را ارائه می‌دهد. این مدل‌ها فراتر از چت‌بات‌های ساده عمل کرده و از قابلیت‌های استدلال، کدنویسی و اجرای ابزارها (Tool calling) برای طراحی ایجنت‌های هوش مصنوعی پشتیبانی می‌کنند.
#خبر #LLaMA
🚀 دنیای مدل‌های زبانی محلی متحول شده است؛ مدل Bonsai 27B توسط تیم PrismML با استفاده از تکنیک 1-bit quantization (کاهش دقت اعداد مدل برای کاهش حجم) به اندازه‌ای کمتر از 4 گیگابایت رسیده است. این مدل با وجود کاهش حجم چشمگیر از 54 گیگابایت اولیه، حدود 90٪ کیفیت مدل اصلی را حفظ می‌کند.
⚡ ️ همچنین نسخه Ternary Bonsai 27B با حجم 5.9 گیگابایت عرضه شده که تا 95٪ کیفیت نسخه پایه را ارائه می‌دهد. این مدل‌ها فراتر از چت‌بات‌های ساده عمل کرده و از قابلیت‌های استدلال، کدنویسی و اجرای ابزارها (Tool calling) برای طراحی ایجنت‌های هوش مصنوعی پشتیبانی می‌کنند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #LLaMA
🚀 معرفی مدل قدرتمند Spark-X2.5-4B
مدل جدید Spark-X2.5-4B یک مدل فشرده ۴ میلیاردی است که با قابلیت پشتیبانی از کانتکست خیره‌کننده ۱ میلیون توکن، برای اجرا روی سیستم‌های شخصی بهینه شده است. این مدل علی‌رغم اندازه کوچک، در زمینه‌های استدلال، کدنویسی، استفاده از ابزار و عامل‌های هوشمند عملکرد قابل‌توجهی دارد.
مهم‌ترین نتایج بنچمارک این مدل:
- امتیاز ۴۴.۴ در SWE-Bench Pro
- امتیاز ۴۰.۹ در BrowseComp
- امتیاز ۹۰.۷ در AIME 2026
- امتیاز ۵۴.۶ در MCP-Atlas
این مدل از بیش از ۲۰۰ زبان پشتیبانی می‌کند و برای اجرا روی پردازنده‌های گرافیکی NVIDIA، پردازنده‌های Apple Silicon و لینوکس در دسترس است. فایل‌های نسخه GGUF نیز برای استفاده در پروژه‌هایی مانند llama.cpp منتشر شده‌اند که اجرای محلی آن را بسیار ساده می‌کند.
معرفی مدل Spark-X2.5-4B؛ هوش مصنوعی ۴ میلیاردی با کانتکست ۱ میلیون توکنی
#Spark_X2_5_4B #llama_cpp
مدل جدید Spark-X2.5-4B یک مدل فشرده ۴ میلیاردی است که با قابلیت پشتیبانی از کانتکست خیره‌کننده ۱ میلیون توکن، برای اجرا روی سیستم‌های شخصی بهینه شده است. این مدل علی‌رغم اندازه کوچک، در زمینه‌های استدلال، کدنویسی، استفاده از ابزار و عامل‌های هوشمند عملکرد قابل‌توجهی دارد.
مهم‌ترین نتایج بنچمارک این مدل:
- امتیاز ۴۴.۴ در SWE-Bench Pro
- امتیاز ۴۰.۹ در BrowseComp
- امتیاز ۹۰.۷ در AIME 2026
- امتیاز ۵۴.۶ در MCP-Atlas
این مدل از بیش از ۲۰۰ زبان پشتیبانی می‌کند و برای اجرا روی پردازنده‌های گرافیکی NVIDIA، پردازنده‌های Apple Silicon و لینوکس در دسترس است. فایل‌های نسخه GGUF نیز برای استفاده در پروژه‌هایی مانند llama.cpp منتشر شده‌اند که اجرای محلی آن را بسیار ساده می‌کند.
معرفی مدل Spark-X2.5-4B؛ هوش مصنوعی ۴ میلیاردی با کانتکست ۱ میلیون توکنی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Spark_X2_5_4B #llama_cpp
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 اجرای مدل‌های زبانی روی کنسول PS5
یک پروژه جدید با نام PS5LM منتشر شده که امکان اجرای مدل‌های زبانی محلی روی کنسول پلی‌استیشن ۵ را فراهم می‌کند.
نویسنده این پروژه توانسته مدل
پس از راه‌اندازی مدل، دسترسی به آن از طریق رابط کاربری وب در مرورگر کنسول یا دستگاه‌های دیگر در شبکه داخلی امکان‌پذیر است.
#PS5LM #llama_cpp
یک پروژه جدید با نام PS5LM منتشر شده که امکان اجرای مدل‌های زبانی محلی روی کنسول پلی‌استیشن ۵ را فراهم می‌کند.
نویسنده این پروژه توانسته مدل
Qwen 2.5 7b (نسخه کوانتایز شده) را روی این سخت‌افزار اجرا کند. سرعت خروجی در این حالت به حدود ۲۰ توکن در ثانیه می‌رسد. این پروژه در واقع پورتی از کتابخانه llama.cpp برای سیستم‌عامل کنسول است که به کاربر اجازه می‌دهد هر مدل با فرمت GGUF را روی دستگاه اجرا کند.پس از راه‌اندازی مدل، دسترسی به آن از طریق رابط کاربری وب در مرورگر کنسول یا دستگاه‌های دیگر در شبکه داخلی امکان‌پذیر است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#PS5LM #llama_cpp