🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #11 | 📌 5 آیتم گزارش | 🧾 از 28 پست بررسی‌شده
🕐 جمعه 1405/08/08 ساعت 14:00 تا یکشنبه 1405/08/10 ساعت 14:00
انتخاب الگوریتم بچینگ در موتورهای استنتاج LLM
بازسازی پویای بچ‌ها در هر گام پردازشی، اتلاف توان محاسباتی GPU را هنگام پاسخ‌دهی هم‌زمان به درخواست‌هایی با طول متغیر برطرف می‌کند. این روش معماری سروینگ را از صف‌بندی ایستا نجات می‌دهد، اما بهینه‌سازی واقعی آن منوط به مدیریت دقیق حافظه KV-Cache در ترافیک بالا است. انتخاب این ابزارها برای تیم‌های فنی، هزینه زیرساخت استنتاج را مستقیماً کاهش می‌دهد.
ارزیابی مدل Fern 0.1 با پنجره بافت ۱۰ میلیونی
افزایش ظرفیت ورودی به ۱۰ میلیون توکن امکان تحلیل یکباره کدهای حجیم و لاگ‌های طولانی را فراهم می‌کند، اما کسب امتیاز پایین ۶.۱ در بنچمارک استدلال نشان می‌دهد نباید حجم بافت را با کیفیت خروجی اشتباه گرفت. مهندسان داده برای تحلیل‌های دقیق نباید استدلال مدل را فدای پنجره بافت بزرگ‌تر کنند و استفاده از آن فقط برای پردازش اولیه داده خام مناسب است.
🔬 توسعه مدل‌ها و زیرساخت‌های استنتاج
بهینه‌سازی توان استنتاج LLM با بچینگ پیوسته
موتورهای vLLM و SGLang با بازسازی پویای بچ‌ها در هر گام، توان عملیاتی پردازش توکن را تا ۲۳ برابر افزایش می‌دهند.
انتشار وزن‌های مدل ۱ تریلیون پارامتری Mistral Large 4
مسترال وزن‌های مدل Large 4 را در هاگینگ‌فیس منتشر کرد و امکان میزبانی محلی و کاهش هزینه API را فراهم آورد.
معرفی مدل Fern 0.1 با پنجره بافت ۱۰ میلیون توکنی
استارتاپ Mirendil مدلی با ظرفیت ۲۳ مگابایت کد معرفی کرد که به دلیل مراحل اولیه آموزش، امتیاز بنچمارک پایینی دارد.
متن‌باز شدن مدل دنیای Hy-Nomas توسط تنسنت
تنسنت مدل کنترل ویدیو Hy-Nomas را تحت مجوز Apache 2.0 منتشر کرد که امکان اجرا روی یک کارت RTX 4090 را دارد.
انتشار رایگان ترجمه فارسی کتاب یادگیری عمیق با پایتون
نسخه آنلاین و رایگان ویرایش سوم کتاب فرانسوا شوله به زبان فارسی همراه با لینک نوت‌بوک‌های عملی در دسترس قرار گرفت.
🗂 گزارش #11 | 📌 5 آیتم گزارش | 🧾 از 28 پست بررسی‌شده
🕐 جمعه 1405/08/08 ساعت 14:00 تا یکشنبه 1405/08/10 ساعت 14:00
انتخاب الگوریتم بچینگ در موتورهای استنتاج LLM
بازسازی پویای بچ‌ها در هر گام پردازشی، اتلاف توان محاسباتی GPU را هنگام پاسخ‌دهی هم‌زمان به درخواست‌هایی با طول متغیر برطرف می‌کند. این روش معماری سروینگ را از صف‌بندی ایستا نجات می‌دهد، اما بهینه‌سازی واقعی آن منوط به مدیریت دقیق حافظه KV-Cache در ترافیک بالا است. انتخاب این ابزارها برای تیم‌های فنی، هزینه زیرساخت استنتاج را مستقیماً کاهش می‌دهد.
ارزیابی مدل Fern 0.1 با پنجره بافت ۱۰ میلیونی
افزایش ظرفیت ورودی به ۱۰ میلیون توکن امکان تحلیل یکباره کدهای حجیم و لاگ‌های طولانی را فراهم می‌کند، اما کسب امتیاز پایین ۶.۱ در بنچمارک استدلال نشان می‌دهد نباید حجم بافت را با کیفیت خروجی اشتباه گرفت. مهندسان داده برای تحلیل‌های دقیق نباید استدلال مدل را فدای پنجره بافت بزرگ‌تر کنند و استفاده از آن فقط برای پردازش اولیه داده خام مناسب است.
🔬 توسعه مدل‌ها و زیرساخت‌های استنتاج
بهینه‌سازی توان استنتاج LLM با بچینگ پیوسته
موتورهای vLLM و SGLang با بازسازی پویای بچ‌ها در هر گام، توان عملیاتی پردازش توکن را تا ۲۳ برابر افزایش می‌دهند.
انتشار وزن‌های مدل ۱ تریلیون پارامتری Mistral Large 4
مسترال وزن‌های مدل Large 4 را در هاگینگ‌فیس منتشر کرد و امکان میزبانی محلی و کاهش هزینه API را فراهم آورد.
معرفی مدل Fern 0.1 با پنجره بافت ۱۰ میلیون توکنی
استارتاپ Mirendil مدلی با ظرفیت ۲۳ مگابایت کد معرفی کرد که به دلیل مراحل اولیه آموزش، امتیاز بنچمارک پایینی دارد.
متن‌باز شدن مدل دنیای Hy-Nomas توسط تنسنت
تنسنت مدل کنترل ویدیو Hy-Nomas را تحت مجوز Apache 2.0 منتشر کرد که امکان اجرا روی یک کارت RTX 4090 را دارد.
انتشار رایگان ترجمه فارسی کتاب یادگیری عمیق با پایتون
نسخه آنلاین و رایگان ویرایش سوم کتاب فرانسوا شوله به زبان فارسی همراه با لینک نوت‌بوک‌های عملی در دسترس قرار گرفت.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
👓 رونمایی از عینک XR مدل AURA توسط گوگل و XREAL
گوگل و XREAL از عینک واقعیت گسترده (XR) مدل AURA رونمایی کردند. این دستگاه از نمایشگرهای شفاف با میدان دید ۷۰ درجه برای نمایش رابط‌های دیجیتال استفاده می‌کند و به عنوان جایگزینی برای مانیتورهای فیزیکی طراحی شده است.
پردازش دستگاه توسط واحدی خارجی با معماری Snapdragon Reality Elite انجام می‌شود. دستیار هوشمند Gemini به صورت مداوم محیط و محتوای نمایشگرها را تحلیل می‌کند تا تعامل با پنجره‌های کاری تسهیل شود. از ویژگی‌های فنی این عینک می‌توان به موارد زیر اشاره کرد:
- قابلیت Wired Mirroring برای اتصال مستقیم لپ‌تاپ از طریق USB-C
- پشتیبانی از اندروید XR و دسترسی به Google Play
- اتصال لوازم جانبی بلوتوثی
- عرضه در دو نسخه حافظه ۱۲/۲۵۶ و ۱۶/۵۱۲ گیگابایت
قیمت این محصول از ۱۰۹۹ دلار آغاز می‌شود و عرضه آن در بازارهای منتخب از اواسط نوامبر شروع خواهد شد.
#XREAL_AURA #Snapdragon_Reality_Elite
گوگل و XREAL از عینک واقعیت گسترده (XR) مدل AURA رونمایی کردند. این دستگاه از نمایشگرهای شفاف با میدان دید ۷۰ درجه برای نمایش رابط‌های دیجیتال استفاده می‌کند و به عنوان جایگزینی برای مانیتورهای فیزیکی طراحی شده است.
پردازش دستگاه توسط واحدی خارجی با معماری Snapdragon Reality Elite انجام می‌شود. دستیار هوشمند Gemini به صورت مداوم محیط و محتوای نمایشگرها را تحلیل می‌کند تا تعامل با پنجره‌های کاری تسهیل شود. از ویژگی‌های فنی این عینک می‌توان به موارد زیر اشاره کرد:
- قابلیت Wired Mirroring برای اتصال مستقیم لپ‌تاپ از طریق USB-C
- پشتیبانی از اندروید XR و دسترسی به Google Play
- اتصال لوازم جانبی بلوتوثی
- عرضه در دو نسخه حافظه ۱۲/۲۵۶ و ۱۶/۵۱۲ گیگابایت
قیمت این محصول از ۱۰۹۹ دلار آغاز می‌شود و عرضه آن در بازارهای منتخب از اواسط نوامبر شروع خواهد شد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#XREAL_AURA #Snapdragon_Reality_Elite
🐳 انتشار کدهای منبع ایجنت هوش مصنوعی DeepSeek
تیم DeepSeek کدهای منبع پروژه‌ای آزمایشی به نام dsh-superagent را منتشر کرده است؛ سیستمی که برای خودکارسازی فرآیند توسعه نرم‌افزار در تیم‌ها طراحی شده و بر پایه DeepSeek Harness توسعه یافته است.
این ایجنت برخلاف دستیارهای برنامه‌نویسی معمول، نیازی به دریافت دستی دستورات در چت ندارد و می‌تواند به طور مستقل با محیط توسعه تعامل کند. مهم‌ترین قابلیت‌های این سیستم عبارتند از:
- پایش رویدادهای GitHub و پیام‌های پلتفرم Feishu
- پذیرش خودکار وظایف از اعضای مجاز تیم
- ایجاد نشست‌های کاری اختصاصی برای هر تسک
- اعمال تغییرات در کد و آماده‌سازی Pull Request
- ارائه گزارش پیشرفت در فضای گفتگو و نمایش تسک‌های نیازمند مداخله انسانی در پنل وب
طبق اعلام سازندگان، بخش‌هایی از کدهای این پروژه توسط خود ایجنت‌های هوش مصنوعی نوشته شده است. این ابزار در حال حاضر یک نمونه اولیه تحقیقاتی محسوب می‌شود و برای استفاده در محیط‌های عملیاتی (Production) طراحی نشده است. توسعه این پروژه با استفاده از TypeScript انجام شده و تحت مجوز MIT در دسترس است.
🇮🇷 تلگرام
تیم DeepSeek کدهای منبع پروژه‌ای آزمایشی به نام dsh-superagent را منتشر کرده است؛ سیستمی که برای خودکارسازی فرآیند توسعه نرم‌افزار در تیم‌ها طراحی شده و بر پایه DeepSeek Harness توسعه یافته است.
این ایجنت برخلاف دستیارهای برنامه‌نویسی معمول، نیازی به دریافت دستی دستورات در چت ندارد و می‌تواند به طور مستقل با محیط توسعه تعامل کند. مهم‌ترین قابلیت‌های این سیستم عبارتند از:
- پایش رویدادهای GitHub و پیام‌های پلتفرم Feishu
- پذیرش خودکار وظایف از اعضای مجاز تیم
- ایجاد نشست‌های کاری اختصاصی برای هر تسک
- اعمال تغییرات در کد و آماده‌سازی Pull Request
- ارائه گزارش پیشرفت در فضای گفتگو و نمایش تسک‌های نیازمند مداخله انسانی در پنل وب
طبق اعلام سازندگان، بخش‌هایی از کدهای این پروژه توسط خود ایجنت‌های هوش مصنوعی نوشته شده است. این ابزار در حال حاضر یک نمونه اولیه تحقیقاتی محسوب می‌شود و برای استفاده در محیط‌های عملیاتی (Production) طراحی نشده است. توسعه این پروژه با استفاده از TypeScript انجام شده و تحت مجوز MIT در دسترس است.
🇮🇷 تلگرام
🧐 نتایج نظرسنجی DeepMind درباره انگیزه کار در عصر AI
جولیان جیکوبز از گوگل دیپ‌مایند در پژوهشی روی ۸,۲۳۴ نفر در کشورهای بریتانیا، آمریکا، دانمارک و هند، به بررسی وابستگی افراد به شغل‌شان پرداخته است. یافته‌های این مطالعه نشان می‌دهد که یک‌پنجم شاغلان حتی در صورت دریافت ۱۲۰ درصد از حقوق فعلی‌شان برای ترک کار، همچنان حاضر به استعفا نیستند.
نتایج نشان می‌دهد انگیزه‌های افراد برای کار کردن متفاوت است:
- ۲۵٪ به دلیل درآمد
- ۳۳٪ به دلیل ماهیت خودِ کار
- ۲۵٪ به دلیل تعامل با همکاران
- ۱۷٪ به دلیل جایگاه اجتماعی
این الگوهای انگیزشی در سطوح مختلف درآمدی و در مشاغل یقه سفید و یقه آبی یکسان است. نویسنده این گزارش تحلیلی نتیجه می‌گیرد که اگر هوش مصنوعی مشاغل را جایگزین کند، درآمد پایه ممکن است لازم باشد، اما این جایگزینی نمی‌تواند جایگاه و ارزش‌های روانیِ کار را برای انسان جبران کند.
#GoogleDeepMind #درآمد_پایه
جولیان جیکوبز از گوگل دیپ‌مایند در پژوهشی روی ۸,۲۳۴ نفر در کشورهای بریتانیا، آمریکا، دانمارک و هند، به بررسی وابستگی افراد به شغل‌شان پرداخته است. یافته‌های این مطالعه نشان می‌دهد که یک‌پنجم شاغلان حتی در صورت دریافت ۱۲۰ درصد از حقوق فعلی‌شان برای ترک کار، همچنان حاضر به استعفا نیستند.
نتایج نشان می‌دهد انگیزه‌های افراد برای کار کردن متفاوت است:
- ۲۵٪ به دلیل درآمد
- ۳۳٪ به دلیل ماهیت خودِ کار
- ۲۵٪ به دلیل تعامل با همکاران
- ۱۷٪ به دلیل جایگاه اجتماعی
این الگوهای انگیزشی در سطوح مختلف درآمدی و در مشاغل یقه سفید و یقه آبی یکسان است. نویسنده این گزارش تحلیلی نتیجه می‌گیرد که اگر هوش مصنوعی مشاغل را جایگزین کند، درآمد پایه ممکن است لازم باشد، اما این جایگزینی نمی‌تواند جایگاه و ارزش‌های روانیِ کار را برای انسان جبران کند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#GoogleDeepMind #درآمد_پایه
❤1
🤖 دوره رایگان ساخت عوامل برنامه‌نویس قابل‌اطمینان
دوره آموزشی Learn Harness Engineering با تمرکز بر زیرساخت‌های جانبی مدل‌های زبانی مانند دستورالعمل‌ها، ابزارها، مدیریت حافظه و بررسی خروجی، منتشر شده است. این محتوا شامل ۱۴ درس و ۸ پروژه عملی به ۱۵ زبان مختلف است و تحت مجوز MIT در دسترس قرار دارد.
مهم‌ترین مباحث این دوره عبارتند از:
* ایجاد حلقه بازخورد که در آن یک عامل وظایف را انجام داده و عامل دیگر آن‌ها را بررسی می‌کند.
* توسعه ساختار به یک گراف با مراحل موازی، مسیر بازگشت به عقب (rollback) و تایید انسانی.
* تحلیل فنی نحوه عملکرد AGENTS.md برای مستندسازی لیست ویژگی‌ها و مراحل تایید پروژه.
* بررسی معماری ابزارهایی نظیر Claude Code، Codex، DeepSeek و Pi در طراحی سیستم‌های عامل.
این دوره بر پایه مقالات مهندسی OpenAI و Anthropic درباره طراحی محیط‌های اجرا (Harness) تدوین شده است.
#LearnHarnessEngineering #ClaudeCode
دوره آموزشی Learn Harness Engineering با تمرکز بر زیرساخت‌های جانبی مدل‌های زبانی مانند دستورالعمل‌ها، ابزارها، مدیریت حافظه و بررسی خروجی، منتشر شده است. این محتوا شامل ۱۴ درس و ۸ پروژه عملی به ۱۵ زبان مختلف است و تحت مجوز MIT در دسترس قرار دارد.
مهم‌ترین مباحث این دوره عبارتند از:
* ایجاد حلقه بازخورد که در آن یک عامل وظایف را انجام داده و عامل دیگر آن‌ها را بررسی می‌کند.
* توسعه ساختار به یک گراف با مراحل موازی، مسیر بازگشت به عقب (rollback) و تایید انسانی.
* تحلیل فنی نحوه عملکرد AGENTS.md برای مستندسازی لیست ویژگی‌ها و مراحل تایید پروژه.
* بررسی معماری ابزارهایی نظیر Claude Code، Codex، DeepSeek و Pi در طراحی سیستم‌های عامل.
این دوره بر پایه مقالات مهندسی OpenAI و Anthropic درباره طراحی محیط‌های اجرا (Harness) تدوین شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما
#LearnHarnessEngineering #ClaudeCode