🔍 جدیدترین تحولات دنیای هوش مصنوعی | تیر ۱۴۰۴
❇️🧠 شرکت OpenAI از Agent در ChatGPT رونمایی کرد
حالت جدید «Agent» در ChatGPT به بات اجازه می‌دهد وظایف چندمرحله‌ای مانند اجرای کد، تولید گزارش، کار با تقویم، ساخت ارائه و اتصال به Gmail و GitHub را با کمترین مداخله کاربر انجام دهد. این فناوری ترکیبی از تجربیات پروژه‌های قبلی OpenAI یعنی Operator و Deep Research است و بر پایه مدلی ویژه توسعه یافته که رکوردهایی در بنچ‌مارک‌های Humanity’s Last Exam و SpreadsheetBench ثبت کرده.
📌 در حال حاضر تنها برای کاربران Plus (۴۰ بار) و Pro (۴۰۰ بار) فعال است و هنوز در اروپا در دسترس نیست. پیش از اعمال عملیات بازگشت‌ناپذیر، تأیید کاربر گرفته می‌شود و امکان انجام تراکنش‌های مالی غیرفعال است.
🔗 openai.com
---
❇️ 🔎 شرکت Mistral حالت Deep Research را به Le Chat افزود
در حالت جدید «پژوهش عمیق»، بات می‌تواند پرس‌وجوهای چندمرحله‌ای انجام داده، منابع وب را تحلیل و خلاصه‌سازی کند. همچنین ویژگی‌هایی مانند پشتیبانی از استدلال چندزبانه، ابزارهای ویرایش تصویر و محیط جدید Projects برای مدیریت اسناد و چت‌ها افزوده شده.
📌 این قابلیت در همه پلن‌ها حتی رایگان نیز فعال است، اما تمرکز Mistral روی مشتریان سازمانی و اتصال محلی داده‌هاست.
🔗 mistral.ai
---
❇️ 🎧 شرکت Adobe امکانات صوتی و آواتار را به Firefly آورد
برنامه Firefly حالا می‌تواند با متن یا ریتم صوتی، افکت‌های صوتی تولید کرده و از سناریوها، آواتارهای ویدیویی بسازد. ابزارهای ویرایش سبک، کادربندی و ترکیب چند کلیپ نیز بهبود یافته‌اند.
📌 مدل ویدیویی Adobe حالا حرکات طبیعی‌تری تولید می‌کند و با Veo 3، Pika 2.2 و Luma Ray 2 یکپارچه شده است.
🔗 zdnet.com
---
❇️ 🤖 عامل هوشمند Asimov: مغز جمعی تیم‌های فنی
شرکت Reflection AI از «Asimov» رونمایی کرد: یک عامل هوش مصنوعی برای درک عمیق پروژه‌های مهندسی. برخلاف ابزارهای کدنویسی، Asimov به تحلیل کد، مستندات، گفتگوهای GitHub و تاریخچه چت‌ها می‌پردازد و به تیم اجازه می‌دهد دانش نانوشته را به اشتراک بگذارد.
📌 بر پایه معماری چندعاملی: عوامل کوچک داده‌کاوی می‌کنند و عامل اصلی پاسخ می‌سازد. در تست‌های کور، پاسخ‌های Asimov تا ۸۰٪ ترجیح داده شدند.
🔗 reflection.ai
---
❇️ 🧛♂️ شخصیت مرد جدید برای Grok معرفی شد
ایلان ماسک پس از عرضه Ani (دختر انیمه‌ای)، نسخه مرد این همراه مجازی را معرفی کرد. شخصیت جدید ترکیبی از «ادوارد کالن» در گرگ‌و‌میش و «کریستین گری» از ۵۰ سایه گری است — با حال و هوایی تیره‌تر و جدی‌تر.
📌 ماسک فعلاً در حال جمع‌آوری پیشنهاد برای نام این کاراکتر است.
🔗 مشاهده در X
---
📡
#اخبار #هوش_مصنوعی #یادگیری_ماشین #Agent #Firefly #Asimov #ChatGPT #Mistral
@asrgooyeshpardaz
❇️🧠 شرکت OpenAI از Agent در ChatGPT رونمایی کرد
حالت جدید «Agent» در ChatGPT به بات اجازه می‌دهد وظایف چندمرحله‌ای مانند اجرای کد، تولید گزارش، کار با تقویم، ساخت ارائه و اتصال به Gmail و GitHub را با کمترین مداخله کاربر انجام دهد. این فناوری ترکیبی از تجربیات پروژه‌های قبلی OpenAI یعنی Operator و Deep Research است و بر پایه مدلی ویژه توسعه یافته که رکوردهایی در بنچ‌مارک‌های Humanity’s Last Exam و SpreadsheetBench ثبت کرده.
📌 در حال حاضر تنها برای کاربران Plus (۴۰ بار) و Pro (۴۰۰ بار) فعال است و هنوز در اروپا در دسترس نیست. پیش از اعمال عملیات بازگشت‌ناپذیر، تأیید کاربر گرفته می‌شود و امکان انجام تراکنش‌های مالی غیرفعال است.
🔗 openai.com
---
❇️ 🔎 شرکت Mistral حالت Deep Research را به Le Chat افزود
در حالت جدید «پژوهش عمیق»، بات می‌تواند پرس‌وجوهای چندمرحله‌ای انجام داده، منابع وب را تحلیل و خلاصه‌سازی کند. همچنین ویژگی‌هایی مانند پشتیبانی از استدلال چندزبانه، ابزارهای ویرایش تصویر و محیط جدید Projects برای مدیریت اسناد و چت‌ها افزوده شده.
📌 این قابلیت در همه پلن‌ها حتی رایگان نیز فعال است، اما تمرکز Mistral روی مشتریان سازمانی و اتصال محلی داده‌هاست.
🔗 mistral.ai
---
❇️ 🎧 شرکت Adobe امکانات صوتی و آواتار را به Firefly آورد
برنامه Firefly حالا می‌تواند با متن یا ریتم صوتی، افکت‌های صوتی تولید کرده و از سناریوها، آواتارهای ویدیویی بسازد. ابزارهای ویرایش سبک، کادربندی و ترکیب چند کلیپ نیز بهبود یافته‌اند.
📌 مدل ویدیویی Adobe حالا حرکات طبیعی‌تری تولید می‌کند و با Veo 3، Pika 2.2 و Luma Ray 2 یکپارچه شده است.
🔗 zdnet.com
---
❇️ 🤖 عامل هوشمند Asimov: مغز جمعی تیم‌های فنی
شرکت Reflection AI از «Asimov» رونمایی کرد: یک عامل هوش مصنوعی برای درک عمیق پروژه‌های مهندسی. برخلاف ابزارهای کدنویسی، Asimov به تحلیل کد، مستندات، گفتگوهای GitHub و تاریخچه چت‌ها می‌پردازد و به تیم اجازه می‌دهد دانش نانوشته را به اشتراک بگذارد.
📌 بر پایه معماری چندعاملی: عوامل کوچک داده‌کاوی می‌کنند و عامل اصلی پاسخ می‌سازد. در تست‌های کور، پاسخ‌های Asimov تا ۸۰٪ ترجیح داده شدند.
🔗 reflection.ai
---
❇️ 🧛♂️ شخصیت مرد جدید برای Grok معرفی شد
ایلان ماسک پس از عرضه Ani (دختر انیمه‌ای)، نسخه مرد این همراه مجازی را معرفی کرد. شخصیت جدید ترکیبی از «ادوارد کالن» در گرگ‌و‌میش و «کریستین گری» از ۵۰ سایه گری است — با حال و هوایی تیره‌تر و جدی‌تر.
📌 ماسک فعلاً در حال جمع‌آوری پیشنهاد برای نام این کاراکتر است.
🔗 مشاهده در X
---
📡
#اخبار #هوش_مصنوعی #یادگیری_ماشین #Agent #Firefly #Asimov #ChatGPT #Mistral
@asrgooyeshpardaz
❤9👍2🎉1
📌 مدل Cua-S1-4B-0.2 معرفی شد؛ مدلی کوچک برای کار با کامپیوتر
تیم Cua مدل Cua-S1-4B-0.2 را معرفی کرد. به گفته سازنده‌ها، این اولین مدل تصمیم‌گیری چندوجهی است که با روش RLOO روی وظایف کار با کامپیوتر آموزش دیده است. در این آموزش، مدل فقط وقتی پاداش می‌گیرد که وظیفه را کامل انجام دهد.
این مدل یک مدل تصمیم‌گیری است و متن تولید نمی‌کند. در هر مرحله از بین گزینه‌های مشخص، یک اقدام را انتخاب می‌کند. از نظر فنی، دو آداپتور LoRA (متنی و چندوجهی) روی مدل Qwen3.5-4B است.
⚙️ نحوه کار
• مدل در هر مرحله تصویر صفحه، هدف وظیفه و چند اقدام پیشنهادی از پیش تعیین‌شده را دریافت می‌کند.
• از بین آن‌ها یک اقدام را انتخاب می‌کند. سپس محیط تغییر می‌کند و مرحله بعد از وضعیت جدید شروع می‌شود.
🧠 روش آموزش دومرحله‌ای
• آموزش نظارت‌شده (Supervised) برای یادگرفتن قالب تصمیم‌گیری
• یادگیری تقویتی عامل‌محور (Agentic RL) در محیط‌های زنده cua-bench-basic که فقط تکمیل کامل وظیفه پاداش دارد
📊 عملکرد
• ۱۷ از ۱۸ وظیفه متنی و ۱۳ از ۱۸ وظیفه چندوجهی را کامل کرد. مدل djev (یک API تصمیم‌گیری مبتنی بر DiffusionGemma) بدون آموزش خاص ۱۶ و ۱۲ وظیفه را کامل کرده بود.
• روی ۱۶۸ وظیفه چندوجهی از مجموعه GUI-360 به دقت ۹۲.۹٪ رسید، در حالی که djev ۶۰.۱٪ گرفت. در هر دو حالت ورودی‌ها و روش امتیازدهی یکسان بود و از درخت دسترسی‌پذیری (Accessibility Tree) استفاده نشد.
🔓 متن‌باز
کد آموزش و نتایج بنچمارک به مخزن Cua اضافه شده‌اند. آداپتورها هم با مجوز Apache-2.0 منتشر شده‌اند.
🔗 لینک کد در GitHub
🔗 لینک مدل در Hugging Face
🔗 لینک توییت
#AI #ComputerUse #Agent #OpenSource #Cua
🆔 @asrgooyeshpardaz
تیم Cua مدل Cua-S1-4B-0.2 را معرفی کرد. به گفته سازنده‌ها، این اولین مدل تصمیم‌گیری چندوجهی است که با روش RLOO روی وظایف کار با کامپیوتر آموزش دیده است. در این آموزش، مدل فقط وقتی پاداش می‌گیرد که وظیفه را کامل انجام دهد.
این مدل یک مدل تصمیم‌گیری است و متن تولید نمی‌کند. در هر مرحله از بین گزینه‌های مشخص، یک اقدام را انتخاب می‌کند. از نظر فنی، دو آداپتور LoRA (متنی و چندوجهی) روی مدل Qwen3.5-4B است.
⚙️ نحوه کار
• مدل در هر مرحله تصویر صفحه، هدف وظیفه و چند اقدام پیشنهادی از پیش تعیین‌شده را دریافت می‌کند.
• از بین آن‌ها یک اقدام را انتخاب می‌کند. سپس محیط تغییر می‌کند و مرحله بعد از وضعیت جدید شروع می‌شود.
🧠 روش آموزش دومرحله‌ای
• آموزش نظارت‌شده (Supervised) برای یادگرفتن قالب تصمیم‌گیری
• یادگیری تقویتی عامل‌محور (Agentic RL) در محیط‌های زنده cua-bench-basic که فقط تکمیل کامل وظیفه پاداش دارد
📊 عملکرد
• ۱۷ از ۱۸ وظیفه متنی و ۱۳ از ۱۸ وظیفه چندوجهی را کامل کرد. مدل djev (یک API تصمیم‌گیری مبتنی بر DiffusionGemma) بدون آموزش خاص ۱۶ و ۱۲ وظیفه را کامل کرده بود.
• روی ۱۶۸ وظیفه چندوجهی از مجموعه GUI-360 به دقت ۹۲.۹٪ رسید، در حالی که djev ۶۰.۱٪ گرفت. در هر دو حالت ورودی‌ها و روش امتیازدهی یکسان بود و از درخت دسترسی‌پذیری (Accessibility Tree) استفاده نشد.
🔓 متن‌باز
کد آموزش و نتایج بنچمارک به مخزن Cua اضافه شده‌اند. آداپتورها هم با مجوز Apache-2.0 منتشر شده‌اند.
🔗 لینک کد در GitHub
🔗 لینک مدل در Hugging Face
🔗 لینک توییت
#AI #ComputerUse #Agent #OpenSource #Cua
🆔 @asrgooyeshpardaz
GitHub
cua/libs/cua-s1 at main · trycua/cua
Scale computer-use 2.0 with open-source drivers, cross-OS fleets, and benchmarks for training, evaluation, and data generation. - trycua/cua
❤3👏1
This media is not supported in your browser
VIEW IN TELEGRAM
📌 شکست Ender Dragon با Jev و Astra در ۸ دقیقه و ۴۳ ثانیه
یک توسعه‌دهنده با ترکیب مدل تصمیم‌گیری Jev و مدل GPT-6 Astra عاملی ساخته که Ender Dragon را در ۸ دقیقه و ۴۳ ثانیه شکست می‌دهد. هزینه اجرا ۰.۹۷ دلار بود.
⚙️ نحوه کار
• مدل Astra هدف، آیتم‌های لازم و مسیر حرکت را تعیین می‌کند.
• مدل Jev اقدام بعدی را انتخاب می‌کند؛ از حرکت و استخراج بلوک تا ساخت آیتم و مبارزه.
• عامل از داده‌های بازی و کتابخانه Mineflayer استفاده می‌کند، نه تصاویر صفحه و فشردن مستقیم کلیدها.
🧠 یادگیری از شکست
پس از هر شکست، Astra مهارت‌هایی در قالب فایل‌های mjs می‌ساخت تا عامل در تلاش‌های بعدی از آن‌ها استفاده کند.
📊 جزئیات اجرا
• ۱۳۱ تصمیم Jev و ۳۵ فراخوانی Astra
• ۴۰٪ سریع‌تر از رکورد قبلی ۱۴ دقیقه و ۳۱ ثانیه‌ای
• اجرا در حالت Peaceful و با یک seed شناخته‌شده انجام شد.
🔗 کد پروژه
🔗 توییت اصلی
#AI #Minecraft #Agent #Jev #Astra #OpenSource
🆔 @asrgooyeshpardaz
یک توسعه‌دهنده با ترکیب مدل تصمیم‌گیری Jev و مدل GPT-6 Astra عاملی ساخته که Ender Dragon را در ۸ دقیقه و ۴۳ ثانیه شکست می‌دهد. هزینه اجرا ۰.۹۷ دلار بود.
⚙️ نحوه کار
• مدل Astra هدف، آیتم‌های لازم و مسیر حرکت را تعیین می‌کند.
• مدل Jev اقدام بعدی را انتخاب می‌کند؛ از حرکت و استخراج بلوک تا ساخت آیتم و مبارزه.
• عامل از داده‌های بازی و کتابخانه Mineflayer استفاده می‌کند، نه تصاویر صفحه و فشردن مستقیم کلیدها.
🧠 یادگیری از شکست
پس از هر شکست، Astra مهارت‌هایی در قالب فایل‌های mjs می‌ساخت تا عامل در تلاش‌های بعدی از آن‌ها استفاده کند.
📊 جزئیات اجرا
• ۱۳۱ تصمیم Jev و ۳۵ فراخوانی Astra
• ۴۰٪ سریع‌تر از رکورد قبلی ۱۴ دقیقه و ۳۱ ثانیه‌ای
• اجرا در حالت Peaceful و با یک seed شناخته‌شده انجام شد.
🔗 کد پروژه
🔗 توییت اصلی
#AI #Minecraft #Agent #Jev #Astra #OpenSource
🆔 @asrgooyeshpardaz
🆒4🌭1🍌1