dataplusscience | Unsorted

Telegram-канал dataplusscience - علم داده (Data Science)

6108

🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد): ‏📩 @Contact2Mebot 💯 کانال دوم ما: @Datascientists_Files 💎 در پیام‌رسان بله(آپدیت اتومات): https://ble.ir/dataplusscience 💡 در پیام‌رسان ایتا(آپدیت اتومات): https://eitaa.com/DataPlusScience

Subscribe to a channel

علم داده (Data Science)

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #96 | 📌 8 آیتم گزارش | 🧾 از 24 پست بررسی‌شده
🕐 سه‌شنبه 1405/06/03 ساعت 14:00 تا چهارشنبه 1405/06/04 ساعت 14:00

🤖 مدل‌ها و الگوریتم‌های نوین


معرفی مدل‌های جدید GigaEmbeddings در سه سایز مختلف با لایسنس MIT که تحولی بزرگ در سیستم‌های RAG و جستجوی معنایی ایجاد کرده و در بنچمارک‌های مختلف مورد بررسی قرار گرفته‌اند.
🔗 مطالعه کامل در سایت

سیستم FreeToken با بهینه‌سازی منابع لبه، اجرای مدل‌های بزرگ MoE را روی سخت‌افزارهای معمولی و بدون نیاز به کلاود، تا ۴ برابر سریع‌تر از ابزار Ollama امکان‌پذیر می‌سازد.
🔗 مطالعه کامل در سایت

مدل هوش مصنوعی GigaChat 3.5 Ultra با قبولی در آزمون دشوار امنیت اطلاعات، توانمندی بالای خود را در سناریوهای واقعی حفاظت از داده‌ها و مدیریت رخدادهای امنیتی به اثبات رساند.
🔗 مطالعه کامل در سایت

شرکت OpenAI در به‌روزرسانی جدیدی تعرفه‌های استفاده از API مدل GPT-5.6 را کاهش داد؛ هزینه ورودی ۲۰ درصد و هزینه خروجی ۳۳ درصد کاهش یافته و این تعرفه‌ها تا نوامبر ثابت می‌مانند.
🔗 مشاهده پست


⚙️ زیرساخت‌ها و معماری هوش مصنوعی

اسپیس‌اکس با پروژه Starmind در حال برنامه‌ریزی برای انتقال دیتاسنترهای هوش مصنوعی به مدار زمین با استفاده از ماهواره‌های مجهز به پردازنده‌های گرافیکی Rubin انویدیا است.
🔗 مشاهده پست

بررسی نقش حیاتی زیرساخت Agent Harness به عنوان ستون فقرات عملیاتی هوش مصنوعی در اجرای وظایف پیچیده و طولانی‌مدت، فراتر از خود مدل‌های زبانی بزرگ.
🔗 مطالعه کامل در سایت


⚖️ امنیت، حقوق و مدیریت دانش

راهنمای جامع ساخت «مغز سازمانی» هوشمند برای یکپارچه‌سازی دانش پراکنده در چت‌های هوش مصنوعی شخصی و تبدیل آن به سیستمی منسجم جهت یادگیری تیمی و جلوگیری از تکرار اشتباهات.
🔗 مطالعه کامل در سایت

دادستان کل آلاباما تحقیقات گسترده‌ای را علیه OpenAI و سم آلتمن آغاز کرده است؛ این پرونده به دلیل نقش احتمالی یک مدل آزمایشی بدون نظارت در هک شرکت Hugging Face تشکیل شده است.
🔗 مشاهده پست


📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏🎨 تبدیل تصاویر به استیکر با هوش مصنوعی

‏قابلیت جدید ChatGPT به شما اجازه می‌دهد از هر عکس یا ایده ذهنی، استیکرهای جذاب بسازید. در نسخه جدید ChatGPT Images 2.0، حالتی به نام Stickers اضافه شده که به کاربران امکان می‌دهد با انتخاب یکی از ۱۸ سبک مختلف (مانند 3D یا انیمه)، استیکرهایی با پس‌زمینه شفاف تولید کنند.

‏مهم‌ترین ویژگی‌های این قابلیت:
‏- تولید استیکر از طریق آپلود عکس یا توصیف متنی.
‏- امکان خروجی گرفتن برای پیام‌رسان‌هایی مثل iMessage و WhatsApp.
‏- دسترسی به قابلیت حذف پس‌زمینه برای تمامی تصاویر تولیدی.

‏این ابزار هم‌اکنون در نسخه موبایل اپلیکیشن ChatGPT به صورت رایگان در دسترس کاربران سراسر جهان قرار گرفته است. تغییرات جدید نشان‌دهنده تمرکز بیشتر OpenAI بر ابزارهای کاربردی و خلاقانه برای استفاده‌های روزمره است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#ChatGPT_Images #استیکر

Читать полностью…

علم داده (Data Science)

‏🚀 بررسی سخت‌افزارهای جدید اپل برای هوش مصنوعی

‏شرکت اپل نسل جدید تراشه‌های خود یعنی M6 و M5 را معرفی کرد که تغییرات قابل‌توجهی در سرعت پردازش مدل‌های هوش مصنوعی ایجاد کرده‌اند. این به‌روزرسانی‌ها به ویژه در سرعت Prompt processing تا ۴.۸ برابر نسبت به نسل قبل بهبود یافته‌اند.

‏مهم‌ترین مشخصات سخت‌افزاری:

‏* تراشه M6: دارای ۱۲ هسته CPU و ۱۲ هسته GPU که با ۳۲ گیگابایت حافظه یکپارچه، اجرای مدل‌های 7B تا 14B و مدل‌های کوانتایز شده 27B-32B را به راحتی ممکن می‌کند.
‏* تراشه M5 Pro: با حداکثر ۱۸ هسته CPU و ۲۰ هسته GPU، گزینه مناسبی برای اجرای مدل‌های 70B با کوانتایز 4-bit است که به حدود ۴۰ گیگابایت حافظه نیاز دارند.
‏* تراشه M5 Ultra: غول پردازشی اپل با پشتیبانی از ۵۱۲ گیگابایت حافظه یکپارچه که برای پردازش مدل‌های سنگین MoE و کاربردهای حرفه‌ای طراحی شده است.

‏مدل‌های جدید Mac mini با این تراشه‌ها، اکنون از اتصال همزمان به سه نمایشگر پشتیبانی می‌کنند و در کانفیگ‌های مختلف برای نیازهای متنوع یادگیری ماشین در دسترس هستند.

📚 مطالعه با جزئیات بیشتر

Читать полностью…

علم داده (Data Science)

‏⚡️ ورود شیائومی به بازار سخت‌افزارهای هوش مصنوعی

‏شرکت شیائومی به‌تازگی از نمونه اولیه کامپیوتر هوش مصنوعی خود با نام Xiaomi AI Cube رونمایی کرده است. این دستگاه به‌عنوان رقیبی مستقیم برای NVIDIA DGX Spark طراحی شده و هدف آن اجرای محلی و بدون نیاز به فضای ابری مدل‌های بزرگ زبانی است.

‏مهم‌ترین ویژگی‌های فنی این سخت‌افزار عبارتند از:

‏* معماری سه هسته‌ای: بهره‌گیری از چیپ‌های اختصاصی Xuanjie شامل O3، O100 و D100 برای پردازش‌های هماهنگ.
‏* مدیریت هوشمند مدل‌ها: پشتیبانی هم‌زمان از مدل‌های ۱۲۰ میلیارد پارامتری (120B) و مدل‌های سبک ۳ میلیارد پارامتری (3B) با قابلیت سوییچ خودکار برای بهینه‌سازی سرعت و دقت.
‏* طراحی مهندسی: استفاده از بدنه آلومینیومی با طراحی CNC دقیق که امکان ارائه ۱۵۰ وات عملکرد پایدار را فراهم می‌کند.

‏این اقدام شیائومی در جهت خودکفایی زیرساختی، دقیقاً همان مسیری است که پیش‌تر تحلیلگران حوزه سخت‌افزار درباره کاهش وابستگی به تراشه‌های آمریکایی پیش‌بینی کرده بودند. این کامپیوتر می‌تواند نقطه عطفی برای استقرار سریع و ایمن مدل‌های AI در مقیاس محلی باشد.

📊 Data➕Science

Читать полностью…

علم داده (Data Science)

‏📊 ردپای هوش مصنوعی در سبک نوشتار وب

‏رشد محتوای تولید شده توسط هوش مصنوعی، اثر انگشت خاصی را در متون وب به‌جا گذاشته است. طبق تحلیل‌های Pew Research، با مقایسه وضعیت اینترنت امروز نسبت به سال ۲۰۲۳، الگوهای نگارشی زیر افزایش چشمگیری داشته‌اند:

‏• استفاده از خط تیره (Em dash) حدود دو برابر شده است.
‏• کاربرد ویرگول آکسفورد (Oxford comma) بیش از ۶۳ درصد افزایش یافته است.
‏• برخی واژگان محبوب مدل‌های زبانی مانند "delve"، "interplay" و "testament" بیش از دو برابر در متون تکرار می‌شوند.
‏• ساختارهای تقابلی منفی (مانند "نه تنها X، بلکه Y") نزدیک به سه برابر رشد داشته‌اند.

‏به‌نظر می‌رسد مدل‌های زبانی در حال تغییر دادن استانداردهای رایج نوشتاری در فضای مجازی هستند.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Oxford_comma #Em_dash

Читать полностью…

علم داده (Data Science)

‏🚀 هوش مصنوعی در کلاس درس؛ فرصت یا تهدید؟

‏استفاده از هوش مصنوعی در نظام‌های آموزشی جهان به سرعت در حال افزایش است، به‌طوری که بخش بزرگی از دانش‌آموزان اکنون برای انجام تکالیف خود به این ابزارها تکیه می‌کنند. اما آیا این فناوری واقعاً به یادگیری عمیق کمک می‌کند؟

‏یک مطالعه جامع بر روی ۲۷ هزار دانش‌آموز نشان می‌دهد که هوش مصنوعی شمشیری دو لبه است:

‏* افزایش بهره‌وری: استفاده از AI نتایج تکالیف را حدود ۲۰٪ بهبود بخشیده و زمان انجام آن‌ها را نیز تا ۲۵٪ کاهش داده است.
‏* افت مهارت‌های تحلیلی: برخلاف بهبود تکالیف، دانش‌آموزانی که از هوش مصنوعی استفاده کرده بودند، در آزمون‌های نهایی ۲۰٪ امتیاز پایین‌تری کسب کردند.

‏نتیجه‌گیری مهم این است که هوش مصنوعی می‌تواند ابزاری قدرتمند برای افزایش بهره‌وری باشد، اما جایگزینی برای تفکر نیست. آینده آموزش نه در حذف فناوری، بلکه در تقویت مهارت‌های حیاتی مانند تفکر انتقادی و استفاده مسئولانه از هوش مصنوعی نهفته است تا یادگیری سطحی جایگزین دانش عمیق نشود.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#یادگیری_عمیق #تفکر_انتقادی

Читать полностью…

علم داده (Data Science)

‏هوش مصنوعی در نقش استاد دانشگاه هاروارد

‏دانشکده کسب‌وکار هاروارد (HBS) در اقدامی نوآورانه، نسخه‌های هوش مصنوعی (AI Clones) اساتید خود را برای تعامل با دانشجویان طراحی کرده است. این شبیه‌سازها اکنون در دوره‌های جدید کارآفرینی به کار گرفته می‌شوند تا بنیان‌گذاران استارتاپ‌ها بتوانند در هر ساعتی از شبانه‌روز، مهارت‌های خود را بهبود ببخشند.

‏این پلتفرم آموزشی که در حال حاضر در بیش از ۱۰۰ دانشگاه به‌صورت آزمایشی استفاده می‌شود، کاربردهای کلیدی زیر را برای دانشجویان فراهم کرده است:

‏• تمرین ارائه طرح تجاری (Pitch) به سرمایه‌گذاران
‏• شبیه‌سازی تماس‌های فروش برای تقویت فن بیان
‏• مدیریت جلسات هیئت مدیره در موقعیت‌های حساس

‏هاروارد با این اقدام قصد دارد آموزش‌های تخصصی کارآفرینی خود را از محدوده محدود کلاس‌های حضوری MBA فراتر برده و در مقیاسی جهانی در دسترس قرار دهد. این فناوری نشان‌دهنده آینده‌ای است که در آن آموزش‌های تخصصی با تعاملات هوشمند و شخصی‌سازی‌شده جایگزین روش‌های سنتی می‌شوند.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏هوش مصنوعی عامل‌محور: شروع کار با Grok Bot

‏تا به امروز اکثر ابزارهای هوش مصنوعی «چت‌بات» بوده‌اند؛ ابزاری که منتظر می‌ماند تا شما سوالی بپرسید و پاسخ را برایتان بنویسد. اما Grok Bot پارادایم را تغییر داده است. این ابزار در واقع یک هوش مصنوعی عامل‌محور (AI Agent) است که کامپیوتر ابری اختصاصی خود را دارد، می‌تواند وارد نرم‌افزارها شود، کلیک کند و کارهای تکراری شما را حتی زمانی که لپ‌تاپ‌تان خاموش است، به سرانجام برساند.

‏تفاوت اصلی در این است که شما دیگر فقط یک «پرامپت» نمی‌نویسید، بلکه دارید یک «کارمند» استخدام می‌کنید. برای موفقیت در کار با این ابزار، این نکات کلیدی را در نظر بگیرید:

‏• تغییر ذهنیت از چت به مدیریت: به جای پرسش‌وپاسخ، به بات نقش بدهید و شرح وظایفش (Charter) را مشخص کنید.
‏• تعریف مرزهای اختیارات: مهم‌ترین بخش کار، تعیین دقیق «حدود اختیارات» است تا بدانید بات در چه شرایطی باید متوقف شود و از شما اجازه بگیرد.
‏• آموزش با مشاهده (Teach by Watching): می‌توانید کارها را یک‌بار خودتان انجام دهید تا بات آن را ضبط کرده و به عنوان یک روتین تکرارپذیر یاد بگیرد.

📚 مطالعه با جزئیات بیشتر

Читать полностью…

علم داده (Data Science)

‏📉 چالش بزرگ Anthropic در بازار هوش مصنوعی

‏گزارش‌های تازه از Ramp AI Index نشان می‌دهد مدل قدرتمند Fable 5 شرکت Anthropic با استقبال سردی از سوی مشتریان سازمانی مواجه شده است. طبق آمارهای اخیر، این مدل تنها سهم اندکی از هزینه‌کردهای هوش مصنوعی شرکت‌ها را به خود اختصاص داده است.

‏دلیل اصلی این روند، قیمت بالای Fable 5 در مقایسه با مدل‌های متن‌باز و مدل‌های ارزان‌تر موجود در بازار است. بسیاری از کسب‌وکارها به این نتیجه رسیده‌اند که مدل‌های اقتصادی‌تر برای انجام اکثر وظایف روزمره کاملاً کافی هستند و نیازی به پرداخت هزینه‌های سنگین برای پیشرفته‌ترین مدل‌ها ندارند.

‏مهم‌ترین نکات این گزارش:
‏• تسلط مدل‌های اقتصادی بر بازار و کاهش تقاضا برای مدل‌های پرچمدار و گران‌قیمت.
‏• رشد چشمگیر استفاده از مدل‌های متن‌باز به دلیل تعادل میان کارایی و قیمت.
‏• اولویت‌بندی بهینه هزینه‌ها توسط شرکت‌ها در مواجهه با ابزارهای هوش مصنوعی متنوع.

📚 مطالعه با جزئیات بیشتر

Читать полностью…

علم داده (Data Science)

‏🎬 دستیار هوشمند MiniMax Design برای ساخت ویدیو

‏شرکت MiniMax از ابزار جدید خود به نام MiniMax Design رونمایی کرد. این برنامه که برای ویندوز و مک منتشر شده، یک عامل (Agent) چندوجهی است که تمام مراحل تولید ویدیو را به طور خودکار انجام می‌دهد؛ از سناریونویسی و طراحی استوری‌برد گرفته تا تولید تصویر، تدوین و صداگذاری.

‏این ابزار از مدل جدید H3 قدرت می‌گیرد و یک ابزار سه‌بعدی کارگردانی برای تنظیم زاویه دوربین و حرکت کاراکترها دارد. همچنین کاربران حرفه‌ای می‌توانند ورک‌فلوهای ComfyUI خود را به آن متصل کنند.

‏اشتراک ماهانه این سرویس نیز در سه سطح Starter (۱۰.۵ دلار)، Plus (۷۶ دلار) و Pro (۲۱۵ دلار) ارائه می‌شود.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#MiniMax_Design #H3_model

Читать полностью…

علم داده (Data Science)

‏🏃‍♂️ رکوردشکنی بی‌سابقه ربات انسان‌نما در دو ۱۰۰ متر

‏دومین دوره بازی‌های جهانی ربات‌های انسان‌نما در پکن آغاز شده است. این رویداد شامل رقابت در رشته‌های متنوعی از جمله دوومیدانی، فوتبال، تنیس، هنرهای رزمی و حتی کارهای روزمره مانند مرتب‌سازی اشیاء و باز کردن بطری‌هاست.

‏در نخستین روز مسابقات، ربات انسان‌نمای Tiangong Ultra (توسعه‌یافته توسط مرکز نوآوری پکن) موفق شد با ثبت زمان شگفت‌انگیز ۹.۳۹ ثانیه در دو ۱۰۰ متر، رکورد جدیدی ثبت کند. جالب است بدانید این زمان حتی از رکورد افسانه‌ای و جهانی یوسین بولت انسان (۹.۵۸ ثانیه) نیز سریع‌تر است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Tiangong_Ultra #ربات_انسان_نما

Читать полностью…

علم داده (Data Science)

‏🚀 تحول در تحقیقات مالی با هوش مصنوعی

‏تصور کنید یک تیم تحقیقاتی کامل برای تحلیل بازارهای مالی در اختیار دارید که هزینه‌اش از ۳۰۰ هزار دلار در سال به تنها ۲۴۰۰ دلار کاهش یافته است. این اتفاق با استفاده از Agentهای هوش مصنوعی و مدل گروک به واقعیت تبدیل شده است.

‏این سیستم شامل ۶ عامل هوشمند است که هر کدام وظیفه‌ای تخصصی بر عهده دارند:

‏• بررسی گزارش‌های مالی و یافتن موارد مشکوک
‏• تحلیل جلسات ارائه گزارش درآمدی شرکت‌ها
‏• پایش لحظه‌ای صنایع و تغییرات کلیدی بازار
‏• ردیابی خرید و فروش‌های کلان داخلی (Insider)
‏• تحلیل فعالیت‌های غیرعادی در شبکه‌های اجتماعی
‏• مدیریت کل و تجمیع نهایی گزارش‌ها برای تصمیم‌گیری سریع

‏این ایجنت‌ها در طول شب فعالیت کرده و پیش از باز شدن بازار، گزارش نهایی را آماده می‌کنند. نکته جذاب اینجاست که تمامی دستورالعمل‌ها و نحوه پیاده‌سازی این سیستم به صورت عمومی منتشر شده است تا بتوانید تیم تحلیلگر خودتان را بسازید. این یعنی پایان ساعت‌ها جست‌وجوی دستی در میان داده‌های حجیم مالی.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏🚀 تحول در کیفیت ویدیو با مدل جدید FLUX

‏تیم BFL از ابزار جدید خود برای افزایش کیفیت ویدیو (Video Upscale) رونمایی کرد. برخلاف ابزارهایی که فریم‌ها را به‌صورت جداگانه پردازش می‌کنند، این مدل بر پایه معماری پیشرفته FLUX 3 بنا شده و ویدیوها را به‌صورت یکپارچه بهینه‌سازی می‌کند.

‏ویژگی‌های کلیدی این مدل:
‏- پردازش ویدیو تا ۲۰ ثانیه با وضوح حداکثری ۱۴.۴ مگاپیکسل.
‏- حالت Precise (۴ مرحله‌ای): مناسب برای حفظ جزئیات اولیه با سرعت و هزینه کمتر.
‏- حالت Creative (مهم‌ترین مراحل‌ای): برای افزودن جزئیات بیشتر به تصویر، ایده‌آل برای محتوای هنری.

‏این ابزار با مدل‌های تولید شده توسط FLUX 3 بهترین سازگاری را دارد. برای شروع کار و مشاهده نتایج، می‌توانید به Playground رسمی مراجعه کنید و راهنمای کامل را در مستندات BFL مطالعه کنید.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#FLUX_Video_Upscale #FLUX_3

Читать полностью…

علم داده (Data Science)

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #93 | 📌 6 آیتم گزارش | 🧾 از 14 پست بررسی‌شده
🕐 جمعه 1405/05/30 ساعت 14:00 تا شنبه 1405/05/31 ساعت 14:00

⚡ مدل‌ها و زیرساخت‌های هوش مصنوعی


کاهش ۲۰ درصدی هزینه‌های API مدل GPT-5.6 Sol توسط OpenAI؛ این کاهش قیمت شامل هزینه‌های ورودی و خروجی در کانتکست‌های کوتاه و بلند است و تا نوامبر ۲۰۲۶ معتبر خواهد بود.
🔗 مشاهده پست

عرضه خانواده مدل‌های Ornith 1.5 با نسخه 9B؛ این مدل متن‌باز با پنجره متنی ۲۵۶ هزار توکنی، بهینه‌شده برای استدلال و کدنویسی، قابلیت اجرا در قالب نسخه‌های کوانتیزه‌شده روی موبایل را دارد.
🔗 مشاهده پست

معرفی مدل چندوجهی جدید DeepSeek-V4-Flash-Vision-Exp برای ایجنت‌های هوشمند؛ این مدل در بنچمارک‌های چندوجهی عملکردی نزدیک به مدل‌های سنگین نظیر Opus 4.8 نشان داده است.
🔗 مشاهده پست


🤖 دستیارها و ابزارهای کاربردی

دستیابی ایجنت کدنویس جدید انویدیا با نام AVO به امتیاز کامل ۱۰۰ درصد در بنچمارک ARC-AGI-3؛ این ایجنت با تکیه بر آزمون و خطا و اصلاح استراتژی بدون نیاز به قوانین صریح عمل می‌کند.
🔗 مشاهده پست

معرفی مدل Claude Mythos 5 از سوی آنتروپیک برای اسکن امنیتی مخازن کد؛ این ابزار آسیب‌پذیری‌های امنیتی را بر اساس استاندارد CWE و با تعیین سطح شدت در نسخه سازمانی تحلیل می‌کند.
🔗 مشاهده پست

ابزار SpAItial با مدل هوش مصنوعی Echo-2 به کاربران اجازه می‌دهد بر اساس یک تصویر یا متن، محیط‌های سه‌بعدی پویا و تعاملی باکیفیت به روش 3D Gaussian Splatting تولید کنند.
🔗 مشاهده پست


📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏⚡️ کاهش ۲۰ درصدی هزینه‌های API مدل GPT-5.6 Sol

‏شرکت OpenAI در اقدامی جدید، هزینه استفاده از مدل پرچمدار GPT-5.6 Sol را در بخش API و اعتبارات کاربری به طور میانگین بیش از ۲۰ درصد کاهش داد. این تغییرات قیمتی تا ۲۱ نوامبر ۲۰۲۶ معتبر بوده و شامل موارد زیر است:

‏- کاهش هزینه ورودی در کانتکست کوتاه از ۵ به ۴ دلار به ازای هر میلیون توکن.
‏- کاهش هزینه خروجی در کانتکست کوتاه از ۳۰ به ۲۰ دلار.
‏- کاهش ۵۰ درصدی هزینه خروجی در کانتکست طولانی از ۶۰ به ۳۰ دلار.
‏- کاهش هزینه ورودی در کانتکست طولانی از ۱۰ به ۸ دلار.

‏این به‌روزرسانی هزینه‌ها مستقیماً کاربران API، ChatGPT Work و Codex را هدف قرار می‌دهد، اما تعرفه اشتراک‌های ماهانه Plus، Pro و Business تغییری نداشته است. توسعه‌دهندگانی که بر پروژه‌های مقیاس‌پذیر تمرکز دارند، اکنون می‌توانند با بودجه کمتری از قدرت این مدل استفاده کنند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5_6_Sol #OpenAI

Читать полностью…

علم داده (Data Science)

‏راهنمای جامع دسترسی رایگان به مدل‌های هوش مصنوعی در ۲۰۲۶

‏استفاده از سرویس‌های هوش مصنوعی بدون هزینه، در سال ۲۰۲۶ به‌شدت تغییر کرده است. بسیاری از لیست‌های آنلاین قدیمی هستند و محدودیت‌های جدیدی برای مدل‌ها وضع شده است. در اینجا مهم‌ترین نکات برای استفاده از منابع رایگان و نیمه‌رایگان آورده شده است:

‏* Google AI Studio: بهترین گزینه برای تست ایده‌ها و پروژه‌های چندوجهی. محدودیت‌های دقیق آن در کنسول نمایش داده می‌شود و داده‌های شما ممکن است برای بهبود مدل‌ها استفاده شود.
‏* Groq: با سرعت بسیار بالا، انتخابی عالی برای ابزارهای شخصی و پروژه‌هایی است که تأخیر کم در آن‌ها اولویت دارد.
‏* Cerebras: با ارائه ۱ میلیون توکن در روز، برای پردازش کارهای سریع و دسته‌بندی عالی است، اما محدودیت 8192 توکنی در Context آن را برای کارهای سنگین محدود می‌کند.
‏* OpenRouter: پلتفرمی برای دسترسی به ده‌ها مدل مختلف. با یک پرداخت جزئی (مثلاً ۱۰ دلار)، محدودیت روزانه شما به شکل چشمگیری افزایش می‌یابد.
‏* اجرای محلی (Local Models): تنها راهی که هیچ محدودیت نرخ (Rate Limit)، نظارت یا سانسور منطقه‌ای ندارد.

📚 مطالعه با جزئیات بیشتر

Читать полностью…

علم داده (Data Science)

‏🛡 افزایش امنیت Codex در برابر حذف ناخواسته فایل‌ها

‏تیم OpenAI پس از گزارش‌هایی مبنی بر حذف اشتباهی فایل‌های کاربران توسط مدل Codex، پروتکل‌های امنیتی خود را به‌روزرسانی کرد. این مشکل ناشی از خطای مدل در مدیریت متغیرهای محیطی و مسیرهای دسترسی بود که در موارد نادر باعث می‌شد دستورات پاک‌سازی به جای پوشه‌های موقت، به دایرکتوری اصلی کاربر اشاره کنند.

‏مهم‌ترین اقدامات حفاظتی انجام شده:
‏• اصلاح دستورات مدل: مدل اکنون موظف به بررسی دقیق مسیرهای حذف و استفاده از فرآیندهای بازگشت‌پذیر است.
‏• اعتبارسنجی اجرایی: سیستم‌های بازبینی خودکار برای شناسایی و مسدودسازی دستورات خطرناک تقویت شده‌اند.
‏• محدودسازی دسترسی کامل: فعال‌سازی حالت Full access دشوارتر و هشدارهای امنیتی آن شفاف‌تر شده است.
‏• آموزش مبتنی بر خطا: اضافه شدن سناریوهای آزمایشی جدید برای پیشگیری از تکرار این حوادث در فرآیند آموزش مدل.

‏به کاربران توصیه می‌شود ضمن به‌روزرسانی Codex، از محیط‌های ایزوله (Sandbox) استفاده کرده و دسترسی‌های مدیریتی را تنها در صورت نیاز و اطمینان از سلامت محیط فعال کنند.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science

Читать полностью…

علم داده (Data Science)

‏🤖 عامل هوش مصنوعی Hatch؛ گام بزرگ متا در اتوماسیون

‏شرکت متا خود را برای معرفی دو ابزار جدید آماده می‌کند. بر اساس گزارش‌های تازه، این کمپانی قصد دارد طی هفته‌های آینده عامل هوش مصنوعی کاربرمحور خود به نام Hatch را روانه بازار کند. در ادامه این مسیر نیز در ماه اکتبر، از مدل هوش مصنوعی بعدی خود با نام Watermelon رونمایی خواهد کرد.

‏پروژه Hatch که گفته می‌شود از OpenClaw الهام گرفته شده است، احتمالاً یک اشتراک ویژه با هزینه ۱۹۹.۹۹ دلار در ماه خواهد داشت. این عامل هوشمند به کاربران اجازه می‌دهد تا فعالیت‌های خود را در پلتفرم‌هایی مانند DoorDash، Etsy، Reddit، Yelp و Outlook به صورت خودکار مدیریت کنند و از یک داشبورد قابل شخصی‌سازی بهره‌مند شوند.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Hatch #Watermelon

Читать полностью…

علم داده (Data Science)

‏🚀 معرفی Turbovec: جستجوی برداری سریع‌تر با TurboQuant

‏کتابخانه Turbovec یک ابزار جدید برای جستجوی برداری است که بر پایه الگوریتم فشرده‌سازی TurboQuant گوگل توسعه یافته است. این کتابخانه که با زبان Rust نوشته شده، امکانات فوق‌العاده‌ای برای مدیریت حجم عظیم داده‌ها فراهم می‌کند.

‏مهم‌ترین ویژگی‌های این ابزار:
‏* کاهش حجم چشمگیر: فشرده‌سازی وکتورها تا ۱۶ برابر نسبت به حالت استاندارد FP32 بدون کاهش محسوس در دقت (Recall).
‏* سرعت بالاتر از FAISS: در بنچمارک‌های انجام شده، این ابزار در حالت ۴-بیتی تا ۳.۵ برابر سریع‌تر از FAISS عمل می‌کند.
‏* مدیریت پویا: عدم نیاز به آموزش اولیه ایندکس و امکان اضافه کردن وکتورها به‌صورت لحظه‌ای.
‏* پشتیبانی از فریم‌ورک‌ها: ارائه آداپتورهای آماده برای استفاده در LangChain، LlamaIndex و سایر ابزارهای محبوب.
‏* ذخیره‌سازی بهینه: ذخیره‌سازی اینکریمنتال روی دیسک که باعث می‌شود عملیات ثبت تغییرات تنها در چند میلی‌ثانیه انجام شود.

📚 مطالعه با جزئیات بیشتر

Читать полностью…

علم داده (Data Science)

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #94 | 📌 6 آیتم گزارش | 🧾 از 15 پست بررسی‌شده
🕐 شنبه 1405/05/31 ساعت 14:00 تا دوشنبه 1405/06/02 ساعت 14:00

🎨 ابزارهای خلاقانه و تولید ویدیو


تیم BFL از مدل ارتقای کیفیت ویدیوی جدید خود بر پایه معماری FLUX 3 رونمایی کرد که قادر است ویدیوها را به صورت یکپارچه و تا وضوح ۱۴.۴ مگاپیکسل بهینه‌سازی کند.
🔗 مشاهده پست

شرکت MiniMax ابزار هوشمند MiniMax Design را برای تولید خودکار ویدیو معرفی کرد که تمام مراحل کار از سناریونویسی تا تدوین و صداگذاری را بر پایه مدل H3 انجام می‌دهد.
🔗 مشاهده پست


🦾 دستاوردهای سخت‌افزاری و رباتیک

گوگل با استفاده از تراشه کوانتومی خود مسئله‌ای را در ۵ ثانیه حل کرد که حل آن برای ابرکامپیوترها میلیاردها سال طول می‌کشید؛ این دستاورد گامی بزرگ برای تصحیح خطای کوانتومی است.
🔗 مشاهده پست

ربات انسان‌نمای Tiangong Ultra در جریان مسابقات پکن با ثبت زمان ۹.۳۹ ثانیه در دو ۱۰۰ متر، رکورد بی‌سابقه‌ای در دوومیدانی ربات‌ها ثبت کرد.
🔗 مشاهده پست


📈 روندها و سرمایه‌گذاری‌های صنعت هوش مصنوعی

تحلیل‌ها نشان می‌دهد سال ۲۰۲۶ سال مدل‌های مبتنی بر ایجنت خواهد بود و در حال حاضر ایجنت‌های هوشمند در مصرف توکن‌های پردازشی از کاربران انسانی پیشی گرفته‌اند.
🔗 مشاهده پست

شرکت انویدیا با سرمایه‌گذاری ۷ میلیارد دلاری روی استارتاپ Poolside وارد رقابت جدی در حوزه مدل‌های با وزنِ‌باز شده است که شامل جذب متخصصان و لایسنس فناوری می‌شود.
🔗 مشاهده پست


📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏🚀 تحولی بزرگ در دنیای محاسبات کوانتومی

‏گوگل به‌تازگی با استفاده از تراشه کوانتومی خود، مسئله‌ای را در مدت ۵ ثانیه حل کرده است که حتی قدرتمندترین ابرکامپیوترهای جهان برای پردازش آن به میلیاردها سال زمان نیاز داشتند.

‏ساندار پیچای، مدیرعامل گوگل، تأکید کرده است که این موفقیت نشان می‌دهد مفهوم «تصحیح خطای کوانتومی» اکنون در مقیاس عملیاتی به‌درستی کار می‌کند. این دستاورد علمی عملاً فاصله ما تا دستیابی به کامپیوترهای کوانتومی کاربردی و عمومی را به ۵ تا ۱۰ سال کاهش داده است.

‏این پیشرفت نشان‌دهنده ورود ما به عصر جدیدی از پردازش است که می‌تواند مرزهای فعلی هوش مصنوعی و تحلیل داده را جابه‌جا کند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Quantum_Error_Correction #Sycamore

Читать полностью…

علم داده (Data Science)

‏🚀 تبدیل هوشمند فایل‌ها به Markdown با Marker v2

‏پردازش و استخراج متن از فایل‌های مختلف همیشه یکی از چالش‌های اصلی در پایپ‌لاین‌های داده بوده است. ابزار Marker v2 که به‌تازگی منتشر شده، راهکاری قدرتمند برای تبدیل فایل‌های PDF، تصاویر، DOCX و PPTX به فرمت Markdown تمیز است.

‏این ابزار با تمرکز بر مقیاس‌پذیری طراحی شده و در مقایسه با ابزارهای سنتی، عملکرد خیره‌کننده‌ای دارد:

‏• سرعت پردازش تا ۲۳.۷ صفحه در ثانیه روی یک GPU مدل B200
‏• پشتیبانی از بیش از ۹۰ زبان مختلف
‏• متن‌باز بودن کامل پروژه برای استفاده و توسعه شخصی‌سازی‌شده

‏اگر روی پروژه‌های RAG یا تحلیل اسناد در مقیاس بزرگ کار می‌کنید، استفاده از این پایپ‌لاین می‌تواند سرعت عملیات پردازش داده‌های غیرساختاریافته شما را چندین برابر کند.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Marker_v2 #B200

Читать полностью…

علم داده (Data Science)

‏🚀 ظهور تریدرهای خودکار با شش ایجنت هوشمند

‏ایده استفاده از چندین عامل هوش مصنوعی برای مدیریت یک محیط معاملاتی، دیگر یک فرضیه نیست. در یک مدل عملیاتی نوین، شش ایجنت مستقل با وظایف تخصصی، جایگزین تیم‌های انسانی پرهزینه شده‌اند. این سیستم نه تنها هزینه‌های عملیاتی را به شدت کاهش داده، بلکه دقت در اجرای استراتژی‌های معاملاتی را بهینه کرده است.

‏مهم‌ترین بخش‌های این ساختار عبارتند از:

‏- TAPE: رصد لحظه‌ای معاملات و شناسایی نوسانات قیمتی.
‏- QUANT: بازبینی و اصلاح خودکار مدل‌های ریاضی در صورت بروز انحراف (Drift).
‏- MACRO: تحلیل داده‌های کلان و بازارهای جهانی پیش از آغاز ساعات کاری.
‏- RISK: مدیریت ریسک و حفظ شاخص VAR در محدوده تعیین‌شده.
‏- Chief of Staff: هسته مرکزی سیستم که وظیفه مدیریت گردش کار، نظارت بر خروجی سایر ایجنت‌ها و ارجاع موارد حیاتی به کاربر انسانی را بر عهده دارد.

‏هر یک از این ایجنت‌ها به صورت مجزا در محیط ابری اجرا شده و به ترمینال‌های اختصاصی دسترسی دارند. نکته کلیدی این معماری، عدم نیاز به برنامه‌نویسی پیچیده یا زیرساخت‌های سنگین است.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science

Читать полностью…

علم داده (Data Science)

‏🚀 ظهور عصر ایجنت‌های هوش مصنوعی در سال ۲۰۲۶

‏تحولات دنیای فناوری با سرعتی باورنکردنی در حال تغییر است. اگر سال ۲۰۲۵ را سال تمرکز بر تقویت قدرت استدلال در مدل‌های هوش مصنوعی بدانیم، سال ۲۰۲۶ به‌طور قطع متعلق به مدل‌های مبتنی بر ایجنت (Agent-based models) است.

‏داده‌های اخیر نشان می‌دهد که اکنون انسان‌ها دیگر کاربران اصلی پلتفرم‌های هوش مصنوعی نیستند. ایجنت‌های هوشمند با سرعتی خیره‌کننده در حال پیشی گرفتن از کاربران انسانی در مصرف توکن‌های پردازشی هستند.

‏بر اساس آمار منتشر شده، مهم‌ترین نکات این تغییر پارادایم عبارتند از:

‏- افزایش ۵ برابری مصرف توکن توسط ایجنت‌ها نسبت به کاربران انفرادی.
‏- رشد ۱۴ برابری فعالیت ایجنت‌ها در پلتفرم‌ها از فوریه تا امروز.

‏این تغییر نشان‌دهنده گذار از هوش مصنوعی «چت‌محور» به سمت هوش مصنوعی «عمل‌گرا» است که در آن سیستم‌ها قادرند به‌طور مستقل وظایف پیچیده را پیش ببرند. باید دید این روند در ماه‌های آینده چه تغییری در معماری سیستم‌های توزیع‌شده ایجاد خواهد کرد.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏سرمایه‌گذاری ۷ میلیارد دلاری انویدیا برای رقابت با مدل‌های هوش مصنوعی

‏شرکت انویدیا در یک چرخش استراتژیک، قصد دارد با سرمایه‌گذاری ۷ میلیارد دلاری روی استارتاپ Poolside، وارد رقابت جدی در حوزه مدل‌های با وزنِ‌باز (open-weight) شود. این اقدام شامل قرارداد ۶ میلیارد دلاری برای لایسنس فناوری و جذب بیش از ۱۰۰ متخصص، به همراه ۱ میلیارد دلار سرمایه‌گذاری مستقیم است.

‏هدف اصلی جنسن هوانگ، تقویت خانواده مدل‌های Nemotron برای رقابت با غول‌های چینی مانند DeepSeek و Kimi و همچنین چالش کشیدن شرکت‌های آمریکایی نظیر OpenAI و Anthropic است. مدل‌های open-weight به دلیل هزینه اجرایی کمتر و انعطاف‌پذیری بالا در شخصی‌سازی، اکنون به میدان اصلی نبرد در دنیای هوش مصنوعی تبدیل شده‌اند. انویدیا با این حرکت می‌خواهد جایگاه خود را در بازارهای متنوع هوش مصنوعی تثبیت کند.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Poolside #Nemotron

Читать полностью…

علم داده (Data Science)

‏هوش مصنوعی از ابزار به کارمند تبدیل می‌شود

‏در سه سال گذشته، استفاده از هوش مصنوعی عمدتاً به معنای نشستن پشت یک چت‌باکس و تایپ کردن دستورات بود. اما با معرفی Grok Bot توسط xAI، این پارادایم در حال تغییر است. گروک اکنون به کامپیوتر اختصاصی، حافظه و دسترسی به ابزارهای کاری مجهز شده تا وظایف را به‌صورت خودکار و در پس‌زمینه انجام دهد.

‏تفاوت بزرگ اینجاست: ما دیگر فقط با مدل‌های هوشمند سر و کار نداریم، بلکه با «عامل‌های خودمختار» مواجهیم که می‌توانند جایگزین کارهای تکراری شوند.

‏مهم‌ترین ویژگی‌های این تحول:
‏• اجرای مستمر: کارها ۲۴ ساعته و بدون نیاز به نظارت مستقیم پیش می‌روند.
‏• اتصال به ابزارها: دسترسی به ایمیل، فایل‌ها و نرم‌افزارهای سازمانی برای تکمیل فرآیندها.
‏• تغییر نقش انسان: انسان از اپراتورِ فعال به تأییدکننده نهایی تبدیل می‌شود.
‏• تمرکز بر نتیجه: خروجی دیگر «متن» نیست، بلکه «کارِ تمام‌شده» است.

‏این فناوری قرار نیست یک‌شبه جایگزین مشاغل شود، بلکه با بر عهده گرفتن وظایف خرد و زمان‌بر، ساعات کاری زیادی را به انسان باز می‌گرداند. عصر جدید هوش مصنوعی، عصر «واگذاری کار» است.

📚 مطالعه با جزئیات بیشتر

Читать полностью…

علم داده (Data Science)

‏🚀 جهش ۲۵ برابری سرعت در Codex CLI

‏چارلی مارش، بنیان‌گذار شرکت Astral و خالق ابزارهای پرکاربردی مثل uv و Ruff، خبر از یک بهبود چشمگیر در عملکرد Codex CLI داده است. پس از پیوستن او به تیم OpenAI، او توانسته است زمان اجرای دستورات این ابزار را تا ۲۵ برابر سریع‌تر کند.

‏پیش از این، فرآیند اجرای دستورات شامل مراحلی مانند بارگذاری فایل‌های پیکربندی، احراز هویت و آماده‌سازی محیط بود که مجموعاً زمان قابل‌توجهی را تلف می‌کرد. حالا این فرآیند به‌صورت لحظه‌ای انجام می‌شود.

‏برخی نکات مهم درباره این تغییر:

‏- بازنویسی هسته Codex CLI از TypeScript به زبان Rust که تخصص اصلی مارش است.
‏- بهینه‌سازی کامل فرآیندهای راه‌اندازی و برقراری اتصالات شبکه.
‏- وعده تیم توسعه برای افزایش بیشتر سرعت در نسخه‌های آینده.

‏اگر از کاربران این ابزار هستید، حتماً آخرین نسخه را دریافت کنید تا تفاوت سرعت را تجربه کنید.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Codex_CLI #Astral

Читать полностью…

علم داده (Data Science)

‏🚀 نبرد سنگین غول‌های هوش مصنوعی

‏رقابت بین OpenAI و Anthropic وارد فاز تازه‌ای شده است. در حالی که هر دو شرکت برای تسلط بر بازار زیرساخت‌های هوش مصنوعی تلاش می‌کنند، شاهد تغییرات کلیدی در استراتژی‌های آن‌ها هستیم.

‏مهم‌ترین موارد در مورد Anthropic:
‏* ارزش‌گذاری: ۹۶۵ میلیارد دلار با درآمد ۶۵ میلیارد دلار.
‏* سخت‌افزار: سرمایه‌گذاری سنگین روی تراشه‌های اختصاصی و توافق ۲۵۰ میلیون دلاری با Fractile.
‏* نفوذ سازمانی: پیشرو در پذیرش سازمانی با سهم ۴۳.۵ درصدی.

‏مهم‌ترین موارد در مورد OpenAI:
‏* استراتژی درآمدی: کاهش ۲۰ درصدی قیمت API و فعال‌سازی تبلیغات در ChatGPT.
‏* توسعه محصول: افزایش ۱۴ برابری سرعت استنتاج و تمرکز بر عرضه مدل‌های جدید مانند GPT-5.6 Sol.
‏* کاربر: ۹۰۰ میلیون کاربر هفتگی که فاصله زیادی با رقبا دارد.

‏این نبرد نشان‌دهنده تغییر جهت از مدل‌های عمومی به سمت زیرساخت‌های اختصاصی و جذب مشتریان کلان سازمانی است. باید دید آیا سرمایه‌گذاری‌های سنگین روی پردازش و سخت‌افزار، برتری نهایی را برای یکی از این دو رقم می‌زند یا خیر.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science

Читать полностью…

علم داده (Data Science)

‏🚀 تحول امنیت کدنویسی با Claude Mythos 5

‏هوش مصنوعی Claude گام بزرگی در حوزه امنیت سایبری برداشته و مدل جدید Mythos 5 را برای اسکن دقیق مخازن کد معرفی کرده است. این قابلیت اکنون در نسخه Claude Enterprise به صورت بتای عمومی در دسترس قرار گرفته و امکانات ویژه‌ای را به تیم‌های توسعه ارائه می‌دهد.

‏مهم‌ترین ویژگی‌های این قابلیت:

‏- ارائه تحلیل‌های دقیق با دسته‌بندی استانداردهای امنیتی CWE.
‏- نمایش میزان اطمینان (Confidence) و سطح شدت (Severity) برای هر آسیب‌پذیری شناسایی‌شده.
‏- ارائه پچ‌های آماده برای رفع باگ‌ها به‌صورت مستقیم در محیط Claude Code.
‏- ایجاد صندوق حمایتی ۳۵ میلیون دلاری برای توسعه‌دهندگان پروژه‌های متن‌باز در حوزه امنیت.

‏با استفاده از مدل Mythos 5، می‌توانید اسکن‌های منظمی روی مخازن و شاخه‌های مختلف کدهای خود تعریف کنید تا حفره‌های امنیتی پیش از انتشار نهایی شناسایی و اصلاح شوند. این ابزار با ساده‌سازی فرآیند شناسایی تا رفع خطا، سرعت و دقت در امنیت نرم‌افزار را به سطح جدیدی ارتقا می‌دهد.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

Читать полностью…

علم داده (Data Science)

‏هوش مصنوعی و چالش واقعی ARC-AGI

‏اخیراً گزارش‌هایی از دستیابی سیستم NVIDIA AVO به امتیاز ۱۰۰٪ در مجموعه آزمون ARC-AGI-3 منتشر شده است. اما باید در تفسیر این اعداد محتاط بود، چرا که این نتیجه بر روی مجموعه عمومی (public set) به دست آمده که با لیدربورد رسمی و نیمه‌خصوصی تفاوت‌های اساسی دارد.

‏مهم‌ترین نکات برای درک بهتر این پیشرفت:

‏* سیستم AVO در واقع از مدل Claude Opus 5 به عنوان هسته اصلی استفاده می‌کند، نه اینکه این امتیاز صرفاً متعلق به یک مدل واحد باشد.
‏* امتیاز ۳۰.۱۶٪ برای Claude Opus 5 در ارزیابی نیمه‌خصوصی، معیار دقیق‌تری برای سنجش قابلیت‌های این مدل نسبت به نتایج عمومی است.
‏* موفقیت اخیر، اهمیت طراحی معماری عامل‌های خودگردان (Agentic Systems) را در کنار قدرت پردازشی مدل‌های پایه نشان می‌دهد.

‏در نهایت، تفاوت در مجموعه‌های داده و نحوه ارزیابی باعث می‌شود نتایج مدل‌هایی مثل GPT-5.6 Sol یا Claude Opus 4.8 با این آمار جدید مستقیماً قابل مقایسه نباشند. این دستاورد بیشتر گامی به سوی سیستم‌های خودمختار با افق زمانی طولانی است.

📚 مطالعه با جزئیات بیشتر

📊 Data➕Science

Читать полностью…
Subscribe to a channel