✨GEN AI Advance✨♒

🎥 کنترل دوربین با یک خط در Seedance 2.5 اما Seedance 2.5 قابلیت جدیدی معرفی کرده که به شما اجازه می‌دهد مسیر حرکت دوربین را مستقیماً روی تصویر بکشید و مدل همان مسیر را در ویدیو اجرا کند. از حرکت ۳۶۰ درجه دور سوژه تا مسیرهای سینمایی پیچیده، حالا کنترل دوربین با یک خط ساده امکان‌پذیر شده است. 🔥

اطلاعاتی از fable 5.1 نشت پیدا کرد. - Fable 5.1 is in preparation, with a target launch in August. - Pricing is to be remain the same as Fable 5. - If the current timeline holds, it could launch ahead of GPT-6 to compete directly with it.

اینی که می‌بینید اسمش Magika هست گوگل به تازگی منتشرش کرده؛ یه سیستم بر پایه هوش مصنوعیه که می‌تونه محتوای واقعی هر فایلی رو تشخیص بده، حتی اگه فایل خودش رو یه چیز دیگه جا زده باشه. مثلاً بدافزاری که قیافه‌ی یه فایل PDF رو گرفته، یا اسکریپت‌های مخفی که خودشون رو شبیه عکس نشون میدن. این ابزار رایگانه و متن‌باز هم هست : securityresearch.google/magika @Linuxor

🎨 اگر از AI توقع «طراحی در سطح اپل» دارید، فقط پرامپت بهتر کافی نیست؛ باید اصولی را بشناسید که پشت تصمیم‌های طراحی‌اند. یک skill متن‌باز به نام apple-design منتشر شده که ۱۷ اصل را از WWDC جمع‌آوری کرده: از پاسخ‌گویی و حرکت طبیعی تا تایپوگرافی، متریال، سادگی و دسترس‌پذیری. نکتهٔ مهم این است که کنار توضیح‌ها، الگوها و نمونه‌کد هم دارد؛ بنابراین برای Codex یا Claude فقط یک رفرنس ظاهری نیست و می‌تواند به تصمیم‌های قابل‌اجرا در رابط تبدیل شود. طبق توضیح پروژه، با یک دستور روی Codex یا Claude نصب می‌شود و برای استفاده محدودیتی ندارد. لینک پروژه: github.com/emilkowalski/skills/tree/main/skills/apple-design

آزمایشگاه RIML تحت نظارت دکتر رهبان در حال راه‌اندازی یک ژورنال‌کلاب پیرامون یادگیری تقویتی چندعاملی (Multi-Agent RL) بر پایه‌ی کتاب Albrecht با چشم‌انداز حرکت به سمت کار پژوهشی جدی در این حوزه است. در صورت علاقه‌مندی به این مسیر، خواهشمندست این فرم را پر کنید. *: جلسه‌های ژورنال‌کلاب از این هفته آغاز می‌شود. در صورتی که پرسش یا ابهامی در این زمینه دارید با شناسه‌ی زیر در تلگرام ارتباط بگیرید: @Moein_Salimi

✨GEN AI Advance✨♒ pinned «https://github.com/mahdiabbasinourabadi/Womb»

https://github.com/mahdiabbasinourabadi/Womb

کتابچه آموزشی RNNs and LSTMs تاریخچه تا مباحث مبانی این الگوریتم ها #منابع #کتاب #شبکه_عصبی #الگوریتمها 🔸 مطالب بیشتر 👇👇 ✅ @AI_DeepMind 🔸 @AI_Person

✨GEN AI Advance✨♒ pinned «https://github.com/mahdiabbasinourabadi/Womb»

https://github.com/mahdiabbasinourabadi/Womb

💠 معرفی اساتید دوره مدیریت مالی کسب‌وکارها در بحران 🚨 دوره‌ای منحصربفرد برای بقا و رشد در شرایط دشوار 🛡حضور اساتید با تجربه اجرایی موفق و با دانش بالا با هدف: 🔹تمرکز ویژه بر مسائل واقعی و امروز کسب‌وکارهای ایرانی 🔹آموزش تصمیم‌گیری مالی در شرایط عدم قطعیت و بحران 🔹تدریس با کمک استفاده از موفق بین‌المللی و داخلی 🔹 آنلاین و حضوری | از ۲۵ تیر ۱۴۰۵ 🔹 ۶۰ ساعت | پنجشنبه و جمعه | ۹:۰۰ تا ۱۴:۰۰ ⬅️ اطلاعات بیشتر و ثبت‌نام: https://irfinance.ir/product/مدیریت-مالی-در-بحران/ ⬅️ مشاوره آموزشی، پاسخگویی به سوالات و ثبت‌نام: 🆔 @irfinanceadmin ☎️ 0216603069 "گروه مالی شریف پیشرو و پیشران آموزش مالی در ایران"

این مقاله درباره‌ی MuSe است؛ یک روش برای اینکه رباتی که قبلاً فقط با بینایی / تصویر آموزش دیده، بعداً بتواند با مقدار کمی داده‌ی جدید، حس نیرو و گشتاور را هم یاد بگیرد؛ بدون اینکه مهارت‌های قبلی‌اش را فراموش کند. مشکل این است که خیلی از کارهای رباتی فقط با تصویر حل نمی‌شوند. مثلا وقتی ربات می‌خواهد چیزی را پاک کند، یک peg را داخل سوراخ کند، یا با سطحی تماس بگیرد، باید بفهمد چقدر فشار وارد می‌کند، آیا گیر کرده، آیا تماس کافی دارد یا نه. این اطلاعات همیشه از تصویر معلوم نیست؛ اما سنسورهای force/torque می‌توانند آن را نشان دهند. با این حال، دیتاست‌های بزرگ رباتیک معمولاً فقط تصویری‌اند و داده‌های چندحسی مثل نیرو، لمس یا صدا کم و وابسته به سخت‌افزار هستند. پس مقاله می‌گوید بهتر است اول ربات را با داده‌های بزرگ vision-action آموزش بدهیم، بعداً سنسور جدید را با داده کم به آن اضافه کنیم. اهمیت مقاله این است که یک مسیر واقعی‌تر برای ساخت ربات‌های عمومی نشان می‌دهد. لازم نیست از اول همه‌ی سنسورها را در pretraining داشته باشیم. می‌توانیم اول یک ربات vision-action بزرگ بسازیم، بعداً برای کارهای خاص، سنسورهایی مثل force، tactile، audio یا depth را به آن اضافه کنیم. این برای آینده‌ی ربات‌های عمومی خیلی مهم است، چون هر محیط و هر ربات ممکن است سنسورهای متفاوتی داشته باشد. مقاله MuSe نشان می‌دهد ربات‌ها می‌توانند بعد از pretraining تصویری، با مقدار کمی داده‌ی force-torque چندحسی شوند؛ یعنی تماس، فشار و گیرکردن را بهتر بفهمند، کارهای contact-rich را بهتر انجام دهند و حتی بعضی مهارت‌های قبلی‌شان هم قوی‌تر شود. 🔸 Multisensory Continual Learning: Adapting Pretrained Visuomotor Policies to Force #مقاله #رباتیک #ایده_جذاب #یادگیری_بلندمدت ☑️ @AI_DeepMind ✅ @AI_Person

📝برگه تقلب پرامپت‌نویسی با هوش مصنوعی که هیچ‌کس بهت یاد نداده: نقش (Role) → به هوش مصنوعی بگو چه کسی باشد زمینه (Context) → پیش‌زمینه و اطلاعات بده وظیفه (Task) → خیلی دقیق بگو چه کاری انجام دهد فرمت (Format) → مشخص کن خروجی لیست باشد، جدول باشد یا متن محدودیت (Constraint) → بگو چه چیزهایی را انجام ندهد این ساختار باعث می‌شود دوباره‌کاری ۶۰ تا ۷۰٪ کمتر شود. فقط ۵ خط. بهتر از ۹۰٪ پرامپت‌ها 👌 📖 مجله هوش مصنوعی ➖➖➖➖➖ 🆔 : @HomeAI

📝 مدل GPT-5.6 Sol با سرعتی بی‌سابقه در راه است! ⚡️ گفته شده است که GPT-5.6 Sol قرار است با سرعت پردازش ۷۵۰ توکن در ثانیه عرضه شود؛ پیشرفتی بزرگ در سرعت پاسخ‌دهی مدل‌های هوش مصنوعی 🚀 در حال حاضر، سرویس‌های GPT-5.5 در حالت‌های اولویت‌دار و مقیاس بالا، برای ۹۹٪ درخواست‌ها سرعتی بیش از ۵۰ توکن در ثانیه ارائه می‌دهند. این یعنی Sol روی سخت‌افزار Cerebras می‌تواند تا ۱۵ برابر سریع‌تر عمل کند. 😮 این افزایش سرعت به لطف سخت‌افزار اختصاصی Cerebras امکان‌پذیر شده است. معماری تراشه‌های wafer-scale باعث می‌شود داده‌های مدل با تأخیر کمتر در حافظه و شبکه جابه‌جا شوند؛ در نتیجه نسبت به سیستم‌های معمولی مبتنی بر چندین gpu عملکرد سریع‌تری دارد. طبق این گزارش، عرضه نسخه‌ای از GPT-5.6 Sol با این سرعت برای ماه جولای برنامه‌ریزی شده است 📅 📖 مجله هوش مصنوعی ➖➖➖➖➖ 🆔 : @HomeAI

🔥 رقابت برای تسلط بر هوش مصنوعی سازمانی وارد مرحله جدیدی شد! رشد اخیر Anthropic باعث شده این شرکت از OpenAI عبور کند و به بزرگ‌ترین ارائه‌دهنده هوش مصنوعی پولی برای کسب‌وکارهای آمریکایی تبدیل شود. این اتفاق نشان می‌دهد رقابت هوش مصنوعی دیگر فقط درباره قوی‌تر بودن مدل‌ها نیست؛ بلکه بر سر تسلط بر گردش کار و استفاده روزمره شرکت‌ها است. 🚀 📖 مجله هوش مصنوعی ➖➖➖➖➖ 🆔 : @HomeAI

اگر دنبال جامعه برنامه نویس فعال در دیسکورد هستید این ریپوزتوری یک لیست کامل از تمام اونها رو به شما ارائه می‌کنه. 🔗 https://github.com/mhxion/awesome-discord-communities 🌐 codepedia.top 🆔 @codepedia_top

اینم بگم : Japan Government یک شرکت ژاپنی درحال تاسیس هست که ادعا کرده می‌تونه diamond semiconductor تولید کنه (پروتوتایپ و ... هم داده) حالا اهمیت این موضوع چی هست ؟ اول اینکه گرمای خیلی کمی داخل چیپ تولید می‌شه اما برای ژاپن راه‌حل فاجعه‌ی هسته‌ای سال 2011 می‌تونه باشه (سال ۲۰۱۱ بعد از زلزله بخاطر سونامی یک فاجعه هسته‌ای توی ژاپن اتفاق افتاد) چون همه تجهیزات و سنسورها و ... داخل این سازه‌ها بخاطر سطح تشعشع از کار افتادند دولت ژاپن هیچ ایده‌ای نداره اون داخل چه خبر هست و هرگونه تلاش برای پاکسازی رو کاملا خطرناک می‌دونه اما Diamond Semiconductor ها مشکلی با تشعشعات و گرمای بالا ندارند و به راحتی توی این محیط‌ها می‌تونند کار کنند. ژاپن بطور علنی درحال راه‌اندازی کارخانه و شرکت هست و چیزی که من توی سرچ کردن راجب موضوع پیدا کردم مثل اینکه با یک تکنیک دیگری و فقط برای حل مشکل گرما آمریکا و DARPA هم با همکاری یک گروه تحقیقاتی از Stanford دارند روی این موضوع کار می‌کنند که سال دیگه نتایج اولیه رو منتشر خواهند کرد مثل اینکه. اگر ژاپن بتونه به این دستاورد دست پیدا کنه؛ یکی از بزرگترین درآمدهای کشور رو برای خودش دست و پا کرده انقدر که این تکنولوژی کاربردی هست. پینوشت : با تشکر از Gemini بعضی صعنت‌ها و تکنولوژی‌هایی که بهش نیاز دارند Electric Vehicles Telecommunication (5G/6G, Radar) Aerospace and Satellites Power Grids & Renewable Energy Nuclear Facilities Quantum Computing یک سری موارد دیگر هم هست مثل پروژکتور و led ها و ... که گرمای خیلی زیادی تولید می‌کنند من اون‌هارو نذاشتم. در نهایت اینکه این‌ها فقط صنایعی هستند که توی ۱۰ سال گذشته نیاز به توسعه این semiconductor رو احساس کردند و مشتری هستند صنایع آینده رو هنوز بحثی راجبش نیست. شرکت ژاپنی هم متوجه شدم قرار هست اواخر سال تکمیل و افتتاح بشه.

🗂️  تبدیل اسناد به چانک‌های آماده برای RAG با Chunkr یه ابزار متن‌باز برای پردازش هوشمند اسناد؛ PDF، PowerPoint، Word و تصویر رو می‌گیره و خروجی ساختاریافته برای پایپ‌لاین‌های RAG و LLM تولید می‌کنه. ✅ تحلیل لایه‌بندی سند با OCR و Bounding Box ✅ خروجی HTML و Markdown ساختاریافته ✅ پردازش با مدل‌های Vision-Language ✅ Self-hosted با Docker Compose و پشتیبانی از LLMهای مختلف 🔗 مستندات: https://docs.chunkr.ai/pages/get-started/welcome 🐙 گیت‌هاب: https://github.com/lumina-ai-inc/chunkr #RAG #LLM #OpenSource #DocumentAI

پژوهش جدید OpenAI با عنوان “Reinforcement learning towards broadly and persistently beneficial models” اشاره می‌کند که RL روی سناریوهای واقعیِ انسانی، اگر روی «صفات رفتاری مفید» آموزش داده شود، ممکن است فقط همان دامنه آموزشی را بهتر نکند، بلکه یک سبک رفتاری عمومی‌تر در مدل بسازد. OpenAI این را «generalization beyond the domains used for training» توصیف می‌کند. مدل را فقط یاد نمی‌دهند که مثلاً در پزشکی جواب امن‌تر بدهد. به نظر می‌رسد مدل چیز عمیق‌تری یاد می‌گیرد: وقتی مطمئن نیست، ادعا نکند؛ وقتی اصلاح شد، عقب‌نشینی کند؛ دنبال راضی‌کردن کاربر به هر قیمت نرود؛ و برای گرفتن reward، shortcutهای خراب‌کننده نزند. نکته مهم همان cross-domain transfer است. ا OpenAI می‌گوید وقتی مدل را برای رفتارهای مفید در یک دامنه مثل health آموزش دادند، بهبود به دامنه‌های غیرپزشکی هم منتقل شد؛ از جمله ارزیابی‌های مربوط به reward hacking، deception و misalignment عمومی. همچنین وقتی health و science را از داده آموزشی حذف کردند، مدل همچنان روی ارزیابی‌های health بهتر شد؛ این یعنی احتمالاً مدل «قانون موضوعی پزشکی» یاد نگرفته، بلکه عادت‌های رفتاری عمومی‌تری مثل صداقت، فروتنی معرفتی، اصلاح‌پذیری و احتیاط را یاد گرفته است. ا RL روی صفات مفید شاید به مدل «گرایش‌های رفتاری قابل‌انتقال» یاد بدهد، نه فقط قوانین ایمنی مخصوص یک حوزه. خود OpenAI هم این را early proof of concept معرفی می‌کند، نه حل کامل مسئله alignment. آن‌ها می‌گویند این بهبودها در ۴۴ مورد از ۵۳ بنچمارک دیده شده و زیر فشار adversarial prompting هم پایدارتر بوده‌اند، ولی هنوز باید فهمید کدام صفات واقعاً علت این پایداری‌اند و چقدر در مدل‌ها و مقیاس‌های دیگر تکرار می‌شوند. 🔸 Reinforcement learning towards broadly and persistently beneficial models #یادگیری_تقویتی #مقاله ✅ @AI_DeepMind 🔸 @AI_Person