اوپنروتر بصورت رایگان یک مدل هوش مصنوعی جدید آورده بنام Quasar Alpha و گفته که این مدل بصورت مخفی عرضه شده.
این یعنی این مدل، یکی از مدلهای بزرگیه که بعدن قراره بیاد. بعضی کاربرا میگن GPT5 ه که برای تست آوردن، بعضیا هم میگن جمنای۳ که من نظرم به دومی نزدیکتره.
کانتکسویندوش ۱ میلیون توکنه! سریعترین مدل حال حاضره و کاملا رایگان هم هست. برید openrouter اکانت بسازید و استفاده کنید
https://openrouter.ai/openrouter/quasar-alpha
این یعنی این مدل، یکی از مدلهای بزرگیه که بعدن قراره بیاد. بعضی کاربرا میگن GPT5 ه که برای تست آوردن، بعضیا هم میگن جمنای۳ که من نظرم به دومی نزدیکتره.
کانتکسویندوش ۱ میلیون توکنه! سریعترین مدل حال حاضره و کاملا رایگان هم هست. برید openrouter اکانت بسازید و استفاده کنید
https://openrouter.ai/openrouter/quasar-alpha
openrouter.ai
Quasar Alpha
This is a cloaked model provided to the community to gather feedback. It’s a powerful, all-purpose model supporting long-context tasks, including code generation. Run Quasar Alpha with API
اومدن سوالای المپیاد ریاضی امسال آمریکا رو بلافاصله بعد آزمون دادن به LLM هایی که reasoning دارن و کل اثبات رو چک کردن. نتیجه این شده که همهشون کمتر از ٪۵ نمره رو تونستن بگیرن. این نشون میده که نمرههای خیلی خوب این مدلا تو تستای دیگه احتمالا بخاطر اینه که سوالای شبیهش تو دیتای ترین وجود داشته یا اینکه با اثبات و منطق اشتباه صرفا تونستن جواب آخرو درست دربیارن.احتمالا بخاطر اینه که سوالای شبیهش تو دیتای ترین وجود داشته یا اینکه با اثبات و منطق اشتباه صرفا تونستن جواب آخرو درست دربیارن.
▪️ Proof or Bluff? Evaluating LLMs on 2025 USA Math Olympiad
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Proof or Bluff? Evaluating LLMs on 2025 USA Math Olympiad
#مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
arXiv.org
Proof or Bluff? Evaluating LLMs on 2025 USA Math Olympiad
Recent math benchmarks for large language models (LLMs) such as MathArena indicate that state-of-the-art reasoning models achieve impressive performance on mathematical competitions like AIME,...
ا Rag is not gonna die
اگر Context size رو حافظه کوتاه مدت مدل در نظر بگیریم، RAG حافظه بلند مدت مدله.
اگر Context size رو حافظه کوتاه مدت مدل در نظر بگیریم، RAG حافظه بلند مدت مدله.
چرا با وجود ارائه مدل بزرگ Llama4 هنوز جای کار برای مدل های rag وجود داره و تازه این شروع ماجراست و rag is not dead
https://www.snowflake.com/en/engineering-blog/impact-retrieval-chunking-finance-rag/
#علوم_پزشکی #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://www.snowflake.com/en/engineering-blog/impact-retrieval-chunking-finance-rag/
#علوم_پزشکی #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
🎓 کلود وارد دانشگاهها شد؛ دستیار هوش مصنوعی مخصوص دانشجوها و اساتید
🧠شرکت Anthropic یه نسخه جدید از دستیار هوش مصنوعی خودش به نام Claude for Education معرفی کرده که مخصوص فضای دانشگاهیه. این کلود قراره کمکدست دانشجوها، استادها و مدیران آموزشی باشه.
🧠حالت یادگیری هوشمند:
بهجای اینکه مستقیم جواب بده، با سؤالهای سقراطی ذهن دانشجو رو درگیر میکنه
🔤 کمک به فهم بهتر درسها، نه انجام تکلیف
خلاصهسازی متون، رفع اشکال، برنامهریزی درسی و حتی طراحی سرفصل برای استادها
چت بات بعدی ک باید فعالش کنم😍
🧠شرکت Anthropic یه نسخه جدید از دستیار هوش مصنوعی خودش به نام Claude for Education معرفی کرده که مخصوص فضای دانشگاهیه. این کلود قراره کمکدست دانشجوها، استادها و مدیران آموزشی باشه.
🧠حالت یادگیری هوشمند:
بهجای اینکه مستقیم جواب بده، با سؤالهای سقراطی ذهن دانشجو رو درگیر میکنه
🔤 کمک به فهم بهتر درسها، نه انجام تکلیف
خلاصهسازی متون، رفع اشکال، برنامهریزی درسی و حتی طراحی سرفصل برای استادها
چت بات بعدی ک باید فعالش کنم😍
Forwarded from مرکز سیستم های اطلاعات و علوم داده شریف
Research Position at the Center for Information Systems and Data Science, Sharif University in Collaboration with a Top-Three Global Institution or medical university school in Bioinformatics.
Projects Descriptions:
1. Utilizing Large Language Models and Retrieval-Augmented Generation (RAG): Applying knowledge graph in medicine, inspired by Stanford University's work.
2. Predicting Profiles for Protein Sequences Using Natural Language Processing: Leveraging the performance of transformers in natural languages by treating protein sequences as a language, similar to Microsoft's research.
3. Applying Manifold Learning and Riemannian Geometry in Protein Dynamics Analysis: Designing and predicting the effects of protein dynamics using approaches akin to those from Cambridge University.
✅Requirements:
A bachelor's and master's student with strong implementation skills and clean coding in artificial intelligence, capable of reading and analyzing new Bioinformatics papers, ideating and extensively testing with well-known deep and reinforcement learning architectures, and possessing intermediate Bioinformatics or biology knowledge.
💥This project will be conducted in collaboration with three professors from Sharif University's Computer and Electrical Engineering faculties and supervised by a senior scientist from one of the top three universities in the United States.
🆔To apply and submit your CV, please contact via email:
[email protected]
Projects Descriptions:
1. Utilizing Large Language Models and Retrieval-Augmented Generation (RAG): Applying knowledge graph in medicine, inspired by Stanford University's work.
2. Predicting Profiles for Protein Sequences Using Natural Language Processing: Leveraging the performance of transformers in natural languages by treating protein sequences as a language, similar to Microsoft's research.
3. Applying Manifold Learning and Riemannian Geometry in Protein Dynamics Analysis: Designing and predicting the effects of protein dynamics using approaches akin to those from Cambridge University.
✅Requirements:
A bachelor's and master's student with strong implementation skills and clean coding in artificial intelligence, capable of reading and analyzing new Bioinformatics papers, ideating and extensively testing with well-known deep and reinforcement learning architectures, and possessing intermediate Bioinformatics or biology knowledge.
💥This project will be conducted in collaboration with three professors from Sharif University's Computer and Electrical Engineering faculties and supervised by a senior scientist from one of the top three universities in the United States.
🆔To apply and submit your CV, please contact via email:
[email protected]
PubMed
Small-cohort GWAS discovery with AI over massive functional genomics knowledge graph - PubMed
Genome-wide association studies (GWASs) have identified tens of thousands of disease associated variants and provided critical insights into developing effective treatments. However, limited sample sizes have hindered the discovery of variants for uncommon…
Forwarded from Metis Ai
درک تکامل ایجنتهای هوش مصنوعی در ۶ مرحله اصلی
اغلب دیده میشود که در مسیر تکامل از مدلهای زبانی بزرگ (LLM) اولیه تا ایجنتهای هوش مصنوعی پیشرفته سردرگمی وجود دارد. برای رفع این ابهام، یک تجسم گامبهگام و واضح تهیه شده که کل مسیر تکاملی را به تصویر میکشد.
به یاد داشته باشید، این یک مطلب فنی نیست، بلکه یک دیدگاه از نحوه تکامل سیستمهای هوش مصنوعی برای تبدیل شدن به ابزاری توانمندتر و خودمختارتر است.
👈🏻 مرحله ۱: پایهگذاری - مدل زبانی بزرگ اولیه
- جریان کاری ساده: ورودی (متن) -> مدل زبانی -> خروجی (متن)
- معماری مبتنی بر ترنسفورمر که بر روی مجموعه دادههای گسترده آموزش داده شده
- محدود به پردازش متن در کانتکست چت
- بدون ابزارهای خارجی یا قابلیت حافظه
👈🏻 مرحله ۲: قابلیتهای پردازش اسناد
- جریان کاری ارتقاء یافته: ورودی (متن/اسناد) -> مدل زبانی -> خروجی (متن/اسناد)
- افزایش طول کانتکست برای پردازش اسناد بزرگتر
- بهبود توکنسازی برای کار با محتوای ساختار یافته
- محدود به دانش ثابت از دادههای آموزشی
👈🏻 مرحله ۳: معرفی RAG و ادغام ابزارها برای:
- دسترسی به اطلاعات بهروز
- مکملسازی دانش مدل زبانی بزرگ با دادههای خارجی
- بهبود دقت و کاهش توهمات
- پشتیبانی از عملیات تخصصی از طریق فراخوانی API
👈🏻 مرحله ۴: ادغام سیستمهای حافظه برای:
- حفظ کانتکست در تعاملات
- امکان شخصیسازی بر اساس تبادلات گذشته
- ذخیره و بازیابی اطلاعات مرتبط
- پشتیبانی از وظایف و مکالمات طولانیمدت
👈🏻 مرحله ۵: پیادهسازی پردازش چندوجهی از طریق:
- مدیریت انواع ورودیهای متنوع (متن، تصاویر، جدولها)
- تولید فرمتهای خروجی متنوع
- ایجاد فهم جامعتر
- امکان تبادل اطلاعات غنیتر در قالب مدیاهای مختلف
👈🏻 مرحله ۶: آیندهی معماری عوامل هوش مصنوعی از طریق:
- پردازش زنجیرهی تفکر(CoT) برای مسائل پیچیده
- ارزیابی گامبهگام راهحلها
- انتخاب ابزارها به صورت پویا بر اساس وظایف
- اجرای هدفمند و بهبود دائمی با خود اصلاحی
چند نکته دیگر برای ساخت عوامل هوش مصنوعی:
- کوچک شروع کنید. تلاش نکنید تا عامل کاملاً خودمختاری با همهی قابلیتها بسازید.
- با ارتقاء مدل زبانی بزرگ پایه با یک قابلیت (مانند RAG) شروع کنید و سپس به تدریج اجزای بیشتری اضافه کنید.
- هرچه قابلیتهای بیشتری به عامل خود اضافه کنید، سیستم پیچیدهتر میشود.
- نظارت گسترده داشته باشید. نه فقط معیارهای فنی، بلکه کیفیت خروجی، نرخ توهمات، الگوهای استفاده از ابزار، و رضایت کاربران را دنبال کنید تا عوامل هوش مصنوعی را پیوسته بهبود دهید.
اینجا چند قابلیت کلیدی برای ساخت معماری شما وجود دارد:
🧠 مدل زبانی بزرگ پایهی قوی
🔄 پیادهسازی مؤثر RAG
🛠 ادغام استفاده از ابزارهای متنوع
💾 سیستمهای حافظه
🖼 پردازش چندوجهی
🔍 قابلیتهای خودنظارتی
🔒 سیستمهای ایمنی
ما رو دنبال کنید:
📱 @metis_ai_news
🔗 metisai.ir
📺 کانال آپارات ما: aparat.com/metis_ai
اغلب دیده میشود که در مسیر تکامل از مدلهای زبانی بزرگ (LLM) اولیه تا ایجنتهای هوش مصنوعی پیشرفته سردرگمی وجود دارد. برای رفع این ابهام، یک تجسم گامبهگام و واضح تهیه شده که کل مسیر تکاملی را به تصویر میکشد.
به یاد داشته باشید، این یک مطلب فنی نیست، بلکه یک دیدگاه از نحوه تکامل سیستمهای هوش مصنوعی برای تبدیل شدن به ابزاری توانمندتر و خودمختارتر است.
👈🏻 مرحله ۱: پایهگذاری - مدل زبانی بزرگ اولیه
- جریان کاری ساده: ورودی (متن) -> مدل زبانی -> خروجی (متن)
- معماری مبتنی بر ترنسفورمر که بر روی مجموعه دادههای گسترده آموزش داده شده
- محدود به پردازش متن در کانتکست چت
- بدون ابزارهای خارجی یا قابلیت حافظه
👈🏻 مرحله ۲: قابلیتهای پردازش اسناد
- جریان کاری ارتقاء یافته: ورودی (متن/اسناد) -> مدل زبانی -> خروجی (متن/اسناد)
- افزایش طول کانتکست برای پردازش اسناد بزرگتر
- بهبود توکنسازی برای کار با محتوای ساختار یافته
- محدود به دانش ثابت از دادههای آموزشی
👈🏻 مرحله ۳: معرفی RAG و ادغام ابزارها برای:
- دسترسی به اطلاعات بهروز
- مکملسازی دانش مدل زبانی بزرگ با دادههای خارجی
- بهبود دقت و کاهش توهمات
- پشتیبانی از عملیات تخصصی از طریق فراخوانی API
👈🏻 مرحله ۴: ادغام سیستمهای حافظه برای:
- حفظ کانتکست در تعاملات
- امکان شخصیسازی بر اساس تبادلات گذشته
- ذخیره و بازیابی اطلاعات مرتبط
- پشتیبانی از وظایف و مکالمات طولانیمدت
👈🏻 مرحله ۵: پیادهسازی پردازش چندوجهی از طریق:
- مدیریت انواع ورودیهای متنوع (متن، تصاویر، جدولها)
- تولید فرمتهای خروجی متنوع
- ایجاد فهم جامعتر
- امکان تبادل اطلاعات غنیتر در قالب مدیاهای مختلف
👈🏻 مرحله ۶: آیندهی معماری عوامل هوش مصنوعی از طریق:
- پردازش زنجیرهی تفکر(CoT) برای مسائل پیچیده
- ارزیابی گامبهگام راهحلها
- انتخاب ابزارها به صورت پویا بر اساس وظایف
- اجرای هدفمند و بهبود دائمی با خود اصلاحی
چند نکته دیگر برای ساخت عوامل هوش مصنوعی:
- کوچک شروع کنید. تلاش نکنید تا عامل کاملاً خودمختاری با همهی قابلیتها بسازید.
- با ارتقاء مدل زبانی بزرگ پایه با یک قابلیت (مانند RAG) شروع کنید و سپس به تدریج اجزای بیشتری اضافه کنید.
- هرچه قابلیتهای بیشتری به عامل خود اضافه کنید، سیستم پیچیدهتر میشود.
- نظارت گسترده داشته باشید. نه فقط معیارهای فنی، بلکه کیفیت خروجی، نرخ توهمات، الگوهای استفاده از ابزار، و رضایت کاربران را دنبال کنید تا عوامل هوش مصنوعی را پیوسته بهبود دهید.
اینجا چند قابلیت کلیدی برای ساخت معماری شما وجود دارد:
🧠 مدل زبانی بزرگ پایهی قوی
🔄 پیادهسازی مؤثر RAG
🛠 ادغام استفاده از ابزارهای متنوع
💾 سیستمهای حافظه
🖼 پردازش چندوجهی
🔍 قابلیتهای خودنظارتی
🔒 سیستمهای ایمنی
ما رو دنبال کنید:
📱 @metis_ai_news
🔗 metisai.ir
📺 کانال آپارات ما: aparat.com/metis_ai
آپارات - سرویس اشتراک ویدیو
آپارات | متیس - پلتفرم هوش مصنوعی
پلتفرمی کامل برای اجرایی کردن راهحلهای هوش مصنوعی مولد.
ورزش شدید میتواند سلولهای سرطانی را از بین ببرد!
یک مطالعه علمی نشان داده که ورزشهای پرفشار، مثل تمرینات اینتروال با شدت بالا (HIIT)، بدنسازی سنگین و دوهای سرعتی، میتوانند با ایجاد نیروهای برشی قوی در جریان خون، سلولهای سرطانی در گردش را تخریب کنند.
محققان متوجه شدند که فشارهای ضعیف تأثیر زیادی ندارند، اما وقتی شدت این نیروها بالا میرود، سلولهای سرطانی در مدت ۹ تا ۱۸ ساعت نابود میشوند!
مطالعهای با عنوان "تنشهای برشی بالا تحت شرایط ورزشی، سلولهای سرطانی در حال گردش را در یک سیستم میکروفلوئیدیکی از بین میبرد" که توسط ساگار رگمی، آفو فو و کتی چیان لو انجام شده و در Nature Scientific Reports منتشر شده است، بررسی میکند که چگونه نیروهایی مشابه با ورزش بر سلولهای تومور در گردش (CTCs) تأثیر میگذارند.
محققان از سلولهای مهندسیشده سرطان سینه استفاده کردند و دریافتند که تنشهای برشی کم (۱۵–۳۰ داین بر سانتیمتر مربع) تأثیر چندانی بر سلولهای سرطانی در گردش ندارند، اما سطوح بالاتر (۴۵–۶۰ داین بر سانتیمتر مربع) به میزان قابل توجهی باعث کاهش بقای سلولها میشود. در سطح ۶۰ داین بر سانتیمتر مربع، تقریباً تمام سلولهای سرطانی در گردش طی ۹ تا ۱۸ ساعت از بین میروند
این یعنی ورزش شدید فقط برای تناسب اندام نیست، بلکه میتواند به سلامت و پیشگیری از سرطان هم کمک کند.
https://www.frontiersin.org/journals/molecular-biosciences/articles/10.3389/fmolb.2022.818470/full
https://www.nature.com/articles/srep39975
#مقاله #ورزش #بدنسازی #ژنتیک #پزشکی #علوم_پزشکی #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
یک مطالعه علمی نشان داده که ورزشهای پرفشار، مثل تمرینات اینتروال با شدت بالا (HIIT)، بدنسازی سنگین و دوهای سرعتی، میتوانند با ایجاد نیروهای برشی قوی در جریان خون، سلولهای سرطانی در گردش را تخریب کنند.
محققان متوجه شدند که فشارهای ضعیف تأثیر زیادی ندارند، اما وقتی شدت این نیروها بالا میرود، سلولهای سرطانی در مدت ۹ تا ۱۸ ساعت نابود میشوند!
مطالعهای با عنوان "تنشهای برشی بالا تحت شرایط ورزشی، سلولهای سرطانی در حال گردش را در یک سیستم میکروفلوئیدیکی از بین میبرد" که توسط ساگار رگمی، آفو فو و کتی چیان لو انجام شده و در Nature Scientific Reports منتشر شده است، بررسی میکند که چگونه نیروهایی مشابه با ورزش بر سلولهای تومور در گردش (CTCs) تأثیر میگذارند.
محققان از سلولهای مهندسیشده سرطان سینه استفاده کردند و دریافتند که تنشهای برشی کم (۱۵–۳۰ داین بر سانتیمتر مربع) تأثیر چندانی بر سلولهای سرطانی در گردش ندارند، اما سطوح بالاتر (۴۵–۶۰ داین بر سانتیمتر مربع) به میزان قابل توجهی باعث کاهش بقای سلولها میشود. در سطح ۶۰ داین بر سانتیمتر مربع، تقریباً تمام سلولهای سرطانی در گردش طی ۹ تا ۱۸ ساعت از بین میروند
این یعنی ورزش شدید فقط برای تناسب اندام نیست، بلکه میتواند به سلامت و پیشگیری از سرطان هم کمک کند.
https://www.frontiersin.org/journals/molecular-biosciences/articles/10.3389/fmolb.2022.818470/full
https://www.nature.com/articles/srep39975
#مقاله #ورزش #بدنسازی #ژنتیک #پزشکی #علوم_پزشکی #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
DeepMind AI Expert
ورزش شدید میتواند سلولهای سرطانی را از بین ببرد! یک مطالعه علمی نشان داده که ورزشهای پرفشار، مثل تمرینات اینتروال با شدت بالا (HIIT)، بدنسازی سنگین و دوهای سرعتی، میتوانند با ایجاد نیروهای برشی قوی در جریان خون، سلولهای سرطانی در گردش را تخریب کنند.…
از اونجایی ک اهل ورزش نبودین گفتم از مزایاش بگم بلکه علاقمند ب ورزش شین😂
در یک دستاورد شگفتانگیز، دانشمندان شرکت Colossal Biosciences موفق شدند گرگ غولپیکر منقرضشده (Dire Wolf) را پس از بیش از ۱۰ هزار سال دوباره به زندگی بازگردانند.
دو تولهی اول، به نامهای رومولوس و رموس، در تاریخ ۱ اکتبر ۲۰۲۴ متولد شدند و پس از آن، توله مادهای به نام * khaleesi* در ۳۰ ژانویه ۲۰۲۵ به دنیا آمد.
این تولدهای خارقالعاده از طریق استخراج DNA از فسیلهای باستانی یک دندان ۱۳ هزار ساله و یک جمجمه ۷۲ هزار ساله — و استفاده از تکنیکهای پیشرفته ویرایش ژن برای بازسازی پروفایل ژنتیکی گرگ غولپیکر، امکانپذیر شد.
این تولهها در حال حاضر در یک منطقهی حفاظتشدهی اکولوژیکی به وسعت بیش از ۲,۰۰۰ جریب، که مکان آن فاش نشده، نگهداری میشوند و تیمی متخصص بهصورت دقیق از آنها مراقبت میکند.
شما میتوانید روند رشد این تولهها و لحظات مهم زندگیشان را در کانال رسمی یوتیوب شرکت Colossal Biosciences تماشا کنید.
این دستاورد نهتنها گامی بزرگ در فناوری احیای گونههای منقرضشده بهشمار میآید، بلکه امیدی تازه برای تلاشهای حفاظت از تنوع زیستی نیز به همراه دارد.
https://reason.com/2025/04/07/colossal-biosciences-resurrects-long-extinct-dire-wolf/
پ.ن: اگه این گرگ رو ندید در یکی از قسمت های سریال GOT این گرگ حضور داشت (در فصل ۱و ۲و۳و۵ این گرگ حضور داره)
#ژنتیک #پزشکی #علوم_پزشکی #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
دو تولهی اول، به نامهای رومولوس و رموس، در تاریخ ۱ اکتبر ۲۰۲۴ متولد شدند و پس از آن، توله مادهای به نام * khaleesi* در ۳۰ ژانویه ۲۰۲۵ به دنیا آمد.
این تولدهای خارقالعاده از طریق استخراج DNA از فسیلهای باستانی یک دندان ۱۳ هزار ساله و یک جمجمه ۷۲ هزار ساله — و استفاده از تکنیکهای پیشرفته ویرایش ژن برای بازسازی پروفایل ژنتیکی گرگ غولپیکر، امکانپذیر شد.
این تولهها در حال حاضر در یک منطقهی حفاظتشدهی اکولوژیکی به وسعت بیش از ۲,۰۰۰ جریب، که مکان آن فاش نشده، نگهداری میشوند و تیمی متخصص بهصورت دقیق از آنها مراقبت میکند.
شما میتوانید روند رشد این تولهها و لحظات مهم زندگیشان را در کانال رسمی یوتیوب شرکت Colossal Biosciences تماشا کنید.
این دستاورد نهتنها گامی بزرگ در فناوری احیای گونههای منقرضشده بهشمار میآید، بلکه امیدی تازه برای تلاشهای حفاظت از تنوع زیستی نیز به همراه دارد.
https://reason.com/2025/04/07/colossal-biosciences-resurrects-long-extinct-dire-wolf/
پ.ن: اگه این گرگ رو ندید در یکی از قسمت های سریال GOT این گرگ حضور داشت (در فصل ۱و ۲و۳و۵ این گرگ حضور داره)
#ژنتیک #پزشکی #علوم_پزشکی #مقاله #ایده_جذاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Forwarded from Daily Laily (:
Please open Telegram to view this post
VIEW IN TELEGRAM
@grok what does the picture mean?
The picture is a meme showing a wizard with the text "this and deleting linkedin." It humorously suggests that deleting LinkedIn, a platform tied to corporate stress and self-promotion, leads to a peaceful, free life like the wizard’s. Elon Musk’s "Yes" agrees with this idea, poking fun at LinkedIn’s culture.
The picture is a meme showing a wizard with the text "this and deleting linkedin." It humorously suggests that deleting LinkedIn, a platform tied to corporate stress and self-promotion, leads to a peaceful, free life like the wizard’s. Elon Musk’s "Yes" agrees with this idea, poking fun at LinkedIn’s culture.
Forwarded from Msnp's binary thoughts
یه تجربه خیلی جالبی که داشتم تو ساخت agent ها این بوده که وقتی شما بهش چند تا گزینه مثل روش پاسخ دادن یا حتی tool بدید و گزینه هیچ کدام یا escape option ندید به احتمال زیاد اشتباها یکی رو انتخاب می کنه
گوگل هم یه agent development kit ارائه کرده که به نظر جالب میاد و خالی از لطف نیستش
https://google.github.io/adk-docs/get-started/
https://google.github.io/adk-docs/get-started/
google.github.io
Agent Development Kit
Build powerful multi-agent systems with Agent Development Kit
و البته agent2agent protocol رو هم معرفی کرده که اجازه میده که agent ها باهم تعامل داشته باشن حتی اگه با ابزار های مختلف از vendor های مختلف باشن
https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
Googleblog
Google for Developers Blog - News about Web, Mobile, AI and Cloud
Explore A2A, Google's new open protocol empowering developers to build interoperable AI solutions.