Telegram Web Link
Embeddings & Vector Stores.pdf
9.2 MB
اگر راجب Embeddings & Vector Stores اطلاعات کافی ندارین اینو بخونین

#پردازش_زبان_طبیعی #منابع

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
Audio
اگر راجب Embeddings & Vector Stores اطلاعات کافی ندارین اینو بخونین

پادکست پست بالا یکی از دوستان با استفاده از notebookLLM تبدیلش کرد

#پردازش_زبان_طبیعی #منابع

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
DeepMind AI Expert
و اینجا هم OpenAI یک CodexCLI رو به صورت #متن_باز منتشر کرده که میتونه فکر کنه و کدهای خودتون رو مستقیما رویی سیستم های شخصی اجرا کنین منتشر کرد https://github.com/openai/codex 🔸 مطالب بیشتر 👇👇 @AI_DeepMind 🔸 @AI_Person
Media is too big
VIEW IN TELEGRAM
ابزار جدید OpenAI به صورت متن باز منتشر شد معرفی لینک در پست قبلی
Codex

00:00 Introducing Codex
01:38 Setup and kicking off tasks
05:05 Environments
07:20 Guiding Codex with a Markdown file
12:00 The Codex origin story
14:25 Verifying and reviewing Codex tasks
17:28 Using Codex at OpenAI
20:48 Availability via ChatGPT
21:22 Roadmap and Codex CLI updates

#منابع #فیلم #الگوریتمها


🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
مطالعه‌ای جدید نشان می‌دهد که مدل‌های بینایی-زبان (VLMs) که برای تجزیه و تحلیل تصاویر #پزشکی و جستجوی مبتنی بر متن استفاده می‌شوند در درک کلمات منفی مانند «نه» و «ندارد» دچار مشکل هستند. این ناتوانی می‌تواند منجر به اشتباهات جدی در زمینه‌هایی با حساسیت بالا مانند پزشکی و تولید شود.

در سناریوهایی مانند بررسی تصاویر پزشکی، نادیده گرفتن نفی می‌تواند به تشخیص‌های نادرست منجر شود.
این مدل‌ها تمایل دارند وجود اشیا را تایید کنند و کلمات منفی را نادیده بگیرند، حتی زمانی که نفی به‌صورت غیرمستقیم بیان شده باشد.
با ایجاد مجموعه داده‌ای شامل ۱۰ میلیون جفت تصویر-متن با کلمات منفی، محققان توانستند عملکرد مدل‌ها را در بازیابی تصاویر بدون اشیاء خاص تا ۱۰٪ و در پاسخ به سؤالات چندگزینه‌ای با توضیحات منفی تا ۳۰٪ بهبود دهند.

محققان هشدار می‌دهند که استفاده از این مدل‌ها بدون ارزیابی دقیق می‌تواند در زمینه‌هایی مانند مراقبت‌های بهداشتی و تولید صنعتی خطرناک باشد.

▪️ Study shows vision language models can't handle queries with negation words

#مقاله #مدل_متنی #پردازش_تصویر

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
هدفون‌های ردیاب صدا و امکان جداسازی یک صدا از یک مکالمه گروهی

محققان دانشگاه واشنگتن، سیستمی مبتنی بر هدفون ساخته‌اند که امکان جداسازی یک صدا را از یک مکالمه گروهی فراهم می‌کند. این دستگاه شامل یک جفت هدفون حذف نویز سونی SH-100XM4 است که به یک جفت هدفون دو گوشی Sonic Presence Sp15C متصل شده است.

پس از اینکه میکروفن‌ها صدا را دریافت کردند، این صدا به یک دستگاه تلفن همراه که مدل‌های شبکه عصبی را در زمان واقعی اجرا می‌کند، منتقل می‌شود. در این مورد، تیم از یک لپ‌تاپ مجهز به تراشه سیلیکونی M2 اپل استفاده می‌کند که قادر به اجرای شبکه‌های عصبی است. سپس این صدا ترجمه شده و از طریق هدفون با تاخیری که می‌تواند به کوتاهی ۱ تا ۲ ثانیه باشد، بازگردانده می‌شود.

این سیستم نه تنها قادر به تشخیص صداهای مختلف در یک مکالمه گروهی است، بلکه ریتم‌های طبیعی گفتار را حفظ می‌کند و باعث می‌شود که صدای ضبط شده بسیار طبیعی به نظر برسد.

https://github.com/chentuochao/Spatial-Speech-Translation

https://newatlas.com/mobile-technology/spatial-speech-translation-headphones/

#مقاله #متن_باز
ویرا

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
Forwarded from Daily Laily (:
🎥 موقعیت شغلی: تولیدکننده محتوا (Content Creator)
مکان: ریموت / حضوری (تهران)
نوع همکاری: پاره‌وقت یا ساعتی
استارتاپ: گفتا – دستیار هوشمند فروش و پاسخگویی

🧠 درباره گفتا
ما در گفتا در حال ساخت یک دستیار هوشمند هستیم که به فروشندگان آنلاین کمک می‌کنه به سؤالات مشتریان با دقت و سرعت پاسخ بدن — با کمک هوش مصنوعی. گفتا روی پلتفرم‌هایی مثل دیوار فعال شده و حالا آماده‌ایم تا محتوای آموزشی، معرفی و ارتباط انسانی‌تری با کاربران‌مون بسازیم.

شرح وظایف
تولید ویدیوهای کوتاه و حرفه‌ای برای اینستاگرام، تلگرام و وب‌سایت گفتا

معرفی قابلیت‌های جدید محصول به زبان ساده و جذاب

پاسخ به سؤالات پرتکرار کاربران در قالب ویدیو

تولید سناریو و متن‌های آموزشی

حضور در رویدادهای آنلاین یا لایوهای معرفی محصول و ارتباط با اینفلوئنسرها

مهارت‌ها و ویژگی‌های ضروری
بیان شیوا و زبان بدن قوی جلوی دوربین

آشنایی با تولید محتوا برای شبکه‌های اجتماعی

شخصیت صمیمی، قابل اعتماد و انرژی مثبت

توانایی توضیح مفاهیم فنی به زبان ساده

خلاقیت در ارائه و سبک گفتار

🔥 مزایا
همکاری با یک تیم خلاق و با انگیزه در حوزه AI

امکان رشد و دیده‌شدن به عنوان چهره برند

دسترسی به تجهیزات و آموزش‌های لازم برای تولید محتوای بهتر

انعطاف در زمان و سبک همکاری (پاره‌وقت یا ساعتی)

📩 نحوه ارسال درخواست
لطفاً یک ویدیو 1 دقیقه‌ای از خودتون که در اون محصولی (واقعی یا فرضی) رو معرفی می‌کنید، همراه با رزومه یا لینک اینستاگرام/نمونه کارها، به تلگرام زیر ارسال کنید:

www.tg-me.com/goftaai
Forwarded from Akbar Majidi
Hiring a ML Engineer – Deep Learning & Applied AI

We’re seeking engineers with strong foundations in mathematics, statistics, and machine learning theory.

Minimum requirements, you should have bachelor and master degrees in math, statistics, computer science, electrical engineering or relevant engineering fields,

Visa sponsorship available – it is not
remote position. So, you should able to travel to Ireland.

Competitive salary: €42.000 plus €42000 euros of shares (overall €84.000)

Who We’re Looking For:

ML Engineer – Deep Learning & Applied AI.
We’re seeking engineers with strong foundations in mathematics, statistics, and machine learning theory, who are comfortable building end-to-end ML systems. Ideal candidates will have:
• Expertise in deep learning and generative models (e.g. transformers, VAEs, diffusion models)
• Solid understanding of optimization, regularization, and probabilistic modeling


Our Tech Stack:
• Python, PyTorch, TensorFlow
• Distributed training & experiment tracking (e.g. WandB, Hydra)
• Real-time inference pipelines & MLOps
• AWS/GCP for scalable deployment

Why Join Us?
🚀 Build next-generation applied AI systems
• High salary + high equity in a venture-backed startup
• Collaborate with top researchers and engineers
• Solve problems with real-world impact
• Hybrid work setup in Dublin

If you’re passionate about building complex ML systems grounded in theory and built for performance, we’d love to hear from you.

📩 Send your CV to:
[email protected]
Or connect at:
@MajidiAkbar
DeepMind AI Expert
Please open Telegram to view this post
VIEW IN TELEGRAM
شماره تلفن این اشخاص پیش من هست که دیگران رو سرکار گذاشتند و فرستادنشون جایی بی جا و مکان
DeepMind AI Expert
چه شود قرار هست علیرضا قربانی ی کنسرت تو خرداد برگزارکنه و جانی دوباره به رگ های ما تزریق کنه بی صبرانه منتظر این روزم😢😍😍
فردا ساعت ۱۶ فروش بلیت کنسرت علیرضا قربانی شروع خواهد شد گفتم در جریان باشین ی بلیت هم برا من بگیرید و هدیه بدین بهم 🚶‍♂
این دوره بشدت خوب و کامل از سباستین راسچکا بزرگ که دارای چندین کتاب خوب و کاربردی دیگری هم هست این دوره #یادگیری_عمیق و مدلهای مولد رو ارائه داده علاقمندان این حوزه ببینید

▪️ Intro to Deep Learning and Generative Models by Sebastian Raschka.

#منابع #مدل_مولد #مولد #هوش_مصنوعی #پایتون #برنامه_نویسی


🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
از این دوتا سایت برای دانلود کتابهاتون استفاده کنید

https://libgen.is/
https://oceanofpdf.com/

#منابع #کتاب

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
Announcing Gemma 3n preview

🎙️ Multimodal: audio, video, text
🧠New architecture with 4B and 2B effective params
🤯LMArena score of 1283
👀Available in AI Studio
https://developers.googleblog.com/en/introducing-gemma-3n

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
Forwarded from Metis Ai
🔴 وقتی مدل‌ها نه نمی‌گن!

💡 مفهوم LLM Jailbreaking به تکنیک‌هایی مثل Prompt Injection، دستکاری Few-Shot Learning اشاره داره که باعث می‌شه مدل محتوایی رو تولید کنه که محدودیت‌هایی داشته و برنامه‌ریزی شده تولید نکنه.

🔍 این محدودیت‌ها برای جلوگیری از تولید محتوای مضر، غیرقانونی، غیراخلاقی یا نامناسب توسط مدل طراحی شده‌ اما با استفاده از روش‌هایی مدل رو گول می‌زنن تا به این سوالات پاسخ بده!

چرا LLMها نیاز به محدودیت دارن؟
مدل‌ها بر روی حجم عظیمی از داده‌های متنی آموزش دیدن که این داده‌ها شامل اطلاعات مفید و مضر هستن. بدون این محدودیت‌ها، مدل‌ها ممکنه محتوای نامناسب تولید کنه یا اخبار جعلی و اطلاعات خصوصی رو منتشر کنن.

☑️ این یه چالش بزرگ برای توسعه‌دهنده‌های LLMهاست و شرکت‌ها دائماً در حال بهبود اقدامات امنیتی و فیلترهای خودشون هستن تا از چنین سوءاستفاده‌هایی جلوگیری کنن.

📌درک مفهوم جیلبریک کردن به ما کمک می‌کنه تا آسیب‌پذیری‌های احتمالی LLMها رو بهتر بشناسیم و اهمیت توسعه مدل‌های ایمن و مسئولیت‌پذیر رو درک کنیم.


🔻ما رو دنبال کنید:
📱 @metis_ai_news
🔗 metisai.ir
🔗 Linkedin
NVIDIA’s most popular llama-nemotron-8B reasoning model just got better and 2× smaller!

Introducing Llama-3.1-Nemotron-Nano-4B-v1.1, compressed from Llama3.1-8B using the Minitron and post finetuned with Nemotron.

🤗Model on HF: https://huggingface.co/nvidia/Llama-3.1-Nemotron-Nano-4B-v1.1

📦 Recipe:
• Minitron: Prune Llama3.1-8B to 4B, distill on <400B tokens
• New: SFT for Math, Code, Reasoning, Tool Use
• RPO for chat + instruction-following
• Final = weighted sum of SFT + RPO checkpoints

🏆 Outperforms DeepSeek-R1-Distill-Llama-8B & Llama3.1-8B-Instruct
⚙️ Twice as small, and even better than Llama-3.1-Nemotron-Nano-8B-v1

🎯 Features:
• Reasoning Mode (ON/OFF)
• 128k context length
• Ideal for Agents, Chatbots, RAG
• Great for instruction following
• Fits on a single RTX GPU and can be used locally

Excited about potential use as a draft model for larger Nemotrons!

📖 More details:
• Llama-nemotron reasoning: https://arxiv.org/abs/2505.00949
• Minitron compression: https://arxiv.org/abs/2408.11796

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
انسان‌ها قادرند زبان را با تجربه‌ای اندک بیاموزند، اما مدل‌سازی محاسباتی این توانایی چالشی بزرگ در علوم شناختی بوده است. مدل‌های بیزی با تعصبات استنتاجی قوی می‌توانند از داده‌های محدود یاد بگیرند، اما در مواجهه با داده‌های طبیعی و پیچیده، انعطاف‌پذیری کافی ندارند. از سوی دیگر، شبکه‌های عصبی انعطاف‌پذیرند و می‌توانند داده‌های طبیعی را پردازش کنند، اما در یادگیری از داده‌های محدود عملکرد ضعیفی دارند.

در این مقاله، نویسندگان روشی را پیشنهاد می‌کنند که تعصبات استنتاجی مدل‌های بیزی را به شبکه‌های عصبی منتقل می‌کند. این رویکرد ترکیبی، توانایی یادگیری سریع از داده‌های محدود را با قابلیت پردازش داده‌های طبیعی ترکیب می‌کند. نتایج نشان می‌دهد که این سیستم می‌تواند الگوهای زبانی رسمی را از داده‌های محدود یاد بگیرد و جنبه‌هایی از نحو زبان انگلیسی را از جملات طبیعی بیاموزد.

▪️ Modeling rapid language learning by distilling Bayesian priors into artificial neural networks

#مقاله #پزشکی

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
به بررسی فرضیه‌ای جدید در زمینه یادگیری عمیق می‌پردازد که به نام «نمایش درهم‌شکسته و درهم‌تنیده» (Fractured Entangled Representation یا FER) شناخته می‌شود. این فرضیه نشان می‌دهد که شبکه‌های عصبی آموزش‌دیده با استفاده از الگوریتم گرادیان کاهشی (SGD) ممکن است نمایش‌های داخلی نامنظم و درهم‌تنیده‌ای ایجاد کنند، حتی زمانی که عملکرد خروجی آن‌ها مشابه با شبکه‌هایی است که با روش‌های دیگر آموزش دیده‌اند.

▪️ Questioning Representational Optimism in Deep Learning: The Fractured Entangled Representation Hypothesis
#مقاله #پزشکی

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
متوجه نمیشم چرا باید سرعت سایتتو رو بیاری پایین که کسی به زحمت بتونه ی رزرو بلیت انجام بده چرا زیرساخت خدمات دهی خودتون رو ارتقا نمیدید وب سایت ایران تیک مصداق واقعی تلف کردن وقت علاقمندان به صنعت موسیقی ایران هستش
2025/07/04 06:24:52
Back to Top
HTML Embed Code: