Forwarded from گریز از مرکز
آیا شما به موقع مواجهه با Bug یا Error به موقع برنامه‌نویسی، دچار استرس (یا به هم‌ریختگی) میشید؟
(پیش چند نفر این قضیه رو مشاهده کردم. می‌خوام ببینم چه قدر فراگیره.)
(پیش چند نفر این قضیه رو مشاهده کردم. می‌خوام ببینم چه قدر فراگیره.)
Anonymous Poll
25%
بله. خیلی اوقات.
26%
بله. بعضی وقت‌ها پیش میاد.
19%
بله. کم پیش میاد ولی ممکنه.
23%
خیر/به ندرت
7%
تجربه برنامه‌نویسی ندارم تقریبا.
5🆒3🗿2☃1🔥1👌1
۱۰ ایجنت #متن_باز Deep Research
1. DeerFlow
A modular multi-agent system combining LMs and tools for automated research and code analysis. It links a coordinator, planner, team of specialized agent, and reporter, and converts reports to speech via Text-to-Speech (TTS)
2. Alita
Uses a single problem-solving module for scalable reasoning through simplicity. It self-evolves by generating and reusing Model Context Protocols (MCPs) from open-source tools to build external capabilities for diverse tasks
3. WebThinker
Lets reasoning models autonomously search the web and navigate pages. Deep Web Explorer allows interaction with links and follow-up searches. Through a Think-Search-and-Draft process models generate and refine reports in real time. RL training with preference pairs improves the workflow
4. SimpleDeepSearcher
A lightweight framework showing that supervised fine-tuning is a real alternative to complex RL, using simulated web interactions and multi-criteria curation to generate high-quality training data
5. AgenticSeek
A private, on-device assistant that picks the best agent expert for browsing, coding, or planning—no cloud needed. Includes voice input via speech-to-text
6. Suna
Offers web browsing, file and doc handling, CLI execution, site deployment, and API/service integration—all in one assistant
7- DeepResearcher
An RL framework for training deep research agents end-to-end in real-world environments with web search, exhibiting emergent behaviour like planning, multi-source validation, self-reflection, and honest defining when the agent doesn't know the answer
8- Search-R1
Features interleaved search access and an open-source RL training pipeline supporting various algorithms (PPO, GRPO, etc.), LLMs (LLaMA3, Qwen2.5, etc.), and search engines (online, local, retrievers)
9- ReCall
Trains LLMs to reason with tools via RL, no supervised tool-use data needed. It enables agentic use of tools like OpenAI o3 and supports synthetic data generation across diverse environments and multi-step tasks
10- OWL
A framework built on CAMEL-AI framework enabling dynamic multi-agent collaboration for task automation across diverse domains
#الگوریتمها #هوش_مصنوعی #مقاله@AI_DeepMind
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
1. DeerFlow
A modular multi-agent system combining LMs and tools for automated research and code analysis. It links a coordinator, planner, team of specialized agent, and reporter, and converts reports to speech via Text-to-Speech (TTS)
2. Alita
Uses a single problem-solving module for scalable reasoning through simplicity. It self-evolves by generating and reusing Model Context Protocols (MCPs) from open-source tools to build external capabilities for diverse tasks
3. WebThinker
Lets reasoning models autonomously search the web and navigate pages. Deep Web Explorer allows interaction with links and follow-up searches. Through a Think-Search-and-Draft process models generate and refine reports in real time. RL training with preference pairs improves the workflow
4. SimpleDeepSearcher
A lightweight framework showing that supervised fine-tuning is a real alternative to complex RL, using simulated web interactions and multi-criteria curation to generate high-quality training data
5. AgenticSeek
A private, on-device assistant that picks the best agent expert for browsing, coding, or planning—no cloud needed. Includes voice input via speech-to-text
6. Suna
Offers web browsing, file and doc handling, CLI execution, site deployment, and API/service integration—all in one assistant
7- DeepResearcher
An RL framework for training deep research agents end-to-end in real-world environments with web search, exhibiting emergent behaviour like planning, multi-source validation, self-reflection, and honest defining when the agent doesn't know the answer
8- Search-R1
Features interleaved search access and an open-source RL training pipeline supporting various algorithms (PPO, GRPO, etc.), LLMs (LLaMA3, Qwen2.5, etc.), and search engines (online, local, retrievers)
9- ReCall
Trains LLMs to reason with tools via RL, no supervised tool-use data needed. It enables agentic use of tools like OpenAI o3 and supports synthetic data generation across diverse environments and multi-step tasks
10- OWL
A framework built on CAMEL-AI framework enabling dynamic multi-agent collaboration for task automation across diverse domains
#الگوریتمها #هوش_مصنوعی #مقاله@AI_DeepMind
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤7🔥2👌1🆒1
جادی آموزش پایتون جامع خودش را در سایت مکتبخونه به طور کاملا رایگان منتشر کرد
برای دریافت رایگان این دوره کد زیر:
PEACE
وارد کنید
▪️ آموزش پایتون جامع
پ.ن: این آموزش تا ۱۵ تیر ماه رایگان خواهد بود شرط دریافت رایگان دوره، برداشتن تیک «دسترسی کامل» هست.
#پایتون #منابع #کلاس_آموزشی #فیلم
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
برای دریافت رایگان این دوره کد زیر:
وارد کنید
▪️ آموزش پایتون جامع
پ.ن: این آموزش تا ۱۵ تیر ماه رایگان خواهد بود شرط دریافت رایگان دوره، برداشتن تیک «دسترسی کامل» هست.
#پایتون #منابع #کلاس_آموزشی #فیلم
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
🕊10❤4
شرکت آنتروپیک تو یه پروژه مدل خودش claude رو مسئول یه vending machine کرد از خرید از توزیع کننده بگیر تا کد تخفیف و جواب به سوالات مشتری و هدف فقط اینه بود که ضرر نکنه درسته در آخر ضرر کرد ولی پروژه خیلی جالبی شد و نتیجه های جالبی داشت
https://www.anthropic.com/research/project-vend-1
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
https://www.anthropic.com/research/project-vend-1
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
Anthropic
Project Vend: Can Claude run a small shop? (And why does that matter?)
We let Claude run a small shop in the Anthropic office. Here's what happened.
👍7❤1
Forwarded from @machinelearningnet
💥چند تا نکته بابت اپلای :
💠 این مدت درگیر انتخاب دانشجو برای پوزیشن دکترای دانشکده بودم، نزدیک ۲۰۰ نفر برای یک پوزیشن اپلای کردن که در واقع کلی هم رزومه های خوب بین شون وجود داره،
🌐 اول بگم که اینجا دانشگاه top 100 دنیا هست و مطالبی که میگم برای این لول هست،
◻️ راستش وقتی سیستم اینقدر رقابتی میشه، دیگه متقاضی با نمره زیر ۷ آیلتس ( یا ۱۰۰ تافل ) اتوماتیک حذف میشن،
▫️ بدون داشتن مقاله معتبر توی رزومه، اصولا شانسی کمی دارین،
🔸 درباره مقاله لطفا دقت کنید، اگه میخواین به بیزینس اسکول های خوب انگلیس یا اروپا اپلای کنید، ژورنالهای computer science اینا اینجا ارزش بالایی ندارن،
اصولا از abs لیست یا abdc لیست ژورنال خوب رو انتخاب کنید و سابمیت کنید،
💻 اصلاح رایتینگ پروپوزال با کمک ai اوکیه، اما هیچ وقت ازش نخواهید کل پروپوزال رو براتون بنویسه ، عمرا نوآوری داشته باشه،
🌐 🔸 نکته ی بعدی شناخت از فرد هست، اگه قبلا با استاد صحبت کردین، پروپوزال رو باهاش اکستند کردین عالیه، اینجوری شما میشین فرد منتخب اون استاد، و بعدش شانس بیشتری دارین تا همینجوری اقدام کنید ( یه روز قبل از ددلاین به استاد ایمیل زدن فایده نداره)
⚙️ سعی نکنید هر چیزی رو یجوری بفشارید در دل ریسرچ استاد، مقاله های جدید طرف رو بخونید و اگه واقعا توی فیلد شما نیست بهش ایمیل نزید، کلی استاد توی دپارتمان هست، بعدش سعی کنید head ریسرچ دپارتمان رو پیدا کنید، چون اون خیلی دخیل هست توی انتخاب دانشجوی دکترا،
🎙️ کیفیت مصاحبه مهمه، توی مصاحبه سوال رو بشنوید و جواب اونو بدین، نه اینکه بی ربط جواب بدین
🔎 اصولا اگه ۷-۸ سال از فارغ التحصیلی فرد گذشته باشه، شانس اسکولارشیپ واقعا سخت میشه، مگه اینکه کلی مقاله داشته باشین.
💳 همه اینا برای زمانی هست که میخواین اسکولارشیپ بگیرین، والا پولی، هیچ کدوم از این مشکلات نیست ☺️
🟫 داشتن رفرنس از دانشگاهای خارجی خوبه، چون کیفیت طرف رو یکی در حد استاندارد اینجا تایید کرده.
✈️ متاسفانه احتمال اینکه در این زمان ویزای امریکا بیاد خیلی کمه، و دانشگاه‌های امریکایی دیگه خیلی ایرانی هارو بخاطر کارهای احمقانه ترامپ نمیتونن بگیرن، واقعا حیف اما بنظرم با این وجود برای بیزینس اسکول، و فاینانس واقعا اروپا و انگلیس گاها سرتر از امریکا هست.
💠 و نکته اخر : واقعا بچه های ایران چقدر خوبن، امیدوارم عقلانیتی باشه که بتونیم ایران خودمون رو بسازیم، وطن همه چیز آدمی هست، وقتی می‌آید بیرون متوجه میشید که چقدر قلبتون براش میتپه ♥️
ساسان براک
Channel: @machinelearningnet2
Group: @machinelearningnet
اصولا از abs لیست یا abdc لیست ژورنال خوب رو انتخاب کنید و سابمیت کنید،
ساسان براک
Channel: @machinelearningnet2
Group: @machinelearningnet
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19🗿3
دوتا کورس عالی از دانشگاه برکلی راجع به ایجنت ها ارائه شده. دوره اول فاندیمنتال و مباحث اصلی را توضیح میده و دوره دوم دوره پیشرفته راجع به ایجنت ها هست. تمام اسلایدها و ویدیوها و مقالات هم موجوده. و موضوعات مهم و اساسی را پوشش میده.
▪️ CS294/194-196 Large Language Model Agents
▪️ CS294/194-280
Advanced Large Language Model Agents
#منابع #کلاس_آموزشی #پردازش_زبان_طبیعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ CS294/194-196 Large Language Model Agents
▪️ CS294/194-280
Advanced Large Language Model Agents
#منابع #کلاس_آموزشی #پردازش_زبان_طبیعی
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤13👍5
ورکشاپ The Future of Language Models and Transformers در خصوص ترنسفورمر ها و مدل های زبانی است که توسط موسسه Simons در دانشگاه برکلی برگزار شده است و شامل مجموعه سخنرانی زیر میباشد:
1 - LLM Reasoning (link)
2- The Key Ingredients of Optimizing Test-Time Compute and What's Still Missing (link)
3- Openthinker: curating a reasoning post-training dataset and training open data reasoning models (link)
4- LLM skills and meta-cognition: scaffolding for new forms of learning? (link)
5- What will Transformers look like in 2027? (link)
6- Reducing the Dimension of Language: A Spectral Perspective on Transformers (link)
7- Mixed-modal Language Modeling: Chameleon, Transfusion, and Mixture of Transformers (link)
8- The Frontier between Retrieval-augmented and Long-context Language Models (link)
9- Attention to Detail: Fine-Grained Vision-Language Alignment (link)
10- Inference Scaling: A New Frontier for AI Capability (link)
11- DeepSeek-R1 Thoughtology: <Thinking> about LLM Reasoning (link)
12- On cognitive maps, LLMs, world models, and understanding (link)
13- The Move Toward AGI: Why Large Language Models Surprised Almost Everyone, and What’s Coming Next | Theoretically Speaking (link)
14- On Knowledge Separation and Latent Diffusion for Text (link)
15- Controllable and Creative Natural Language Generation (link)
16- Transformers can learn compositional function(link)
17- Predicting and optimizing the behavior of large ML models(link)
18- Towards sequence-to-sequence models without activation functions(link)
19- The Power of Resets! Learning better, one reset at a time (link)
20- SILO Open LM: Training LMs on Siloed Datasets (link)
21- The Future of Language Models: A Perspective on Evaluation (link)
22- Learning Generative Models from Corrupted Data (link)
#Transformer
#Language_Models
#Workshop
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
1 - LLM Reasoning (link)
2- The Key Ingredients of Optimizing Test-Time Compute and What's Still Missing (link)
3- Openthinker: curating a reasoning post-training dataset and training open data reasoning models (link)
4- LLM skills and meta-cognition: scaffolding for new forms of learning? (link)
5- What will Transformers look like in 2027? (link)
6- Reducing the Dimension of Language: A Spectral Perspective on Transformers (link)
7- Mixed-modal Language Modeling: Chameleon, Transfusion, and Mixture of Transformers (link)
8- The Frontier between Retrieval-augmented and Long-context Language Models (link)
9- Attention to Detail: Fine-Grained Vision-Language Alignment (link)
10- Inference Scaling: A New Frontier for AI Capability (link)
11- DeepSeek-R1 Thoughtology: <Thinking> about LLM Reasoning (link)
12- On cognitive maps, LLMs, world models, and understanding (link)
13- The Move Toward AGI: Why Large Language Models Surprised Almost Everyone, and What’s Coming Next | Theoretically Speaking (link)
14- On Knowledge Separation and Latent Diffusion for Text (link)
15- Controllable and Creative Natural Language Generation (link)
16- Transformers can learn compositional function(link)
17- Predicting and optimizing the behavior of large ML models(link)
18- Towards sequence-to-sequence models without activation functions(link)
19- The Power of Resets! Learning better, one reset at a time (link)
20- SILO Open LM: Training LMs on Siloed Datasets (link)
21- The Future of Language Models: A Perspective on Evaluation (link)
22- Learning Generative Models from Corrupted Data (link)
#Transformer
#Language_Models
#Workshop
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤12👍2🔥1
Forwarded from Ali's Notes
یه پکیج خوب برای فیکس کردن جیسان های خروجی مدل های زبانی:
🔗 https://github.com/mangiucugna/json_repair
@css_nlp
@css_nlp
Please open Telegram to view this post
VIEW IN TELEGRAM
GitHub
GitHub - mangiucugna/json_repair: A python module to repair invalid JSON from LLMs
A python module to repair invalid JSON from LLMs. Contribute to mangiucugna/json_repair development by creating an account on GitHub.
👍6❤1
اگر کاربر #تلگرام Premium هستید، و محتویات و پست‌های کانال مورد توجهت قراره گرفته با Boost کردن کانال ما، در فعال کردن قابلیت انتشار استوری به ما کمک کنید تا بتوانیم محتواهای جذاب را در استوری تلگرام با شما به اشتراک بگذاریم 🚶♂🚶♂❤️🌻
👇👇
https://www.tg-me.com/boost/AI_DeepMind
👇👇
https://www.tg-me.com/boost/AI_DeepMind
☃9❤5👌4🕊2
DeepMind AI Expert
اگر کاربر #تلگرام Premium هستید، و محتویات و پست‌های کانال مورد توجهت قراره گرفته با Boost کردن کانال ما، در فعال کردن قابلیت انتشار استوری به ما کمک کنید تا بتوانیم محتواهای جذاب را در استوری تلگرام با شما به اشتراک بگذاریم 🚶♂🚶♂❤️🌻 👇👇 https://www.tg-me.com/boost/AI_DeepMind
این boost هایی ک دارین رو بی استفاده نزارین🚶♂
🗿11👍3🕊3❤1
DeepMind AI Expert
اگر کاربر #تلگرام Premium هستید، و محتویات و پست‌های کانال مورد توجهت قراره گرفته با Boost کردن کانال ما، در فعال کردن قابلیت انتشار استوری به ما کمک کنید تا بتوانیم محتواهای جذاب را در استوری تلگرام با شما به اشتراک بگذاریم 🚶♂🚶♂❤️🌻 👇👇 https://www.tg-me.com/boost/AI_DeepMind
از اینکه رفیق های همراه خوبی هستین ممنونم تعداد boostingها به ۱۲تا باقیموند ی هل دیگع ب کانال بدین مرسی ازتون قلب براهمتون❤️🌻
https://www.tg-me.com/boost/AI_DeepMind
https://www.tg-me.com/boost/AI_DeepMind
1❤10🗿5
مقاله
▪️ Thinking with Images for Multimodal Reasoning: Foundations, Methods, and Future Frontiers
#مقاله #استدلالی #پردازش_عکس
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Thinking with Images for Multimodal Reasoning: Foundations, Methods, and Future Frontiers
#مقاله #استدلالی #پردازش_عکس
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍5❤2
در این #مقاله مانند انسان (تفکری کند، تحلیل‌محور) بدون نیاز به آموزش نظارتی ویژه یا افزونه‌های جانبی. مدل EBT به صورت هم‌زمان ورودی و پیش‌بینی توکن را دریافت کرده و پیش‌بینی اولیه (مثلاً نویز تصادفی برای تصاویر یا توکن‌های نامطمئن برای متن) گرفته شده، و سپس مدل با استفاده از گرادیان‌نزولی آن را برای کاهش انرژی بهینه‌سازی می‌کند. حتی وقتی عملکرد pretraining چندان قوی نیست، EBTها نتایج بهتری در برچسب‌گذاری‌های پایین‌دستی نشان می‌دهند.
▪️ Energy-Based Transformers are Scalable Learners and Thinkers
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
▪️ Energy-Based Transformers are Scalable Learners and Thinkers
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
❤8👍3
سلام دوستان همراه کانال ❤️
مشکلتون با اسم و ایدی واقعی خودتون چیه؟ چرا فیک و الکی پر میکنین تا فک کنم که اسپمر و مخاطب اسپمر هستین و ریمو کنم از کانال حدود ۲۸۰۰ نفر اینطوری فک میکنن که بدون اسم و ایدی الکی و اسم های خارجی خیلی باکلاس میشه واردکانال میشن و منم ریمو میکنم اگه اینطوری وارد کانال بشین ریموین یا اسم واقعی، عکس واقعی، ایدی ک بشه شمارو واقعی دونست وارد شین غیر این ریمو خواهید شد🌻❤️
مشکلتون با اسم و ایدی واقعی خودتون چیه؟ چرا فیک و الکی پر میکنین تا فک کنم که اسپمر و مخاطب اسپمر هستین و ریمو کنم از کانال حدود ۲۸۰۰ نفر اینطوری فک میکنن که بدون اسم و ایدی الکی و اسم های خارجی خیلی باکلاس میشه واردکانال میشن و منم ریمو میکنم اگه اینطوری وارد کانال بشین ریموین یا اسم واقعی، عکس واقعی، ایدی ک بشه شمارو واقعی دونست وارد شین غیر این ریمو خواهید شد🌻❤️
🗿43👍8❤4☃3
DeepMind AI Expert
از اینکه رفیق های همراه خوبی هستین ممنونم تعداد boostingها به ۱۲تا باقیموند ی هل دیگع ب کانال بدین مرسی ازتون قلب براهمتون❤️🌻 https://www.tg-me.com/boost/AI_DeepMind
دوستان گل زشته ک دیگه این کانال منو بعد چندین سال فعالیت ازم حمایت نمیکنین ۱۱ تا boost باقیمونده بیایید این کارو تموم کنین مرسی اه
https://www.tg-me.com/boost/AI_DeepMind
https://www.tg-me.com/boost/AI_DeepMind
2☃13👍6❤2🔥1🆒1
DeepMind AI Expert
دوستان گل زشته ک دیگه این کانال منو بعد چندین سال فعالیت ازم حمایت نمیکنین ۱۱ تا boost باقیمونده بیایید این کارو تموم کنین مرسی اه https://www.tg-me.com/boost/AI_DeepMind
چ رفیقای خوبیو الان دیدم گیف هدیه دادن ب کانال 🥲😍
من چ ذوقی از همراهی شماها دارم
من چ ذوقی از همراهی شماها دارم
❤16
Forwarded from Quera
📣 مسابقه برنامه‌نویسی در کوئرا، فرصت استخدام در دیوار
✨ رقابتی برای علاقه‌مندان به مهندسی نرم‌افزار و هوش‌مصنوعی
🏆 جوایز نقدی:
🥇رتبه اول: ۵۵ میلیون
🥈رتبه دوم: ۳۴ میلیون
🔥 تا رتبه دهم → با معکوس الگوی فیبوناچی
🎁 جوایز غیرنقدی متنوع بین رتبه‌های ۱۱ تا ۱۰۰۰
🗓 پنج‌شنبه ۱۹ تیر به صورت آنلاین
✅ اطلاعات بیشتر و ثبت‌نام رایگان:
🔗 https://quera.org/r/f0ml2
✨ رقابتی برای علاقه‌مندان به مهندسی نرم‌افزار و هوش‌مصنوعی
🏆 جوایز نقدی:
🥇رتبه اول: ۵۵ میلیون
🥈رتبه دوم: ۳۴ میلیون
🔥 تا رتبه دهم → با معکوس الگوی فیبوناچی
🎁 جوایز غیرنقدی متنوع بین رتبه‌های ۱۱ تا ۱۰۰۰
🗓 پنج‌شنبه ۱۹ تیر به صورت آنلاین
✅ اطلاعات بیشتر و ثبت‌نام رایگان:
🔗 https://quera.org/r/f0ml2
👍2
rnn.pdf
5.6 MB
تعریف و معماری RNN چیه و چگونه است؟
#شبکه_عصبی_بازگشتی #منابع #کتاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
#شبکه_عصبی_بازگشتی #منابع #کتاب
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
👍3