پایتورچ

از هوش مصنوعی میگم...

[پایتورچ @pytorch_ai]

خوشبختانه امکانات سایت دوست‌داشتنی و متوقف‌شده papers with code رو می‌تونیم در سایت زیر داشته باشیم:
https://t.co/pNAW7Fcg1R

[پایتورچ @pytorch_ai]

پیامک‌های این روزهای ایرانسل هم جالب شده!

این هدیه را از دست ندهید!
با خرید بسته 50 گیگابایت اینترنت 120 روزه، 100 گیگابایت اینترنت رایگان از ایرانسل هدیه بگیرید.

چه بخشنده! اينترنت رایگان!

[انجمن صنفی کسب و کارهای اینترنتی @eanjoman]

بیانیه انجمن صنفی کسب و کارهای اینترنتی در رابطه با 66 روز قطعی اینترنت در ایران:

در جستجوی سنگ قبر برای اکوسیستم استارتاپی کشور هستیم!

کمی پس از انتخاب جناب آقای مسعود پزشکیان، نامه‌ای سرگشاده خطاب به ایشان نوشتیم با عنوان «اکوسیستم استارتاپی کشور مُرد از بس که جان نداشت!»

[MIT CSAIL @MIT_CSAIL]

Today, MIT & the IMO released MathNet, the world’s largest dataset of International Math Olympiad problems & solutions 🌍

MathNet is 5x larger than previous datasets & is sourced from over 40 countries across 4 decades: https://t.co/vvojP7Fu9t

[gao junyao @junyao_gao62882]

The ImageNet moment for style transfer！！
We have released the full code (training/inference), dataset, models of MegaStyle, Welcom to have a try🤗!

Code:https://t.co/bSczxqwZHq
Dataset:https://t.co/1MCdg0lmrX
Models:https://t.co/mXdYO6zkkn

[Bilawal Sidhu @bilawalsidhu]

“24 GPUs to track the entire curve of the 1px wide weapons at 60fps in realtime” — utterly ridiculously cool!

[Mehdi Allahyari @MehdiAllahyari]

زیاد میبینم که خیلی ها برای هر کار کوچکی میخوان یک «ایجنت هوش مصنوعی»/AI agent بسازند. امروز یک پست روی reddit دیدم خیلی جالب بود. و باهاش موافقم.
"
بیشترِ شماها نباید الان «ایجنت هوش مصنوعی» بسازین — و اینم دلیلش 👇

هفته‌ی پیش یه شرکت دیگه رو دیدم که ۸۰ هزار دلار خرج ساخت یه ایجنت AI کرد و سه ماه بعد خاموشش کرد.
مشکل تکنولوژی نیست، مشکل اینه که دارین چیز اشتباهی رو، توی زمان اشتباه و با دلیل اشتباه می‌سازین.

بذارین رک بگم:
اگه حجم تیکت‌های پشتیبانی‌تون زیر ۵۰۰ تا در ماهه، به جای ایجنت AI، یه نفر دیگه استخدام کنین یا مستندات‌تون رو بهتر کنین.
اگه دیتاتون آشفته‌ست، ایجنت تون فقط با اعتماد به نفس بالا اشتباه جواب می‌ده.
اگه نمی‌تونین دقیق بگین «قراره چه عددی بهتر شه»، یعنی دارین از ترس عقب موندن می‌سازین نه از استراتژی.
اگه کاری که می‌خواین اتومات کنین هفته‌ای نیم ساعته، ارزش نداره.
و اگه کسی نیست که نگهش داره، ایجنت تون هر روز بدتر می‌شه تا بی‌استفاده بشه.

واقعیت اینه که اونایی که موفق می‌شن، کارهای حوصله‌سربر انجام دادن:
دیتای تمیز، هدف مشخص، تیم فنی واقعی، و شروع از یه مشکل کوچیک و واضح.

قبل از اینکه برید سمت ایجنت AI، دیتاتون رو درست کنین، فراینداتون رو مستند کنین، و بدونین موفقیت یعنی چی.
شاید بهترین تصمیم‌تون همین باشه که «الان نسازین».
"
Reddit post: https://t.co/ATqxhNr0T6

[X Freeze @XFreeze]

make it exist... Polish later

[Chidanand Tripathi @thetripathi58]

These are literally best YouTube channels to learn AI from scratch

Try Now: https://t.co/WGC5SBvaRp

[Hamidreza Keshavarz @HRKeshavarz]

حتما کلیپ‌هایی رو دیدین که توش میگن فلان جراح در ۳۵ سالگی هزار تا عمل مغز انجام داده. یا فلانی در سال ۱۰۰ تا مقاله منتشر می‌کنه. یا اون بازیکن که می‌گفت من یه بار ۱۵ نفر رو دریبل زدم.
این یه سوگیری جالبه که توش طرف فکر می‌کنه همه‌جا میشه تناسب بست. مثلا اگه ۱۰ مقاله در سال خوب باشه، ۱۰۰ مقاله در سال، ده برابر خوبه!
به این سوگیری میگن Linearity Bias. یعنی فرض این که همه چیز خطیه و تناسب میشه بست. که خب خیلی جاها این‌طوری نیست.
یه مثال جالبش درصد مالیاته. اگه مالیات بر درآمد ۲۰ درصد باشه و درآمد مالیاتی دولت مثلا یک تریلیون دلار، اگه مالیات پنج برابر بشه و بشه ۱۰۰ درصد، درآمد مالیاتی دولت پنج تریلیون دلار نمیشه، بلکه صفر میشه! چون عملا کسی کار نخواهد کرد.
تو فارسی براش حتی ضرب‌المثل هم داریم: درخت گردکان به این بلندی، درخت خربزه الله اکبر!

[Mehdi Allahyari @MehdiAllahyari]

کمپانی Uber توی یک بلاگ جالب توضیح میده که چطور چت بات داخلی که ساختند تا به تیم پشتیبانی در جواب دادن به هزاران سوال دقتی در حد انسان داره.
این چت بات بر اساس معماری Agentic-RAG پیاده سازی شده و بهش چندتا قسمت اضافه کردند:
- ایجنتهای پیش‌از‌بازیابی: کوئری رو بهینه می‌کنن و منبع درست رو پیدا می‌کنن
- بازیاب ترکیبی (برداری + BM25 با متادیتای غنی) → بازیابی دقیق‌تر
- ایجنت پس‌ از پردازش: چانک های تکراری‌ها رو حذف می‌کنه و متن رو مرتب می‌کنه یا به اصطلاح rerank میکنه

بلاگشون را بخونید که توضیح میده چطور مدل را ارزیابی کردن با استفاده از روش LLM-as-Judge
نکات مهم و جالبی داره اگه نیاز به ساختن ایجنتهای مشابه دارید در یوزکیس های مختلف.
Blog: https://t.co/0w3YoEmWZH

[پایتورچ @pytorch_ai]

به 1000 ساعت واچ‌تایم رسیدم! کمه، ولی قشنگه! 🥰

[ناسا فارسی (parody) @NasaFarsiParody]

در مسیر میلیونی شدنِ هشتگِ #PersianGulf

#ناسا_فارسی
#Persian_Gulf

[پایتورچ @pytorch_ai]

@deedydas @burkov @grok مکالمه بین @deedydas و @burkov رو به‌صورت خلاصه بگو و آخرش نظر خودت رو هم بگو.

[Mehdi Allahyari @MehdiAllahyari]

کمپانی Nvidia یک دیتاست خیلی بزرگ (بیشتر از ۱۵ میلیون رکورد) که برای فاین تیون کردن مدلهای LLM از جمله برای فارسی میتونید استفاده کنید. خصوصا برای کارهای
- math
- code
- general reasoning
- and instruction following
یک گنج!
HF: https://t.co/8HqlcVat2G

[پایتورچ @pytorch_ai]

سایت https://t.co/JnuLRkNHVo سخت‌افزار GPU اجاره میده و سایت https://t.co/nEodrHZo9N لوازم ورزشی میفروشه! 😁

[پایتورچ @pytorch_ai]

مثل اینکه امروز DeepSeek به DeepSick تبدیل شده!
The server is busy. Please try again later.

[پایتورچ @pytorch_ai]

اگه نمی‌دونی Ollama چی هست:
یک پلتفرم ساده و متن‌باز هست که به ما امکان میده که مدل‌های هوش مصنوعی رو روی کامپیوتر خودمون اجرا کنیم. یعنی، بدون نیاز به اینترنت یا سیستم‌های خیلی قوی یا پرداخت هزینه برای سرویس‌هایی مثل OpenAI، می‌تونیم از مدل‌های پیشرفته استفاده کنیم.

[پایتورچ @pytorch_ai]

مدل جدید DeepSeek-R1 در Ollama قرار گرفته. این مدل قابلیت استدلال داره و عملکردش مورد توجه قرار گرفته.

DeepSeek's first generation reasoning models with comparable performance to OpenAI-o1.