🔵 عنوان مقاله
Analyzing Visual Attention in VLMs (13 minute read)
🟢 خلاصه مقاله:
این پژوهش به بررسی نحوه اتکای مدلهای بزرگ دیداری-زبانی به ورودی تصویری میپردازد و روشی تازه برای نمایش نقشههای حرارتی ارائه میکند که اهمیت توکنهای دیداری و الگوهای توجه را در معماریهای مختلف قابل تحلیل و مقایسه میسازد. با این ابزار میتوان جابهجایی تمرکز مدل از زمینهٔ کلی به جزئیات محلی، نقش هدایتگر توکنهای زبانی، و تفاوتهای معماری در پراکندگی یا تمرکز توجه را در سناریوهای متنوع و وظایف مختلف بررسی کرد. هدف، شفافسازی اتکای واقعی به شواهد بصری، کمک به عیبیابی و ارزیابی بهتر، و کاهش خطراتی مانند اتکا به پیشفرضهای زبانی یا توهم است.
🟣لینک مقاله:
https://arxiv.org/abs/2503.13891v1?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Analyzing Visual Attention in VLMs (13 minute read)
🟢 خلاصه مقاله:
این پژوهش به بررسی نحوه اتکای مدلهای بزرگ دیداری-زبانی به ورودی تصویری میپردازد و روشی تازه برای نمایش نقشههای حرارتی ارائه میکند که اهمیت توکنهای دیداری و الگوهای توجه را در معماریهای مختلف قابل تحلیل و مقایسه میسازد. با این ابزار میتوان جابهجایی تمرکز مدل از زمینهٔ کلی به جزئیات محلی، نقش هدایتگر توکنهای زبانی، و تفاوتهای معماری در پراکندگی یا تمرکز توجه را در سناریوهای متنوع و وظایف مختلف بررسی کرد. هدف، شفافسازی اتکای واقعی به شواهد بصری، کمک به عیبیابی و ارزیابی بهتر، و کاهش خطراتی مانند اتکا به پیشفرضهای زبانی یا توهم است.
🟣لینک مقاله:
https://arxiv.org/abs/2503.13891v1?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
arXiv.org
Where do Large Vision-Language Models Look at when Answering Questions?
Large Vision-Language Models (LVLMs) have shown promising performance in vision-language understanding and reasoning tasks. However, their visual understanding behaviors remain underexplored. A...
Forwarded from Gopher Academy
🚀 به کانال تخصصی انواع دیتابیس و دیتا خوش اومدی!
اینجا هر روز مطالب کاربردی و بهروز درباره موضوعات زیر میذاریم:
🔹 PostgreSQL
🔹 RDBMS (سیستمهای مدیریت پایگاه داده رابطهای)
🔹 NoSQL
🔹 Big Data
🔹 Data Science
🔹 Data Engineering
📚 یادگیری، نکات حرفهای و تازهترین ترندهای دنیای دیتا همه اینجاست!
📌 همین حالا جوین شو و یک قدم جلوتر باش
https://news.1rj.ru/str/Database_Academy
اینجا هر روز مطالب کاربردی و بهروز درباره موضوعات زیر میذاریم:
🔹 PostgreSQL
🔹 RDBMS (سیستمهای مدیریت پایگاه داده رابطهای)
🔹 NoSQL
🔹 Big Data
🔹 Data Science
🔹 Data Engineering
📚 یادگیری، نکات حرفهای و تازهترین ترندهای دنیای دیتا همه اینجاست!
📌 همین حالا جوین شو و یک قدم جلوتر باش
https://news.1rj.ru/str/Database_Academy
❤2
🔵 عنوان مقاله
OpenAI boosts size of secondary share sale to $10.3 billion (2 minute read)
🟢 خلاصه مقاله:
OpenAI امکان فروش بیش از ۱۰ میلیارد دلار سهام را در یک فروش ثانویه برای کارکنان فعلی و سابق فراهم کرده و اندازه این برنامه را به ۱۰.۳ میلیارد دلار رسانده است. این فروش بر اساس ارزشگذاری ۵۰۰ میلیارد دلاری انجام میشود که نسبت به ارزشگذاری حدود ۳۰۰ میلیارد دلاری اوایل سال جهش چشمگیری دارد. این معامله از نوع ثانویه است، یعنی نقدینگی برای سهامداران موجود ایجاد میکند و سرمایه جدیدی وارد شرکت نمیشود. کارکنانی که بیش از دو سال سهام نگه داشتهاند تا پایان سپتامبر فرصت دارند درباره مشارکت تصمیم بگیرند.
🟣لینک مقاله:
https://www.cnbc.com/2025/09/03/openai-boosts-size-of-secondary-share-sale-to-10point3-billion.html?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
OpenAI boosts size of secondary share sale to $10.3 billion (2 minute read)
🟢 خلاصه مقاله:
OpenAI امکان فروش بیش از ۱۰ میلیارد دلار سهام را در یک فروش ثانویه برای کارکنان فعلی و سابق فراهم کرده و اندازه این برنامه را به ۱۰.۳ میلیارد دلار رسانده است. این فروش بر اساس ارزشگذاری ۵۰۰ میلیارد دلاری انجام میشود که نسبت به ارزشگذاری حدود ۳۰۰ میلیارد دلاری اوایل سال جهش چشمگیری دارد. این معامله از نوع ثانویه است، یعنی نقدینگی برای سهامداران موجود ایجاد میکند و سرمایه جدیدی وارد شرکت نمیشود. کارکنانی که بیش از دو سال سهام نگه داشتهاند تا پایان سپتامبر فرصت دارند درباره مشارکت تصمیم بگیرند.
🟣لینک مقاله:
https://www.cnbc.com/2025/09/03/openai-boosts-size-of-secondary-share-sale-to-10point3-billion.html?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
CNBC
OpenAI boosts size of secondary share sale to $10.3 billion
OpenAI is allowing current and former employees to sell more than $10 billion worth of stock in a secondary share sale.
❤1
تازه منتشر شد!
مقالهی من با عنوان:
«Revolutionizing Software Intelligence: A Convergent Framework of Neural Program Synthesis, Quantum-Secure DevOps, and Explainable AI for Next-Generation Autonomous Systems»
در این پژوهش به سراغ آیندهی سیستمهای هوشمند خودمختار رفتم؛ جایی که تولید کد با هوش مصنوعی، امنیت در برابر تهدیدات کوانتومی، و هوش قابل توضیح در یک چارچوب واحد ترکیب میشوند تا نسل جدیدی از نرمافزارهای امن، شفاف و سازگار را بسازند.
https://msipublishers.com/volume-1-issue-2-jul-sep-msijat-2025/
<Mohammad Hossein Alikhani/>
مقالهی من با عنوان:
«Revolutionizing Software Intelligence: A Convergent Framework of Neural Program Synthesis, Quantum-Secure DevOps, and Explainable AI for Next-Generation Autonomous Systems»
در این پژوهش به سراغ آیندهی سیستمهای هوشمند خودمختار رفتم؛ جایی که تولید کد با هوش مصنوعی، امنیت در برابر تهدیدات کوانتومی، و هوش قابل توضیح در یک چارچوب واحد ترکیب میشوند تا نسل جدیدی از نرمافزارهای امن، شفاف و سازگار را بسازند.
https://msipublishers.com/volume-1-issue-2-jul-sep-msijat-2025/
<Mohammad Hossein Alikhani/>
❤1
✨ بررسی بهترین سایت هوش مصنوعی تبدیل متن به عکس در سال ۲۰۲۵✨
🌀 ابزار DALL·E 2:
یکی از معروفترین و خلاقترین ابزارهای هوش مصنوعی برای ساخت تصویر که توسط شرکت OpenAI ساخته شده!
🌀 ابزار Midjourney:
خروجیهایی که میده بیشتر هنری و مفهومی هستن. یعنی اگه دنبال یه تصویر هنری خاص هستی که حس و حال عمیقی رو منتقل کنه، این ابزار کاملاً مناسبته.
🌀 ابزار Stable Diffusion:
این ابزار بیشتر مناسب کاربراییه که میخوان کنترل بیشتری روی روند تولید تصویر داشته باشن و دنبال آزادی عمل هستن.
🌀 ابزار Artbreeder:
بیشتر روی ترکیب تصاویر تمرکز داره. یعنی مثلاً میتونی دو تا چهره رو با هم ترکیب کنی، ویژگیهای ظاهری رو تغییر بدی یا یه شخصیت جدید خلق کنی.
🌀 برای آشنایی بیشتر با این ابزارها و نحوه کار با اونها، وارد لینک زیر شو و مقاله رو به طور کامل مطالعه کن!👇
https://aiolearn.com/convert-text-to-images-with-ai/
#ابزار_هوش_مصنوعی
🌀 ابزار DALL·E 2:
یکی از معروفترین و خلاقترین ابزارهای هوش مصنوعی برای ساخت تصویر که توسط شرکت OpenAI ساخته شده!
🌀 ابزار Midjourney:
خروجیهایی که میده بیشتر هنری و مفهومی هستن. یعنی اگه دنبال یه تصویر هنری خاص هستی که حس و حال عمیقی رو منتقل کنه، این ابزار کاملاً مناسبته.
🌀 ابزار Stable Diffusion:
این ابزار بیشتر مناسب کاربراییه که میخوان کنترل بیشتری روی روند تولید تصویر داشته باشن و دنبال آزادی عمل هستن.
🌀 ابزار Artbreeder:
بیشتر روی ترکیب تصاویر تمرکز داره. یعنی مثلاً میتونی دو تا چهره رو با هم ترکیب کنی، ویژگیهای ظاهری رو تغییر بدی یا یه شخصیت جدید خلق کنی.
🌀 برای آشنایی بیشتر با این ابزارها و نحوه کار با اونها، وارد لینک زیر شو و مقاله رو به طور کامل مطالعه کن!👇
https://aiolearn.com/convert-text-to-images-with-ai/
#ابزار_هوش_مصنوعی
آیولرن
معرفی سایت هوش مصنوعی تبدیل متن به عکس
سایت هوش مصنوعی تبدیل متن به عکس به شما این امکان رامیدهد تا با استفاده از تکنولوژی هوش مصنوعی، هر چیزی که بخواهید را به تصویری زیبا و واضح تبدیل کنید..
❤1
علیبابا بمب هوش مصنوعی را ترکاند | «3-Qwen» با یک تریلیون پارامتر، تهدیدی جدی برای GPT و گوگل!
https://saednews.com/c/10169/495846
https://saednews.com/c/10169/495846
Saednews
علیبابا بمب هوش مصنوعی را ترکاند | «3-Qwen» با یک تریلیون پارامتر، تهدیدی جدی برای GPT و گوگل!
ساعدنیوز: علیبابا با معرفی مدل هوش مصنوعی جدیدش، رقابت را برای غولهای جهانی فناوری داغتر کرد.
❤2
Claude can now create and edit files
https://www.anthropic.com/news/create-files
https://www.anthropic.com/news/create-files
Claude
Claude can now create and edit files | Claude
Describe what you need and get back ready-to-use spreadsheets, documents, presentations, and PDFs instead of just text responses. Update: Now generally available for paid plans with net network and egress controls (October 21, 2025).
❤2
علت توهم هوش مصنوعی چیست؟ محققان OpenAI پاسخ میدهند
https://digiato.com/artificial-intelligence/why-ai-chatbots-hallucinate
https://digiato.com/artificial-intelligence/why-ai-chatbots-hallucinate
دیجیاتو
علت توهم هوش مصنوعی چیست؟ محققان OpenAI پاسخ میدهند
محققان میگویند در سیستم ارزیابی فعلی مدلهای هوش مصنوعی، حدسزدن یک پاسخ حتی اگر اشتباه باشد بهتر از اعتراف به ندانستن آن است.
⚡1❤1
🔵 عنوان مقاله
Agentic Design Patterns (Textbook)
🟢 خلاصه مقاله:
** این پیشچاپ ۴۰۰ صفحهای از یک مدیر ارشد گوگل، ۲۱ الگوی بنیادین طراحی برای ساخت عاملهای هوش مصنوعی را معرفی و صورتبندی میکند. با تکیه بر مثالهای کدنویسی از کاربردهای تولیدی، نحوه زنجیرهسازی پرامپتها، پیادهسازی حافظه برای حفظ زمینه، و هماهنگی چندعاملی بهطور عملی نشان داده میشود. هرچند ابزارهای عاملمحور هنوز نوپا هستند، این اثر شالودههای مهندسی نسل پس از چتباتها را ترسیم میکند و با ارائه الگوهای قابلترکیب و قابلاعتماد، مسیر ساخت سامانههای عامل برنامهریز، اجراگر و قابلانطباق را برای تیمهای فنی هموار میسازد.
🟣لینک مقاله:
https://docs.google.com/document/d/1rsaK53T3Lg5KoGwvf8ukOUvbELRtH-V0LnOIFDxBryE/edit?tab=t.0&utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Agentic Design Patterns (Textbook)
🟢 خلاصه مقاله:
** این پیشچاپ ۴۰۰ صفحهای از یک مدیر ارشد گوگل، ۲۱ الگوی بنیادین طراحی برای ساخت عاملهای هوش مصنوعی را معرفی و صورتبندی میکند. با تکیه بر مثالهای کدنویسی از کاربردهای تولیدی، نحوه زنجیرهسازی پرامپتها، پیادهسازی حافظه برای حفظ زمینه، و هماهنگی چندعاملی بهطور عملی نشان داده میشود. هرچند ابزارهای عاملمحور هنوز نوپا هستند، این اثر شالودههای مهندسی نسل پس از چتباتها را ترسیم میکند و با ارائه الگوهای قابلترکیب و قابلاعتماد، مسیر ساخت سامانههای عامل برنامهریز، اجراگر و قابلانطباق را برای تیمهای فنی هموار میسازد.
🟣لینک مقاله:
https://docs.google.com/document/d/1rsaK53T3Lg5KoGwvf8ukOUvbELRtH-V0LnOIFDxBryE/edit?tab=t.0&utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Google Docs
Agentic Design Patterns
Agentic Design Patterns 👉 🧠 ✅ I’m excited to share that my new book, "Agentic Design Patterns: A Hands-On Guide to Intelligent AI Agents," is officially out! 👉 🧠 ✅ In a field moving at lightning speed, this book focuses on the durable, fundamental patterns…
❤1
امارات از هوش مصنوعی K2 Think رونمایی کرد؛ رقیب OpenAI و دیپسیک
https://digiato.com/artificial-intelligence/mbzuai-unveils-k2-think-ai-model
https://digiato.com/artificial-intelligence/mbzuai-unveils-k2-think-ai-model
🔥1
🔵 عنوان مقاله
Ahead of Time Compilation (17 minute read)
🟢 خلاصه مقاله:
** کامپایل پیشاپیش (AoT) یعنی انتقال هزینهٔ کامپایل از زمان اجرا به مرحلهٔ آمادهسازی، تا کرنلها و گرافهای محاسباتی از قبل ساخته شوند و برنامه بدون گرمکردن اولیه اجرا شود. این کار در ZeroGPU Spaces—که دسترسی موقت به GPUهای قدرتمند H200 میدهند—بهویژه مفید است، چون زمانهای سرد/کوتاه و JIT میتواند بخش زیادی از سهمیه را مصرف کند. با AoT، کرنلها و گرافها بهطور آفلاین و متناسب با معماری و نسخهٔ درایور/CUDA هدف کامپایل و در تصویر کانتینر یا کش نسخهدار بستهبندی میشوند؛ سپس در زمان اجرا مستقیماً بارگذاری شده و تأخیر توکن اول، زمان رسیدن به کارایی پایدار و نوسان عملکرد کاهش مییابد. باید به سازگاری باینری، تخصصدادن به شکل/نوع داده و هزینهٔ فضای کش توجه کرد؛ AoT برای بارهای کاری قابلپیشبینی عالی است و در نشستهای زمانمحدود ZeroGPU راهی عملی برای استخراج حداکثر کارایی از H200 از همان درخواست اول محسوب میشود.
🟣لینک مقاله:
https://huggingface.co/blog/zerogpu-aoti?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Ahead of Time Compilation (17 minute read)
🟢 خلاصه مقاله:
** کامپایل پیشاپیش (AoT) یعنی انتقال هزینهٔ کامپایل از زمان اجرا به مرحلهٔ آمادهسازی، تا کرنلها و گرافهای محاسباتی از قبل ساخته شوند و برنامه بدون گرمکردن اولیه اجرا شود. این کار در ZeroGPU Spaces—که دسترسی موقت به GPUهای قدرتمند H200 میدهند—بهویژه مفید است، چون زمانهای سرد/کوتاه و JIT میتواند بخش زیادی از سهمیه را مصرف کند. با AoT، کرنلها و گرافها بهطور آفلاین و متناسب با معماری و نسخهٔ درایور/CUDA هدف کامپایل و در تصویر کانتینر یا کش نسخهدار بستهبندی میشوند؛ سپس در زمان اجرا مستقیماً بارگذاری شده و تأخیر توکن اول، زمان رسیدن به کارایی پایدار و نوسان عملکرد کاهش مییابد. باید به سازگاری باینری، تخصصدادن به شکل/نوع داده و هزینهٔ فضای کش توجه کرد؛ AoT برای بارهای کاری قابلپیشبینی عالی است و در نشستهای زمانمحدود ZeroGPU راهی عملی برای استخراج حداکثر کارایی از H200 از همان درخواست اول محسوب میشود.
🟣لینک مقاله:
https://huggingface.co/blog/zerogpu-aoti?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
huggingface.co
Make your ZeroGPU Spaces go brrr with ahead-of-time compilation
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
🔥1
🔵 عنوان مقاله
OpenAI Launches $50M People-First AI Fund (6 minute read)
🟢 خلاصه مقاله:
اوپنایآی صندوق ۵۰ میلیون دلاری «People-First AI» را برای حمایت از سازمانهای غیردولتی راهاندازی کرده که بر سه محور کار میکنند: سواد هوش مصنوعی، نوآوری مبتنی بر جامعه و فرصت اقتصادی عادلانه. هدف این صندوق، قرار دادن مردم و جوامع در مرکز توسعه و بهرهبرداری از هوش مصنوعی و گسترش منافع آن بهصورت مسئولانه و فراگیر است.
🟣لینک مقاله:
https://openai.com/index/people-first-ai-fund/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
OpenAI Launches $50M People-First AI Fund (6 minute read)
🟢 خلاصه مقاله:
اوپنایآی صندوق ۵۰ میلیون دلاری «People-First AI» را برای حمایت از سازمانهای غیردولتی راهاندازی کرده که بر سه محور کار میکنند: سواد هوش مصنوعی، نوآوری مبتنی بر جامعه و فرصت اقتصادی عادلانه. هدف این صندوق، قرار دادن مردم و جوامع در مرکز توسعه و بهرهبرداری از هوش مصنوعی و گسترش منافع آن بهصورت مسئولانه و فراگیر است.
🟣لینک مقاله:
https://openai.com/index/people-first-ai-fund/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Openai
A People-First AI Fund: $50M to support nonprofits
Applications are now open for OpenAI’s People-First AI Fund, a $50M initiative supporting U.S. nonprofits advancing education, community innovation, and economic opportunity. Apply by October 8, 2025, for unrestricted grants that help communities shape AI…
👍1
جدال قدیمی دوباره داغ شد ؛ آلتمن : دیگه ایلان ماسک رو تحسین نمیکنم!
📰سم آلتمن (مدیرعامل OpenAI و خالق ChatGPT) توی مصاحبه با تاکر کارلسون گفته یه زمانی به ایلان ماسک بهعنوان جواهری برای بشریت نگاه میکردم، ولی الان دیگه اون دیدگاه رو ندارم. بعضی کاراش فوقالعاده بودن، ولی ویژگیهایی هم داره که اصلاً تحسینشون نمیکنم.
+ آلتمن میگه : ماسک وقتی جدا شد فکر میکرد OpenAI شکست میخوره. بعد که موفق شدیم، طبیعی بود دلخور بشه. خود منم جای اون بودم شاید همین حس رو داشت
📰سم آلتمن (مدیرعامل OpenAI و خالق ChatGPT) توی مصاحبه با تاکر کارلسون گفته یه زمانی به ایلان ماسک بهعنوان جواهری برای بشریت نگاه میکردم، ولی الان دیگه اون دیدگاه رو ندارم. بعضی کاراش فوقالعاده بودن، ولی ویژگیهایی هم داره که اصلاً تحسینشون نمیکنم.
+ آلتمن میگه : ماسک وقتی جدا شد فکر میکرد OpenAI شکست میخوره. بعد که موفق شدیم، طبیعی بود دلخور بشه. خود منم جای اون بودم شاید همین حس رو داشت
AI Labdon
Photo
اوراکل در قراردادهای کلان با شرکتهایی مثل OpenAI مطرح میشه چون چند ویژگی مهم داره:
زیرساخت قدرتمند دیتابیس
مدلهای هوش مصنوعی مثل GPT حجم عظیمی از دادهها رو پردازش میکنن.
اوراکل سالهاست توی مدیریت داده (Database) پیشروه و میتونه نیاز OpenAI به ذخیرهسازی و تحلیل سریع داده رو پوشش بده.
خدمات ابری (Oracle Cloud)
اوراکل رقیب AWS، Azure و Google Cloud محسوب میشه.
وقتی OpenAI به توان محاسباتی خیلی زیاد برای آموزش و اجرای مدلها نیاز داره، اوراکل میتونه این قدرت پردازشی رو فراهم کنه.
مشتریان سازمانی بزرگ
اوراکل با دولتها، بانکها و شرکتهای چندملیتی قرارداد داره.
همکاری با OpenAI باعث میشه هوش مصنوعی به شکل راحتتری به این مشتریان بزرگ منتقل بشه.
سرمایه و نفوذ بازار
اوراکل یکی از ثروتمندترین شرکتهای نرمافزاری دنیاست.
برای OpenAI همکاری با چنین غول اقتصادی یعنی دسترسی به بودجه، زیرساخت و بازار گسترده.
به زبان ساده:
OpenAI نیاز به قدرت محاسباتی داره
اوراکل قدرت و تجربهی دیتابیس و کلود داره
➡️ ترکیب این دو میتونه به قراردادهای بزرگ منجر بشه.
زیرساخت قدرتمند دیتابیس
مدلهای هوش مصنوعی مثل GPT حجم عظیمی از دادهها رو پردازش میکنن.
اوراکل سالهاست توی مدیریت داده (Database) پیشروه و میتونه نیاز OpenAI به ذخیرهسازی و تحلیل سریع داده رو پوشش بده.
خدمات ابری (Oracle Cloud)
اوراکل رقیب AWS، Azure و Google Cloud محسوب میشه.
وقتی OpenAI به توان محاسباتی خیلی زیاد برای آموزش و اجرای مدلها نیاز داره، اوراکل میتونه این قدرت پردازشی رو فراهم کنه.
مشتریان سازمانی بزرگ
اوراکل با دولتها، بانکها و شرکتهای چندملیتی قرارداد داره.
همکاری با OpenAI باعث میشه هوش مصنوعی به شکل راحتتری به این مشتریان بزرگ منتقل بشه.
سرمایه و نفوذ بازار
اوراکل یکی از ثروتمندترین شرکتهای نرمافزاری دنیاست.
برای OpenAI همکاری با چنین غول اقتصادی یعنی دسترسی به بودجه، زیرساخت و بازار گسترده.
به زبان ساده:
OpenAI نیاز به قدرت محاسباتی داره
اوراکل قدرت و تجربهی دیتابیس و کلود داره
➡️ ترکیب این دو میتونه به قراردادهای بزرگ منجر بشه.
AI Labdon
اوراکل در قراردادهای کلان با شرکتهایی مثل OpenAI مطرح میشه چون چند ویژگی مهم داره: زیرساخت قدرتمند دیتابیس مدلهای هوش مصنوعی مثل GPT حجم عظیمی از دادهها رو پردازش میکنن. اوراکل سالهاست توی مدیریت داده (Database) پیشروه و میتونه نیاز OpenAI به ذخیرهسازی…
🔹 چرا OpenAI ممکنه به جای AWS یا Azure سراغ Oracle Cloud بره؟
هزینه و قراردادهای سفارشی
AWS و Azure خیلی گرون هستن، مخصوصاً برای محاسبات سنگین هوش مصنوعی.
اوراکل معمولاً برای جذب مشتری بزرگ تخفیفهای خیلی کلان و قراردادهای سفارشی میده.
تمرکز اوراکل روی دیتابیس و AI
AWS همهچیز ارائه میده (از هاستینگ ساده تا ماشین لرنینگ).
اوراکل بیشتر روی دیتابیس، کلود مخصوص AI و HPC (High Performance Computing) تمرکز کرده.
برای OpenAI که نیاز اصلیاش قدرت محاسباتی + مدیریت داده هست، اوراکل جذابه.
رقابت در بازار کلود
مایکروسافت از قبل بزرگترین شریک OpenAI هست (Azure میزبان ChatGPTه).
AWS هم بزرگترین ارائهدهندهی کلوده.
اوراکل برای عقب نموندن از رقبا، قراردادهای سنگین پیشنهاد میده → OpenAI از این رقابت سود میبره.
دسترسی به دیتاسنترهای اختصاصی
اوراکل دیتاسنترهای پرقدرتی ساخته که مخصوص پردازش مدلهای AI طراحی شدن.
این دیتاسنترها بعضی وقتا از لحاظ سرعت و هزینه از AWS/Azure بهینهتر هستن.
هزینه و قراردادهای سفارشی
AWS و Azure خیلی گرون هستن، مخصوصاً برای محاسبات سنگین هوش مصنوعی.
اوراکل معمولاً برای جذب مشتری بزرگ تخفیفهای خیلی کلان و قراردادهای سفارشی میده.
تمرکز اوراکل روی دیتابیس و AI
AWS همهچیز ارائه میده (از هاستینگ ساده تا ماشین لرنینگ).
اوراکل بیشتر روی دیتابیس، کلود مخصوص AI و HPC (High Performance Computing) تمرکز کرده.
برای OpenAI که نیاز اصلیاش قدرت محاسباتی + مدیریت داده هست، اوراکل جذابه.
رقابت در بازار کلود
مایکروسافت از قبل بزرگترین شریک OpenAI هست (Azure میزبان ChatGPTه).
AWS هم بزرگترین ارائهدهندهی کلوده.
اوراکل برای عقب نموندن از رقبا، قراردادهای سنگین پیشنهاد میده → OpenAI از این رقابت سود میبره.
دسترسی به دیتاسنترهای اختصاصی
اوراکل دیتاسنترهای پرقدرتی ساخته که مخصوص پردازش مدلهای AI طراحی شدن.
این دیتاسنترها بعضی وقتا از لحاظ سرعت و هزینه از AWS/Azure بهینهتر هستن.
AI Labdon
🔹 چرا OpenAI ممکنه به جای AWS یا Azure سراغ Oracle Cloud بره؟ هزینه و قراردادهای سفارشی AWS و Azure خیلی گرون هستن، مخصوصاً برای محاسبات سنگین هوش مصنوعی. اوراکل معمولاً برای جذب مشتری بزرگ تخفیفهای خیلی کلان و قراردادهای سفارشی میده. تمرکز اوراکل روی…
🔹 به زبان ساده
Azure → شریک اصلی OpenAI، بیشتر برای ادغام با محصولات مایکروسافت.
AWS → انتخاب اول خیلی از استارتاپها و شرکتهای دیگه، اما گرونتر.
Oracle Cloud → کمتر شناختهشده، ولی برای گرفتن مشتریهای بزرگ تخفیف و قدرت محاسباتی خاص ارائه میده
Azure → شریک اصلی OpenAI، بیشتر برای ادغام با محصولات مایکروسافت.
AWS → انتخاب اول خیلی از استارتاپها و شرکتهای دیگه، اما گرونتر.
Oracle Cloud → کمتر شناختهشده، ولی برای گرفتن مشتریهای بزرگ تخفیف و قدرت محاسباتی خاص ارائه میده
شرکت Qwen از دو مدل جدید Qwen-3-Next رونمایی کرد که در دو نسخه instruct و thinking منتشر شده.
نکته جالب اینه که از 80B پارامتر این مدل تنها 3B اش فعال میشه و به شدت بهینه هستند این دو مدل MOE.
با این پارامتر کم و معماری خاص نسخه thinking از gemini 2.5 flash بهتر عمل کرده
مقایسه این مدل رو با Qwen 235B میبینید که چقدر این مدل جدید عملکرد خوبی داره نسبت به تعداد پارامتر اش.
این مدل به صورت native از 256K توکن context پشتیبانی میکنه که تا 1M هم قابل افزایش هست.
به نظر گزینه خوبی برای local هست
<Mani/>
نکته جالب اینه که از 80B پارامتر این مدل تنها 3B اش فعال میشه و به شدت بهینه هستند این دو مدل MOE.
با این پارامتر کم و معماری خاص نسخه thinking از gemini 2.5 flash بهتر عمل کرده
مقایسه این مدل رو با Qwen 235B میبینید که چقدر این مدل جدید عملکرد خوبی داره نسبت به تعداد پارامتر اش.
این مدل به صورت native از 256K توکن context پشتیبانی میکنه که تا 1M هم قابل افزایش هست.
به نظر گزینه خوبی برای local هست
<Mani/>
🔵 عنوان مقاله
Graph Transformers in Structured Data (8 minute read)
🟢 خلاصه مقاله:
** گراف ترنسفورمرها نسل بعدی مدلهای گرافی هستند که بهجای پیامرسانی محلی در GNNها، با مکانیزم توجه وابستگیهای دوربرد را در کل گراف مدل میکنند و از این طریق الگوهای پیچیده و ناهمگن (انواع گره/یال و ویژگیهای غنی) را بهتر میفهمند. بسیاری از دادههای کسبوکار که در جداول رابطهای ذخیره میشوند، در واقع شبکهای از نهادها و رابطهها هستند؛ با نگاشت آنها به گراف، وابستگیهای چندپرش و ساختارهای جهانی آشکار میشود. نتیجه، بینش عمیقتر و در بسیاری از موارد مدلهای قابلاعتمادتر برای کاربردهایی مانند کشف تقلب، توصیهگر، تحلیل ریسک زنجیره تأمین، ترک مشتری و ریسک اعتباری است؛ ضمن آنکه وزنهای توجه میتوانند سرنخهایی از چرایی پیشبینی ارائه کنند. موفقیت در عمل مستلزم طراحی درست گراف (نقشهبرداری از شِما، انواع یالها، ویژگیها)، کدگذاریهای ساختاری مناسب و راهکارهای مقیاسپذیری مانند توجه تُنُک یا معماریهای هیبرید است. این رویکرد مکمل GNNهاست و انتخاب نهایی به شکل داده، بودجه محاسباتی و الزامات پایداری و تبیینپذیری بستگی دارد.
🟣لینک مقاله:
https://www.unite.ai/what-every-data-scientist-should-know-about-graph-transformers-and-their-impact-on-structured-data/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Graph Transformers in Structured Data (8 minute read)
🟢 خلاصه مقاله:
** گراف ترنسفورمرها نسل بعدی مدلهای گرافی هستند که بهجای پیامرسانی محلی در GNNها، با مکانیزم توجه وابستگیهای دوربرد را در کل گراف مدل میکنند و از این طریق الگوهای پیچیده و ناهمگن (انواع گره/یال و ویژگیهای غنی) را بهتر میفهمند. بسیاری از دادههای کسبوکار که در جداول رابطهای ذخیره میشوند، در واقع شبکهای از نهادها و رابطهها هستند؛ با نگاشت آنها به گراف، وابستگیهای چندپرش و ساختارهای جهانی آشکار میشود. نتیجه، بینش عمیقتر و در بسیاری از موارد مدلهای قابلاعتمادتر برای کاربردهایی مانند کشف تقلب، توصیهگر، تحلیل ریسک زنجیره تأمین، ترک مشتری و ریسک اعتباری است؛ ضمن آنکه وزنهای توجه میتوانند سرنخهایی از چرایی پیشبینی ارائه کنند. موفقیت در عمل مستلزم طراحی درست گراف (نقشهبرداری از شِما، انواع یالها، ویژگیها)، کدگذاریهای ساختاری مناسب و راهکارهای مقیاسپذیری مانند توجه تُنُک یا معماریهای هیبرید است. این رویکرد مکمل GNNهاست و انتخاب نهایی به شکل داده، بودجه محاسباتی و الزامات پایداری و تبیینپذیری بستگی دارد.
🟣لینک مقاله:
https://www.unite.ai/what-every-data-scientist-should-know-about-graph-transformers-and-their-impact-on-structured-data/?utm_source=tldrai
➖➖➖➖➖➖➖➖
👑 @ai_Labdon
Unite.AI
What Every Data Scientist Should Know About Graph Transformers and Their Impact on Structured Data
I co-created Graph Neural Networks while at Stanford. I recognized early on that this technology was incredibly powerful. Every data point, every observation, every piece of knowledge doesn’t exist...
❤1