هوش مصنوعی و علم داده به فارسی

‏🖼️ معرفی LILIE: تبدیل تصویر معکوس‌پذیر از دانشگاه استنفورد ‏محققان دانشگاه استنفورد روش LILIE را معرفی کردند؛ یک تبدیل معکوس‌پذیر تصویر که به‌گونه‌ای آموزش دیده است تا مدل‌های بینایی-زبانی بتوانند کپشن‌ها را از ویژگی‌های نویزی بازسازی کنند. ‏مستندات و کدهای این پروژه منتشر شده است: ‏• مقاله علمی ‏• وب‌سایت پروژه ‏• مخزن گیت‌هاب

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#LILIE #Invertible_Image_Transform

‏🧠 گرنت سندرسون و آینده ریاضیات در عصر هوش مصنوعی ‏گرنت سندرسون، خالق کانال 3Blue1Brown معتقد است با پیشرفت هوش مصنوعی در اثبات قضایا، ریاضیات همچنان حوزه‌ای حیاتی باقی می‌ماند. او استدلال می‌کند که کار ریاضی‌دان تنها اثبات نیست و شامل موارد زیر است: ‏• انتخاب پرسش‌های درست ‏• تدوین فرضیه‌ها ‏• ساخت نظریه‌ها ‏• یافتن ارتباط میان مفاهیم ‏• انتقال و تبیین نتایج برای دیگران ‏سندرسون باور دارد که توانایی هوش مصنوعی در اثبات قضایا مشابه ماشین‌هایی است که وزنه‌های سنگین‌تری از انسان بلند می‌کنند؛ این موضوع ورزش یا در اینجا، یادگیری ریاضیات را بی‌معنا نمی‌کند، زیرا حل مسئله به تنهایی باعث توسعه تفکر می‌شود. با ورود ابزارهای هوشمند به پژوهش، معیارهای ارزیابی دستاوردهای علمی و نحوه کسب اعتبار برای دانشمندان نیز نیازمند بازنگری خواهد بود.

‏🤖 انتشار ابزار متن‌باز Harness² توسط گوگل ‏گوگل ابزاری به نام Harness² منتشر کرده است که به ایجنت‌های هوش مصنوعی اجازه می‌دهد با تکرار وظایف، روش کاری خود را به‌طور خودکار بهبود دهند. در این ساختار، ایجنت تنها به مدل وابسته نیست و ترکیبی از ابزارها، حافظه، دستورالعمل‌ها و ساب‌ایجنت‌ها را مدیریت می‌کند. ‏این ابزار با ایجاد تغییرات در تنظیمات، مقایسه نتایج نسخه‌های مختلف و بهره‌گیری از تجربیات قبلی، بدون نیاز به آموزش مجدد مدل، عملکرد ایجنت را بهینه می‌کند. مهم‌ترین ویژگی‌های این روش عبارتند از: ‏* تنظیم خودکار ترکیب ابزارها و دستورالعمل‌ها برای دستیابی به خروجی بهتر. ‏* امکان یادگیری از تجربیات گذشته بدون نیاز به شروع مجدد. ‏* عدم نیاز به تعیین پاسخ درست در مراحل اولیه برای بهینه‌سازی. ‏گوگل این روش را روی مدل‌های Gemini 3.5 Flash و GLM-5 در حوزه‌های حقوقی و اداری آزمایش کرده و گزارش داده است که حتی یک دور تغییر در تنظیمات، منجر به ارتقای عملکرد شده است. با استفاده از این ابزار، نیاز به اصلاح دستی تنظیمات توسط کاربر کاهش می‌یابد و ایجنت می‌تواند به مرور زمان خطاهای خود را شناسایی و رفع کند.

‏🤖 انتشار نسخه بتای مدل ویرایش تصویر Krea 3 ‏سرویس Krea دسترسی عمومی به مدل ویرایش تصویر خود را فراهم کرده است. طبق اعلام تیم سازنده، این مدل در پردازش تصاویر 2K عملکردی مشابه مدل‌هایی همچون Nano Banana Pro و GPT Image 2.5 دارد اما سرعت انجام عملیات در آن به مراتب بیشتر است. ‏در این مدل می‌توانید با انتخاب یک محدوده خاص در تصویر، فقط همان بخش را ویرایش کنید. امکان ویرایش‌های مرحله‌ای نیز وجود دارد؛ یعنی می‌توانید به‌صورت متوالی تغییراتی مانند تعویض لباس، تغییر پس‌زمینه و تنظیم نور را اعمال کنید، به‌طوری که هر مرحله، تغییرات قبلی را حفظ کند. ‏برخی از ویژگی‌های فنی و عملکردی: ‏* زمان چرخه کامل ویرایش 2K کمتر از ۸ ثانیه است که در بنچمارک‌های موجود، سریع‌تر از نمونه‌هایی مانند Grok-imagine، Ideogram 4.5 و GPT Image 2.5 قرار می‌گیرد. ‏* پشتیبانی از LoRA برای حفظ جزئیات کاراکتر، محصول و استایل‌ها. ‏* امکان استفاده از sref برای ارجاع بصری. ‏نسخه بتای این ابزار هم‌اکنون در دسترس است و انتشار نسخه نهایی به همراه جزئیات کامل‌تر بنچمارک‌ها برای هفته آینده برنامه‌ریزی شده است. 🇮🇷 سایت | تلگرام

‏🤖 معرفی موتور جستجوی جدید Photon توسط Perplexity ‏شرکت Perplexity از موتور جدیدی به نام Photon رونمایی کرد که وظیفه جستجو و رتبه‌بندی صفحات وب را پیش از پردازش توسط مدل زبانی بر عهده دارد. این موتور اکنون در قالب یک «حالت سریع» در Search API این شرکت برای استفاده در عاملیت‌های (Agents) هوش مصنوعی در دسترس است. ‏مکانیزم فنی Photon: ‏• استفاده از ایندکس معکوس برای جستجوی کلمات. ‏• فشرده‌سازی شماره اسناد با روش الیاس-فانو (Elias-Fano). ‏• استفاده از الگوریتم WAND برای حذف سریع اسناد نامرتبط. ‏• پردازش موازی ایندکس‌گذاری با MapReduce و آزادسازی کش با الگوریتم CLOCK. ‏در نتایج بنچمارک، حالت سریع میانگین پاسخ‌دهی ۱۶۰ میلی‌ثانیه را ثبت کرده است. اگرچه کیفیت پاسخ‌دهی در این حالت نسبت به مدل استاندارد اندکی کاهش یافته، اما هزینه‌های عملیاتی به میزان قابل‌توجهی کمتر است. طبق گزارش فنی، این موتور نسبت به سیستم قبلی حدود ۲.۵ برابر داده بیشتری به ازای هر سند ذخیره می‌کند و نیاز به تعداد سرور کمتری دارد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Photon #Elias_Fano

‏🤖 قابلیت‌های جدید افزونه ChatGPT برای مرورگر ‏OpenAI با به‌روزرسانی افزونه مرورگر خود، امکان دسترسی مستقیم به تب‌های باز را برای مدل هوش مصنوعی فراهم کرده است. با استفاده از این قابلیت، کاربر می‌تواند با ارسال دستور، از مدل بخواهد داده‌های چندین صفحه وب را هم‌زمان تحلیل کند یا محتوای آن‌ها را خلاصه کند. نتایج این بررسی‌ها در یک پنل جانبی جدید نمایش داده می‌شود. ‏این افزونه اکنون به نسخه جدید به‌روزرسانی شده و مهم‌ترین قابلیت‌های آن شامل موارد زیر است: ‏- تجزیه و تحلیل هم‌زمان: خواندن و مقایسه داده‌ها از چندین تب مختلف، برای مثال در مقایسه قیمت محصولات. ‏- حالت Work mode: استفاده از فناوری Computer Use برای تعامل مستقیم با برنامه‌های تحت وب. ‏- مدیریت تعاملی: امکان پر کردن فرم‌ها، دانلود فایل‌ها، ارسال پیام و دسته‌بندی تب‌ها توسط دستیار هوشمند. ‏این تغییرات برای تمامی کاربران با هر نوع اشتراک ChatGPT در دسترس است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Computer_Use #ChatGPT_Chrome

‏🤖 مجموعه‌ای از مخازن گیت‌هاب برای یادگیری هوش مصنوعی مولد ‏برای یادگیری عمیق در حوزه هوش مصنوعی مولد (Generative AI)، دسترسی به منابع آموزشی مناسب اهمیت زیادی دارد. در ادامه، مهم‌ترین مخازن گیت‌هاب برای شروع و توسعه مهارت‌ها آورده شده است: ‏* Generative AI for Beginners: دوره مقدماتی مایکروسافت برای شروع کار. ‏* LLM Course: نقشه راه جامع برای یادگیری مدل‌های زبانی بزرگ. ‏* Build a Large Language Model From Scratch: راهنمای ساخت یک مدل از پایه. ‏* Prompt Engineering Guide: مرجع تخصصی مهندسی پرامپت. ‏* OpenAI Cookbook: نمونه‌کدها و روش‌های استفاده از APIهای OpenAI. ‏همچنین اگر به دنبال یک راهنمای عملی برای مهندسی هوش مصنوعی هستید، می‌توانید AI Engineering Playbook را مطالعه کنید.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#PromptEngineering #LLM_Course

‏🎮 اجرای بازی Minecraft توسط ۴ عامل هوش مصنوعی Gemini ‏پژوهشگران در مطالعه‌ای تازه نشان دادند که چهار عامل کدنویسی مبتنی بر مدل Gemini 4 Argon موفق شدند بدون استفاده از ابزارهای بازی‌ساز تخصصی، بازی Minecraft را در حالت بقا در مدت ۲۷ ساعت به پایان برسانند و اژدهای Ender را شکست دهند. این عوامل به‌جای مشاهده تصویر، از طریق کتابخانه Mineflayer با دنیای بازی تعامل داشتند و با نوشتن و اجرای برنامه‌های کوتاه، وضعیت کاراکتر و محیط را کنترل می‌کردند. ‏مهم‌ترین نکات این آزمایش: ‏* عوامل به‌صورت خودکار وظایفی نظیر تأمین غذا، استخراج الماس و یافتن پورتال را بین خود تقسیم کردند. ‏* برای یافتن قلعه، با استفاده از محاسبات هندسی موقعیت دقیق آن را در فاصله ۱.۳ کیلومتری با خطای بسیار اندک پیدا کردند. ‏* شکست اژدها پس از ۶۹ بار تلاش ممکن شد؛ عوامل یاد گرفتند که کریستال‌های شفابخش بالای برج‌ها را نابود کنند. ‏* یک عامل ناظر (Observer) بر تمامی فعالیت‌ها نظارت داشت تا از عدم استفاده از کدهای غیرمجاز یا دستورات سروری اطمینان حاصل شود.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏🤖 انتشار چارچوب Harness² گوگل برای بهبود ایجنت‌های هوش مصنوعی ‏گوگل ابزار متن‌باز Harness² را برای بهینه‌سازی عملکرد ایجنت‌های هوش مصنوعی منتشر کرده است. این چارچوب به جای بازآموزی مدل، به ایجنت اجازه می‌دهد تا «هارنس» (Harness) یا همان محیط تعاملی خود را بازنویسی کند. ‏فرایند اصلی این سیستم شامل سه مرحله است: ‏* Propose: پیشنهاد تغییرات در هارنس. ‏* Probe: بررسی تغییرات در همان تسک. ‏* Compose: اعمال تغییراتی که توسط شواهد رفتاری تأیید شده‌اند. ‏این روش نیازی به برچسب‌های حقیقت (Ground-truth) یا وریفایر ندارد. در سطح دوم، این سیستم تجربیات کسب‌شده را در یک کتابخانه ذخیره می‌کند تا ایجنت در تسک‌های بعدی از دانش پیشین استفاده کند. طبق نتایج مقاله، یک مرحله اصلاح با این روش، امتیاز GLM-5 را در بنچمارک WorkBuddy تا ۱۱.۵ واحد و در بنچمارک قانونی LAB تا ۱۱.۸ واحد بهبود داده است. ‏Harness² شامل مهم‌ترین مؤلفه‌ها قابل ویرایش از جمله پرامپت سیستم، حافظه، راهنمای ابزار و پلاگین‌ها است و تحت لایسنس Apache-2.0 عرضه می‌شود.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏🌐 انتشار عمومی SPACE توسط Perplexity ‏تیم پرپلکسیتی پروژه SPACE را تحت مجوز Apache 2.0 منتشر کرد. این ابزار یک محیط سندباکس مبتنی بر Firecracker microVM است که برای اجرای وظایف ایجنت‌های هوش مصنوعی توسعه یافته و با زبان Rust نوشته شده است. ‏ویژگی‌های اصلی این سیستم عبارتند از: ‏* ایزوله‌سازی در سطح ماشین مجازی: هر وظیفه ایجنت در یک microVM اختصاصی با کرنل مجزا اجرا می‌شود و ایجنت دسترسی root کامل در آن محیط دارد، بدون اینکه به سیستم میزبان دسترسی پیدا کند. ‏* مدیریت امنیت شبکه: اعتبارنامه‌ها داخل VM ذخیره نمی‌شوند و در لایه شبکه تزریق می‌شوند. یک درگاه در سطح میزبان، سیاست‌های خروجی را برای هر اتصال کنترل می‌کند. ‏* طراحی برای ایجنت‌های طولانی‌مدت: سیستم از قابلیت‌های Pause و Suspend پشتیبانی می‌کند که امکان ذخیره وضعیت حافظه و فایل‌سیستم را فراهم کرده و منابع را آزاد می‌کند. ‏* سازگاری: این پروژه از Btrfs برای فایل‌سیستم‌های copy-on-write استفاده می‌کند و با رابط E2B SDK سازگار است. ‏در ارزیابی امنیتی این سیستم با استفاده از ۹ مدل زبانی پیشرو، هیچ موردی از فرار از VM به میزبان گزارش نشد.

‏🤖 انتشار مدل Nemotron 3.5 Super VL انویدیا ‏انویدیا مدل جدید Nemotron 3.5 Super VL را معرفی کرد؛ یک مدل 120 میلیارد پارامتری از نوع MoE که تنها 12 میلیارد پارامتر آن در لحظه فعال است. این مدل بدون نیاز به مدل جانبی، قابلیت پردازش تصویر، اسناد و ویدیو را در یک ساختار واحد ارائه می‌دهد. ‏ویژگی‌های فنی این مدل شامل موارد زیر است: ‏* معماری Sparsity: استفاده از 512 کارشناس در هر لایه MoE که با لایه‌های Mamba-2 و Attention ترکیب شده‌اند تا ظرفیت مدل‌های بزرگ را با هزینه محاسباتی مدل‌های کوچک فراهم کند. ‏* ورودی بصری یکپارچه: استفاده از انکودر C-RADIO برای پردازش مستقیم تصاویر و ویدیوها در هسته اصلی استدلال. ‏* سرعت بالا: بهره‌گیری از قابلیت Multi-token prediction که در کنار سخت‌افزار DGX Spark، سرعت تولید توکن را تا 2.3 برابر افزایش می‌دهد. ‏* عملکرد در بنچمارک‌ها: مدل موفق شده در آزمون‌های Hermes Bench (63.44%) و LangChain (87.05%) از نسخه قبلی خود پیشی بگیرد. ‏جزئیات بیشتر را می‌توانید در وبلاگ فنی انویدیا مطالعه کنید. تحلیل کامل این انتشار نیز در MarkTechPost در دسترس است. 🇮🇷 سایت | تلگرام

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده 🗂 گزارش #1 | 📌 8 آیتم گزارش | 🧾 از 19 پست بررسی‌شده 🕐 جمعه 1405/07/24 ساعت 14:00 تا یکشنبه 1405/07/26 ساعت 14:00 🔎 تحلیل کوتاه

مدل‌های هوش مصنوعی با افزایش سرعت پاسخ‌دهی و کاهش تأخیر، قابلیت‌های خود را در پردازش‌های محلی و محیط‌های ابری توسعه داده‌اند. این بهبودها، از کاهش زمان انتظار برای دریافت اولین توکن تا ارتقای حافظه ایجنت‌ها و تحلیل‌های پیچیده، کارایی ابزارها را در سناریوهای عملیاتی افزایش داده است.

🤖 مدل‌ها و ابزارهای هوش مصنوعی

افزایش سرعت پاسخ‌دهی در مدل‌های Anthropic کاهش زمان انتظار برای دریافت اولین توکن در Claude و Claude Code تا سه برابر در محیط‌های محلی. 🔗 مشاهده پست انتشار مجموعه حافظه ایجنت‌های Hy-Memory 2.0 سه‌گانه تنسنت شامل مدل، فریم‌ورک و MemHub برای مدیریت حافظه مکالمات، وظایف و کد. 🔗 مشاهده پست عرضه مدل DeepSeek-V4.1-Flash بهینه‌سازی مدل برای افزایش سرعت و بهبود توانایی ساخت کامل پروژه‌ها از صفر. 🔗 مشاهده پست انتشار مدل‌های جدید تولید تصویر FLUX 3 و Krea 3 عرضه مدل متن‌باز FLUX 3 و ورود ابزار ویرایش تصویر Krea 3 به مرحله بتا. 🔗 مشاهده پست

🧬 سلامت و پژوهش‌های علمی

کاشت موفقیت‌آمیز تراشه بینایی PRIMA بازگرداندن توانایی خواندن کلمات به بیمار مبتلا به بیماری ژنتیکی اشتاگارت. 🔗 نسخه مفصل در سایت سرمایه‌گذاری ۱۵ میلیون دلاری در اثبات‌های ریاضی حمایت بنیاد سایمونز از ارزیابی نتایج هوش مصنوعی با مشارکت OpenAI و Anthropic. 🔗 مطالعه کامل در سایت

📚 آموزش و مسیرهای شغلی

چهار مسیر شغلی در علم داده تحلیل تفاوت‌های تخصص مهندسی داده، دانشمند داده، مهندس یادگیری ماشین و تحلیلگر داده. 🔗 ادامه مطلب در سایت متد چهارمرحله‌ای جورج پولیا برای هوش مصنوعی راهنمای تقویت تفکر تحلیلی و حل مسائل پیچیده با استفاده از روش تاریخی جورج پولیا. 🔗 مطالعه کامل در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏🎤 انتشار نسخه ۲.۰ مدل OmniHuman توسط بایت‌دنس ‏شرکت بایت‌دنس مدل OmniHuman 2.0 را منتشر کرد که می‌تواند یک عکس ثابت از چهره انسان را بر اساس فایل صوتی، به ویدیو تبدیل کند. این مدل با تحلیل لحن و محتوای صوت، حرکات لب، میمیک چهره و ژست‌های بدن را به‌صورت خودکار هماهنگ می‌کند. ‏مهم‌ترین تغییرات این نسخه عبارتند از: ‏* افزایش زمان خروجی ویدیو به ۵ دقیقه برای هر تصویر. ‏* کاهش هزینه استفاده از خدمات پلتفرم BytePlus به ۰.۰۷ دلار برای هر ثانیه. ‏* کاهش هزینه پردازش پنج دقیقه ویدیو از ۳۶ دلار به ۲۱ دلار. ‏خروجی فعلی این مدل با رزولوشن 720p تولید می‌شود و امکان ساخت ویدیوهای طولانی از یک عکس را بدون نیاز به تجهیزات استودیویی فراهم کرده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#OmniHuman_2 #BytePlus

‏🎥 عرضه عمومی مدل Kling 4.0 با قابلیت تولید ویدیو ۳۰ ثانیه‌ای ‏مدل هوش مصنوعی Kling 4.0 اکنون برای تمام کاربران در دسترس است. این نسخه چینی قابلیت تولید ویدیوهای ۳۰ ثانیه‌ای را دارد که نسبت به نسخه‌های قبلی دو برابر شده و دارای سیستم صوتی داخلی است. ‏کاربران می‌توانند برای تولید ویدیو از متن، تصاویر کلیدی و ویدیوهای مرجع استفاده کنند. همچنین، Kling از طریق پروتکل MCP به ایجنت‌های هوش مصنوعی متصل می‌شود که امکان ادغام تولید ویدیو در جریان‌های کاری خودکار را فراهم می‌کند. ‏نسخه سریع‌تر این مدل با نام Kling 4.0 Flash نیز از طریق سایت رسمی Kling قابل دسترسی و تست است. این قابلیت‌ها به کاربران اجازه می‌دهد ویدیوهایی در ابعاد تبلیغاتی کوتاه تولید کنند. جزئیات مربوط به تعرفه‌های استفاده از این سرویس هنوز اعلام نشده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Kling_4 #MCP

‏🤖 رمزگشایی مدل Claude از معمای ۲۵ ساله ECDSA ‏مدل هوش مصنوعی Claude موفق شد در عرض ۳۰ دقیقه، منشأ پارامترهای انتخاب‌شده توسط NSA برای منحنی‌های بیضوی استاندارد NIST را کشف کند. این پارامترها که در دهه ۹۰ میلادی برای الگوریتم امضای دیجیتال ECDSA (مبنای امنیت HTTPS، Bitcoin و SSH) تعیین شده بودند، سال‌ها مورد تردید بودند و گمانه‌زنی‌های زیادی مبنی بر وجود «در پشتی» (Backdoor) در آن‌ها وجود داشت. ‏Claude با تحلیل داده‌ها فرضیه جدیدی مطرح کرد: مقادیر (Seeds) استفاده‌شده برای تولید این منحنی‌ها، خروجی یک مولد اعداد تصادفی ساده بوده که بر اساس زمان سیستم کار می‌کرده است. با بررسی تاریخ‌های بین مه ۱۹۹۷ تا آوریل ۱۹۹۸، مدل تأیید کرد که تمامی مقادیر با خروجی این مولد در زمان‌های مشخص مطابقت دارند. ‏در گزارش تحقیقاتی Anthropic، جزئیات این فرآیند بررسی شده است. مدل در حین حل مسئله حتی دچار تردید شده بود که آیا با یک سناریوی آزمایشی روبروست یا یک کشف واقعی، اما در نهایت با تطبیق بیت‌های کلیدی، صحت محاسبات خود را تأیید کرد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Claude #ECDSA

‏🚀 افزایش سرعت پاسخ‌دهی در Claude و Claude Code ‏شرکت Anthropic با تغییرات فنی، زمان انتظار برای دریافت اولین توکن (Time to First Token) را به‌شکل قابل‌توجهی کاهش داده است. بر اساس گزارش تغییرات جدید، سرعت Claude Code در جلسات محلی تا ۳ برابر و در محیط‌های ابری تا ۲.۸ برابر افزایش یافته است. ‏این بهبود عملکرد در بخش‌های مختلف به شرح زیر است: ‏* Claude Code (محلی): کاهش زمان از ۴.۰۷ به ۱.۳۳ ثانیه. ‏* Claude Code (ابری): کاهش زمان از ۱۶.۹۹ به ۶ ثانیه. ‏* Claude (چت و Cowork): افزایش سرعت ۱.۵ برابری (از ۳.۳۶ به ۲.۱۷ ثانیه). ‏* Claude API: افزایش سرعت ۱.۵ برابری (از ۱.۵۳ به ۱.۰۱ ثانیه). ‏این تغییرات به دلیل انتقال تاریخچه گفتگو به صورت فشرده و همچنین پیش‌بارگذاری محیط ابری هم‌زمان با تایپ کاربر رخ داده است. علاوه بر این، در Claude Code قابلیتی برای فشرده‌سازی خودکار مکالمات طولانی (بیش از ۲۰۰ هزار توکن) پس از ۵۴ دقیقه عدم فعالیت اضافه شده تا از انقضای کش پرامپت و پردازش مجدد هزینه‌بر جلوگیری شود.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Claude_Code #Prompt_Caching

‏🤖 تبدیل فایل‌های PDF به اپلیکیشن تعاملی با جمینای ۴ ‏با استفاده از قابلیت Canvas در مدل هوش مصنوعی جمینای ۴، می‌توانید اسناد متنی و فایل‌های PDF طولانی را به برنامه‌های تحت وب پویا و انیمیشنی تبدیل کنید. این ابزار به جای ارائه خلاصه متنی ساده، داده‌های سند را به شکلی زنده و بصری نمایش می‌دهد. ‏برای اجرای این ترفند، کافی است فایل خود را آپلود کرده و از این پرامپت استفاده کنید: ‏Turn this dense PDF into an interactive animated visual web app that I can scrub through to make the key moments come alive! ‏پس از ارسال این دستور، هوش مصنوعی یک رابط کاربری تعاملی می‌سازد که از طریق آن می‌توانید داده‌های مهم سند را به صورت زنده بررسی کنید. این قابلیت برای تحلیل سریع‌تر اسناد حجیم و تبدیل اطلاعات متنی به خروجی‌های بصری در دسترس کاربران قرار گرفته است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی 🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#جمینای_۴ #Canvas