Deep Time

前往频道在 Telegram

Machine Learning 💻 Quantitative Finance💲Time Series 📈 Artificial Intelligence 🤖Data Science 📚 Startup 🚀

显示更多

伊朗54 393 技术与应用22 442

3 735

订阅者

-224 小时

+97 天

+3730 天

981

帖子浏览量

无数据24 小时

无数据48 小时

26.27%

参与率

无数据

每日帖子数

Ads index

beta

数据加载中...

相似频道

آکادمی هوش‌مصنوعی هُوسم

更多频道

进出提及

---

吸引订阅者

六月 '26

+75

在1个频道中

五月 '26

+32

在0个频道中

Get PRO

四月 '26

在0个频道中

Get PRO

三月 '26

在0个频道中

Get PRO

二月 '26

+31

在0个频道中

Get PRO

一月 '26

+22

在0个频道中

Get PRO

十二月 '25

+47

在0个频道中

Get PRO

十一月 '25

+57

在2个频道中

Get PRO

十月 '25

+72

在0个频道中

Get PRO

九月 '25

+47

在2个频道中

Get PRO

八月 '25

+47

在0个频道中

Get PRO

七月 '25

+68

在0个频道中

Get PRO

六月 '25

+56

在0个频道中

Get PRO

五月 '25

+84

在1个频道中

Get PRO

四月 '25

+56

在0个频道中

Get PRO

三月 '25

+74

在0个频道中

Get PRO

二月 '25

+67

在0个频道中

Get PRO

一月 '25

+145

在3个频道中

Get PRO

十二月 '24

+151

在0个频道中

Get PRO

十一月 '24

+481

在3个频道中

Get PRO

十月 '24

+120

在0个频道中

Get PRO

九月 '24

+119

在3个频道中

Get PRO

八月 '24

+200

在6个频道中

Get PRO

七月 '24

+102

在0个频道中

Get PRO

六月 '24

+308

在1个频道中

Get PRO

五月 '24

+67

在0个频道中

Get PRO

四月 '24

+116

在4个频道中

Get PRO

三月 '24

+86

在0个频道中

Get PRO

二月 '24

+88

在0个频道中

Get PRO

一月 '24

+174

在2个频道中

Get PRO

十二月 '23

+248

在1个频道中

Get PRO

十一月 '23

+114

在3个频道中

Get PRO

十月 '23

+56

在0个频道中

Get PRO

九月 '23

+34

在0个频道中

Get PRO

八月 '23

+55

在0个频道中

Get PRO

七月 '23

+47

在0个频道中

Get PRO

六月 '23

+50

在0个频道中

Get PRO

五月 '23

+42

在0个频道中

Get PRO

四月 '23

+60

在0个频道中

Get PRO

三月 '23

+116

在0个频道中

Get PRO

二月 '23

+50

在0个频道中

Get PRO

一月 '23

+61

在0个频道中

Get PRO

十二月 '22

+31

在0个频道中

Get PRO

十一月 '22

+36

在0个频道中

Get PRO

十月 '22

+34

在0个频道中

Get PRO

九月 '22

+53

在0个频道中

Get PRO

八月 '22

+195

在0个频道中

Get PRO

七月 '22

+74

在0个频道中

Get PRO

六月 '22

+115

在0个频道中

Get PRO

五月 '22

+177

在0个频道中

Get PRO

四月 '22

+84

在0个频道中

Get PRO

三月 '22

+83

在0个频道中

Get PRO

二月 '22

+15

在0个频道中

Get PRO

一月 '22

+57

在0个频道中

Get PRO

十二月 '21

+39

在0个频道中

Get PRO

十一月 '21

+52

在0个频道中

Get PRO

十月 '21

+297

在0个频道中

日期	订阅者增长	提及	频道
30 六月	+1
29 六月	0
28 六月	+3
27 六月	0
26 六月	+3
25 六月	+4
24 六月	+3
23 六月	0
22 六月	+4
21 六月	0
20 六月	+2
19 六月	+5
18 六月	+2
17 六月	+2
16 六月	+2
15 六月	+1
14 六月	+3
13 六月	+1
12 六月	+1
11 六月	+5
10 六月	+1
09 六月	+2
08 六月	+2
07 六月	+5
06 六月	+12
05 六月	+3
04 六月	+7
03 六月	+1
02 六月	0
01 六月	0

频道帖子

معرفی KVarN گوگل چند وقت پیش یک روش بهینه در مدیریت KV cache به نام TurboQuant معرفی کرد که اساسا خود KV Cache رو کوئانتایز میکرد و بعد برای پروسه attention مجدد تبدیل به دقت بالاتر. اما vLLM با بنچمارک نشون داد که این کم شدن Memory Usage یا افزایش ظرفیت به قیمت از دست رفتن Accuracy و کم شدن throughput هست. این کاهش دقت خصوصا در long-cotext بیشتر دیده میشه چراکه error ها با این تبدیل به مرور زیاد میشن. حالا Huawei روش KVarN رو معرفی کرده که نه تنها دقت رو حفظ میکنه بلکه throughput رو افزایش میده و کار اصلیش هم که ۴ برابر کردن ظرفیت KV-cache (حتی این هم بهتر از TurboQuant) Paper Github مزیت برای استفاده: در یک فورک vLLM ارائه شده.

2	هوش مصنوعی و خصوصا LLM ها دنیای بازار‌های مالی رو متحول کردن (واضحا!). به همین دلیل در مورد LLM ها بیشتر پست‌های تکنیکال میذارم. در سطح Trade: اگر به عنوان یک کوئانت فقط روش‌های کلاسیک آماری/ دیتاساینس و مهندسی داده بلد باشید از رقابت کنار میرید. برای مثال بغیر از استفاده بهینه از مدل‌ها برای کدنوشتن و ... باید بتونید روش‌های LLM Inference سریع و در عین حال دقیق رو مسلط باشید و چند ثانیه/ میلی ثانیه در پردازش اطلاعات با LLM برتری پیدا کنید که معنیش در trading مشخص هست. تسلط و شناخت این حوزه برای کوئانت‌های نسل جدید اهمیت بالایی داره. در سطح Investment: اگر با LLM و ذاتش که نیاز به Memory هست آشنا میبودید احتمالا نیم نگاهی به سهام شرکت Micron داشتید که در ۶ ماه ۳۵۵ درصد سود داده. یا فرضا اگر سال قبل در کامیونیتی‌های LLM گشت میزدید رشد Player 2 در GPU که AMD هست رو پیشبینی میکردید که در یک سال ۳۱۵ درصد رشد داشت. پ.ن: انگیزه زوری بود برای گرفتن زهر پست‌های تکنیکال بعدی در مورد KV cache optimization Speculative Decoding Prefill decode disaggregation ...	1 019
3	یک مسئله جالب که این روزها بهش فکر میکنم تایید کورکورانه دوطرفه در تعاملات انسان با AI هست. تایید کورکورانه از جانب انسان: اینکه اگر شخصی فقط خروجی‌های هر مرحله از AI رو بدون بررسی تخصصی تایید کنه، دو مشکل خواهد داشت: ۱_ احتمال کیفیت پایین خروجی یا بهینه نبودن ۲_ خودِ این شخص به راحتی با AI جایگزین خواهد شد چون در مجموع ارزشی اضافه نخواهد کرد پس اگر از آندره کارپاثی میشنوید که دیگه خودش تقریبا کدی نمینویسه به این معنی نیست که کد رو بررسی نمیکنه، علمش رو نداره، یا ساختارهارو نقد نمیکنه. تایید کورکورانه از جانب هوش مصنوعی: اینکه هوش مصنوعی به دلیل تمایل به راضی کردن کاربر یا بایاس شدن به دلیل کانتکست، احتمالا ایده‌های کاربر رو دست بالا خواهد گرفت که ممکن هست بعد از ماه‌ها کار اشکالات در عمل مشخص بشن. این مورد هم مجددا بر دوش انسان هست تا با تخصص و تفکر انتقادی تشخیص داده بشه. از طرفی بحث هزینه Agent ها و مصرف توکن که اخیرا برای شرکت‌ها دردسر ساز شده رو در نظر بگیرید که اهمیت استفاده بهینه و وجود تخصص رو بسیار بالا برده. در یک کلام، بازی عوض شده. میشه اینطور گفت که تخصص در برنامه‌نویسی، هوش مصنوعی و ریاضی: ۱_ اگر به شکل سطحی یا گاها متوسط باشه کم ارزش هست. اما در سال‌های گذشته اصلا اینطور نبود و تقاضا برای این سطوح زیاد بود. ۲_ اگر به شکل عمیق و تسلط بالا باشه، بسیار ارزشمند هست چراکه تنها این سطح از تخصص توانایی استفاده و مدیریت بهینه/کم هزینه AI رو خواهد داشت.	2 345
4	Brain Foundation Model انگار داره کلاه سرمون میره Sabi.com این واقعا میتونه game changer باشه در دنیا. قطعا زندگی معلولین در آینده متفاوت میشه اما آیا این تنها استفاده هست؟! دریافت سیگنال‌های مغزی به شکل wireless از طریق یک کلاه و تبدیل فکر به متن و بعدش هم که مشخصه: متن به AI برای انجام کار اما بازم میگم، تتها استفاده این موارد تبلیغی نخواهد بود. فکر کنید به روزی که کارمند ها مجبور به استفاده از این مورد بشن. همین اخیر هم خبر اومد که شرکت Meta در حال جمع‌آوری تمام اطلاعات مانیتورها، کلیک‌ها و تایپ و ... از کارمندان در آمریکا هست تا در یک سطح جدید مدل‌های هوش مصنوعی به هدف جایگزینی با انسان آموزش ببینن‌. پ.ن: این مدت بخاطر شرایط ایران کمتر فعال بودم. اما سعی میکنم بیشتر پست بذارم. اتفاقات و آپدیت ها زیاد بودن.	2 417

查看所有帖子