en
Feedback

Don't get caught by a cheater! Telemetrio finds and tags such channels 👉 If you want to see the tag, subscribe

Tensorflow(@CVision)

Tensorflow(@CVision)

Open in Telegram

اخبار حوزه یادگیری عمیق و هوش مصنوعی مقالات و یافته های جدید یادگیری عمیق بینایی ماشین و پردازش تصویر TensorFlow, Keras, Deep Learning, Computer Vision سایت: http://class.vision 👨‍💻👩‍💻پشتیبان دوره ها: @classvision_support لینک گروه: @tf2keras

Show more

📈 Analytical overview of Telegram channel Tensorflow(@CVision)

Channel Tensorflow(@CVision) (@cvision) in the Farsi language segment is an active participant. Currently, the community unites 15 063 subscribers, ranking 8 553 in the Technologies & Applications category and 22 723 in the Iran region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 15 063 subscribers.

According to the latest data from 18 November, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -27 over the last 30 days and by -3 over the last 24 hours, overall reach remains high.

  • Verification status: Not verified
  • Engagement rate (ER): The average audience engagement rate is 22.45%. Within the first 24 hours after publication, content typically collects 8.26% reactions from the total number of subscribers.
  • Post reach: On average, each post receives 3 382 views. Within the first day, a publication typically gains 1 244 views.
  • Reactions and interaction: The audience actively supports content: the average number of reactions per post is 13.
  • Thematic interests: Content is focused on key topics such as مدل, مصنوعی, llm, استدلال, مغز.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“اخبار حوزه یادگیری عمیق و هوش مصنوعی مقالات و یافته های جدید یادگیری عمیق بینایی ماشین و پردازش تصویر TensorFlow, Keras, Deep Learning, Computer Vision سایت: http://class.vision 👨‍💻👩‍💻پشتیبان دوره ها: @classvision_support لینک گروه: @tf2kera...”

Thanks to the high frequency of updates (latest data received on 19 November, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

15 063
Subscribers
-324 hours
+47 days
-2730 days
Attracting Subscribers
Nov '26
November '26
+43
in 3 channels
October '26
+32
in 0 channels
Get PRO
September '26
+83
in 1 channels
Get PRO
August '26
+176
in 3 channels
Get PRO
July '26
+86
in 1 channels
Get PRO
June '26
+104
in 2 channels
Get PRO
May '26
+22
in 0 channels
Get PRO
April '26
+22
in 0 channels
Get PRO
March '26
+8
in 0 channels
Get PRO
February '26
+29
in 1 channels
Get PRO
January '26
+13
in 0 channels
Get PRO
December '25
+62
in 2 channels
Get PRO
November '25
+281
in 26 channels
Get PRO
October '25
+201
in 16 channels
Get PRO
September '25
+265
in 21 channels
Get PRO
August '25
+284
in 16 channels
Get PRO
July '25
+165
in 3 channels
Get PRO
June '25
+64
in 5 channels
Get PRO
May '25
+236
in 9 channels
Get PRO
April '25
+123
in 3 channels
Get PRO
March '25
+164
in 10 channels
Get PRO
February '25
+153
in 7 channels
Get PRO
January '25
+136
in 5 channels
Get PRO
December '24
+100
in 1 channels
Get PRO
November '24
+247
in 4 channels
Get PRO
October '24
+353
in 10 channels
Get PRO
September '24
+239
in 6 channels
Get PRO
August '24
+250
in 6 channels
Get PRO
July '24
+230
in 7 channels
Get PRO
June '24
+182
in 2 channels
Get PRO
May '24
+1 045
in 16 channels
Get PRO
April '24
+533
in 17 channels
Get PRO
March '24
+364
in 3 channels
Get PRO
February '24
+453
in 5 channels
Get PRO
January '24
+753
in 12 channels
Get PRO
December '23
+837
in 15 channels
Get PRO
November '23
+416
in 17 channels
Get PRO
October '23
+223
in 9 channels
Get PRO
September '23
+296
in 0 channels
Get PRO
August '23
+226
in 0 channels
Get PRO
July '23
+144
in 0 channels
Get PRO
June '23
+229
in 0 channels
Get PRO
May '23
+135
in 0 channels
Get PRO
April '23
+166
in 0 channels
Get PRO
March '23
+189
in 0 channels
Get PRO
February '23
+132
in 0 channels
Get PRO
January '23
+149
in 0 channels
Get PRO
December '22
+101
in 0 channels
Get PRO
November '22
+124
in 0 channels
Get PRO
October '22
+132
in 0 channels
Get PRO
September '22
+185
in 0 channels
Get PRO
August '22
+231
in 0 channels
Get PRO
July '22
+180
in 0 channels
Get PRO
June '22
+106
in 0 channels
Get PRO
May '22
+347
in 0 channels
Get PRO
April '22
+291
in 0 channels
Get PRO
March '22
+74
in 0 channels
Get PRO
February '22
+90
in 0 channels
Get PRO
January '22
+165
in 0 channels
Get PRO
December '21
+87
in 0 channels
Get PRO
November '21
+208
in 0 channels
Get PRO
October '21
+140
in 0 channels
Get PRO
September '21
+267
in 0 channels
Get PRO
August '21
+103
in 0 channels
Get PRO
July '21
+167
in 0 channels
Get PRO
June '21
+175
in 0 channels
Get PRO
May '21
+213
in 0 channels
Get PRO
April '21
+147
in 0 channels
Get PRO
March '21
+87
in 0 channels
Get PRO
February '21
+270
in 0 channels
Get PRO
January '21
+86
in 0 channels
Get PRO
December '20
+6 203
in 0 channels
Date
Subscriber Growth
Mentions
Channels
18 November+1
17 November+9
16 November+3
15 November0
14 November+2
13 November+9
12 November0
11 November+1
10 November+4
09 November+1
08 November0
07 November0
06 November+4
05 November+4
04 November+1
03 November0
02 November+1
01 November+3
Channel Posts
نسل جدید Scribe با دقت بالاتر معرفی شد! 🎙 شرکت ElevenLabs از دو مدل جدید Speech-to-Text رونمایی کرده است: مدل Scribe v3 برای
نسل جدید Scribe با دقت بالاتر معرفی شد! 🎙 شرکت ElevenLabs از دو مدل جدید Speech-to-Text رونمایی کرده است: مدل Scribe v3 برای فایل‌های صوتی ضبط‌شده و Scribe v3 Live برای پردازش Real-time مکالمات. دقت بالاتر 📊 طبق بنچمارک‌های ElevenLabs، مدل Scribe v3 در ۱۰۲ زبان، ۲۷٪ خطای کمتری نسبت به نسل قبل دارد. نسخه Live نیز خطای معنایی تشخیص گفتار را ۴۳٪ کاهش داده است. قابلیت‌های جدید این نسل 👇 🔹 شناسایی دقیق‌تر گویندگان با Speaker Diarization 🔹 تشخیص هوشمند پایان صحبت با Turn Detection، بدون اتکای صرف به سکوت 🔹 پشتیبانی از تغییر زبان در میانه مکالمه با Multilingual Mode 🔹 امکان تعریف اصطلاحات تخصصی با Keyterm Prompting هر دو مدل از طریق ElevenAPI در دسترس توسعه‌دهندگان قرار گرفته‌اند و می‌توانند دقت Voice Agentها و سیستم‌های Transcription را بهبود دهند. منبع: https://elevenlabs.io/blog/scribe-v3 کانال: 🌀 @cvision 🌀
15 Nov, 15:08

2
🎓 یکی از قشنگ‌ترین پیام‌هایی که این مدت گرفتم چند روز پیش یکی از دانشجوهای قدیمی‌م، که سال‌ها پیش در جهاد دانشگاهی شریف باها
🎓 یکی از قشنگ‌ترین پیام‌هایی که این مدت گرفتم چند روز پیش یکی از دانشجوهای قدیمی‌م، که سال‌ها پیش در جهاد دانشگاهی شریف باهام کلاس داشت، بهم پیام داد. ایشون چند ماه پیش در دانشگاه ماینتس آلمان دکترا رو دفاع کرده، با تحقیق در موسسه ماکس پلانک برای پژوهش پلیمر. موضوع پایان‌نامه‌اش استفاده از یادگیری عمیق (CNN، ترنسفورمر و LSTM) برای اندازه‌گیری دقیق حرکت قطره‌های آب روی سطوح از روی ویدیو بوده. 🤯 در بخش تشکر پایان‌نامه‌اش، از کسانی که علاقه‌اش رو به فیزیک و کامپیوتر ساینس شکل دادن یاد کرده، و خوشحالم که تدریس ما هم بخشی از این مسیر بوده. برای من، این بزرگ‌ترین پاداش تدریسه. وقتی کلاس تموم میشه، آدم نمی‌دونه اون جرقه‌ای که زده شد کجا می‌رسه. و حالا می‌بینم یکی از همون جرقه‌ها به این‌جا رسیده. 🙏 یادم می‌مونه که تو تدریس، فقط انتقال مطلب مهم نیست؛ شور و علاقه‌ای که منتقل می‌کنیم گاهی از خود مطلب ماندگارتره. 📄 پایان‌نامه ایشون (برای کسانی که کنجکاوند): https://openscience.ub.uni-mainz.de/items/129c0e44-b142-4156-9401-d554969a5d51
1 775
3
🧬 🧬 AlphaGenome 2 : A New Era in Understanding DNA گوگل دیپ‌مایند از نسل جدید مدل هوش مصنوعی خود با نام AlphaGenome 2 رونمایی کرد؛ مدلی که با هدف درک بهتر ارتباط بین تغییرات ژنتیکی و بیماری‌ها توسعه داده شده است. این مدل می‌تواند پیش‌بینی کند که تغییرات در توالی DNA چگونه بر عملکرد ژن‌ها در انواع مختلف سلول‌های بدن تأثیر می‌گذارند. این موضوع اهمیت زیادی دارد؛ زیرا یک تغییر ژنتیکی ممکن است در یک نوع سلول اثرگذار باشد، اما در سلول‌های دیگر تأثیر متفاوتی داشته باشد. 🔬 چند نکته درباره این مدل: 🔹 آموزش‌دیده با بیش از ۱۰۰ میلیون پروفایل سلولی از ۶۸ بافت مختلف. 🔹 شناسایی تقریباً دو برابر تعداد بیشتری از تغییرات ژنتیکی مؤثر بر بیان ژن، در مقایسه با بهترین مدل قبلی. 🔹 قابلیت تحلیل انواع جدید سلول‌ها و بررسی اثر تغییرات ژنتیکی بدون نیاز به آموزش مجدد مدل. 🚀 هدف اصلی این پروژه، کمک به پژوهشگران برای درک بهتر نقش تغییرات ژنتیکی در بیماری‌ها و شناسایی مسیرهای زیستی مرتبط با آن‌هاست. این مدل در حال حاضر برای تحقیقات غیرتجاری از طریق API در دسترس است و هنوز صرفاً کاربرد پژوهشی دارد. 🔗 معرفی رسمی و جزئیات بیشتر: https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/ @cvision
2 234
4
لینک دانلود ضبط شده این کارگاه این لینک 7 روز فعال سات. لطفا در صورت نمایل در این مدت دانلود کنید
لینک دانلود ضبط شده این کارگاه این لینک 7 روز فعال سات. لطفا در صورت نمایل در این مدت دانلود کنید
2 266
5
دوستان صدا دست من نیست. اما ویدیو را ضبط میکنم تو کانال میگذارم
2 445
6
https://www.aparat.com/Kashanuniversity/live
2 438
7
این کارگاه از آپارات نیز لایو منتشر خواهد شد
2 316
8
🤯 وقتی هوش مصنوعی از صفر یک سیستم‌عامل می‌سازه! یکی از شگفت‌انگیزترین آزمایش‌های آنتروپیک با مدل Claude Fable 5.2، ساخت یک سیستم‌عامل کامل از یک پوشه خالی بوده! 💻 در این آزمایش، مدل با هماهنگ‌کردن بیش از ۱۰۰۰ ایجنت هوش مصنوعی، طی ۸ روز به‌صورت شبانه‌روزی کدنویسی، تست و بازبینی انجام داده. 🔥 نتیجه، یک سیستم‌عامل آزمایشی قابل اجرا روی لپ‌تاپ بوده که امکانات زیر رو داره: 🔹 هسته اختصاصی سیستم‌عامل 🔹 درایورهای دیسک، کیبورد و شبکه 🔹 سیستم ذخیره‌سازی دائمی فایل‌ها 🔹 محیط گرافیکی با پنجره‌های قابل استفاده 🔹 صفحه ورود و نصب‌کننده سیستم‌عامل 🔹 قابلیت‌های داخلی مبتنی بر Claude
2 685
9
🚀 آنتروپیک با معرفی دو مدل جدید، قدرت هوش مصنوعی رو به سطح تازه‌ای رسوند! شرکت آنتروپیک از دو مدل قدرتمند Claude Fable 5.2 و
🚀 آنتروپیک با معرفی دو مدل جدید، قدرت هوش مصنوعی رو به سطح تازه‌ای رسوند! شرکت آنتروپیک از دو مدل قدرتمند Claude Fable 5.2 و Claude Mythos 5.2 رونمایی کرده که برای حل مسائل پیچیده برنامه‌نویسی، مهندسی و تحقیقات علمی طراحی شدن. 🔥 چند مورد از قابلیت‌های چشمگیر این مدل‌ها: 🔹 افزایش سرعت تولید پاسخ تا ۳۰ درصد نسبت به نسل قبل 🔹 عملکرد بهتر در کدنویسی، استدلال و تحلیل تصاویر 🔹 حل دو مسئله باز در فیزیک سیاه‌چاله‌ها 🔹 طراحی سه دستگاه الکترونیکی کاربردی از صفر 🔹 پیشرفت قابل‌توجه در امنیت سایبری و شناسایی آسیب‌پذیری‌ها نکته جالب اینکه این دو مدل از یک هسته مشترک استفاده می‌کنن؛ نسخه Fable برای استفاده عمومی با محدودیت‌های ایمنی بیشتر عرضه شده و نسخه Mythos برای سازمان‌های تأییدشده در حوزه‌های تخصصی در دسترسه. 🤯 اما یکی از عجیب‌ترین دستاوردهاش ساخت یک سیستم‌عامل واقعیه که در پست بعدی بهش می‌پردازیم! 🔗 منبع: وبلاگ رسمی آنتروپیک #هوش_مصنوعی #کلود #آنتروپیک
2 420
10
🧠 کارگاه آموزشی W2 | مدل‌های بینایی-زبانی (VLM) 🌐 برای ثبت نام در کنفرانس کلیک کنید. @mvip2026 @kashan_ict
🧠 کارگاه آموزشی W2 | مدل‌های بینایی-زبانی (VLM) 🌐 برای ثبت نام در کنفرانس کلیک کنید. @mvip2026 @kashan_ict
2 143
11
💎 با مکتب‌خونه، بورسیه دانشگاه هاروارد شو! 🎉 مکتب‌خونه به مناسبت تولد ۱۵ سالگیش یک قرعه‌کشی ویژه برگزار کرده؛ از بورسیه آمو
💎 با مکتب‌خونه، بورسیه دانشگاه هاروارد شو! 🎉 مکتب‌خونه به مناسبت تولد ۱۵ سالگیش یک قرعه‌کشی ویژه برگزار کرده؛ از بورسیه آموزشی دانشگاه هاروارد به ارزش ۲۰۰۰ دلار گرفته تا اشتراک ChatGPT Plus و اشتراک مکتب‌خونه. 🔥 علاوه بر جوایز قرعه‌کشی، تخفیف‌های ویژه تولد مکتب‌خونه هم فعال شده: ▪️ ۸۰٪ تخفیف اشتراک یک‌ساله ▪️ تا ۷۰٪ تخفیف دوره‌های آموزشی 🧠 اگه به یادگیری ماشین و یادگیری عمیق علاقه داری یا با ابزارهایی مثل TensorFlow مدل‌های هوش مصنوعی توسعه می‌دی، این فرصت خوبیه که دانش و مهارت‌هات رو ارتقا بدی و در کنارش، شانس برنده‌شدن جوایز جذاب رو هم داشته باشی. ⏳ مهلت شرکت: تا ۲۲ آبان 🎁 می‌خوای بدونی چطور می‌تونی توی قرعه‌کشی شرکت کنی؟ 🔗 برای مشاهده جوایز و شرایط شرکت، کلیک کن
2 581
12
+1
No text...
1
13
🚀 اوپن‌ای‌آی از مدل جدید تولید تصویر خودش رونمایی کرد! مدل GPT-Image 2.6 با سرعت بیشتر، ویرایش دقیق‌تر و قابلیت جذاب ساخت تص
🚀 اوپن‌ای‌آی از مدل جدید تولید تصویر خودش رونمایی کرد! مدل GPT-Image 2.6 با سرعت بیشتر، ویرایش دقیق‌تر و قابلیت جذاب ساخت تصاویر متحرک GIF معرفی شد. 🔥 مهم‌ترین قابلیت‌های این نسخه: 🔹 سرعت بالاتر: تولید تصاویر تا ۵۰٪ سریع‌تر از نسخه قبلی انجام می‌شه. 🔹 ساخت تصاویر متحرک: حالا می‌تونید فقط با یک پرامپت، تصاویر متحرک با فرمت GIF بسازید. 🔹 ویرایش هوشمندتر: امکان تغییر بخش‌های مشخص تصویر با حفظ جزئیات، ظاهر کاراکترها و هماهنگی تصاویر بهتر شده. 🔹 خروجی وکتور: قابلیت دریافت خروجی SVG برای استفاده در طراحی سایت، اپلیکیشن و کارهای گرافیکی اضافه شده. 🔹 امکانات توسعه‌دهندگان: دو مدل Flare برای سرعت بیشتر و Sunburst برای کیفیت و جزئیات بالاتر از طریق API در دسترس قرار گرفتن. ✅ دسترسی: این مدل از همین حالا برای تمام پلن‌های ChatGPT و Codex فعال شده. به نظر می‌رسه اوپن‌ای‌آی داره ابزار تولید تصویر خودش رو به یک ابزار کامل‌تر برای طراحی و تولید محتوای حرفه‌ای تبدیل می‌کنه. 🔗 منبع: معرفی رسمی و مشاهده نمونه‌ها #هوش_مصنوعی #OpenAI #AI
3 393
14
مستندات فارسی شده opencv : https://learnopencv.ir/docs/ ، همچنین لینک به این مستندات در نوت بوک های کورس مکتب خونه اضافه شد
3 502
15
نسخه فارسی و تحت وب Deep Learning with Python ویرایش 3 https://introtodeeplearning.ir/books/dlwp/
نسخه فارسی و تحت وب Deep Learning with Python ویرایش 3 https://introtodeeplearning.ir/books/dlwp/
6 956
16
کسانی که تازه شروع کردند، میدونند که پیش نیاز اکثر فریم ورکهای مرتبط با هوش مصنوعی پایتونه، دوست داشتید در کانال بالا عضو شده و از سایتش مطالب را مرور کنید
5 195
17
🐍 چالش پایتون ۱ | += روی لیست؛ تغییر یا ساختن؟ خروجی این کد چیست؟ قبل از اجرا، خط به خط فکر کن؛ حدس نزن! 🤔 a = [1, 2, 3] b
🐍 چالش پایتون ۱ | += روی لیست؛ تغییر یا ساختن؟ خروجی این کد چیست؟ قبل از اجرا، خط به خط فکر کن؛ حدس نزن! 🤔 a = [1, 2, 3] b = a b += [4] b = b + [5] print(a, b) 👇 جوابت را در کوییز زیر بزن، بعد توضیح کامل را در سایت بخوان. #چالش_پایتون #پایتون #Python 📢 @PyLab
5 119
18
مهلت استفاده تا پایان این هفته است
1 787
19
‏🎯 Jev‏ کجا به درد می‌خورد و کجا نه؟ ‏Jev‏ بیشتر از اینکه جای GPT‏ یا Claude‏ را بگیرد، می‌تواند یک «لایه‌ی تصمیم‌گیری» سریع و ارزان باشد. یعنی برای کارهای کوچک و پرتعداد که الان بی‌خودی برای هرکدام یک مدل بزرگ صدا می‌زنیم. ‏تقسیم کار پیشنهادی (Separation of Concerns‏): ‏• تصمیم‌های کوچک و پرتعداد ← Jev ‏• تحلیل، reasoning‏ و تولید محتوا ← GPT / Claude / Gemini‏ ‏• قوانین قطعی، محاسبات و محدودیت‌های حساس ← Code‏ ‏• تصمیم‌های پرریسک ← انسان ‏نمونه کاربردها: ‏• CRM‏: دسته‌بندی مشتری‌ها بر اساس احتمال ریزش، اهمیت یا نوع درخواست ‏• Support‏ و Lead Scoring‏: تشخیص فوریت، تیم مناسب و ارزش سرنخ‌ها ‏• Agent Routing‏: انتخاب agent‏، tool‏ یا مدل مناسب قبل از شروع کار سنگین ‏• RAG‏: حذف اسناد کم‌ربط و re-rank‏ نتایج ‏• QA‏ و Moderation‏: بررسی کیفیت، ارتباط و ریسک خروجی مدل‌ها، و پرچم‌گذاری محتوای مشکوک ‏• Workflow Automation‏: تعیین شاخه‌ی فرایند برای هر درخواست ‏• باشگاه مشتریان و بازاریابی: انتخاب نوع پیشنهاد، تخفیف یا کمپین مناسب هر گروه ‏⚠️ اما Jev‏ «خیلی باهوش‌تر» نیست؛ برای یک نوع خاص از هوش بهینه شده و روی مسئله‌های مبهم افت می‌کند. دو نمونه: ‏1️⃣ Browser automation‏ ‏تیم WebMCP‏ (Idan Levin‏) با ترکیب Jev‏ و WebMCP‏ همه‌ی 49 task‏ را حل کرد. ولی این ترکیب دو مدل بود: Jev‏ ابزار را انتخاب می‌کرد و یک LLM‏ سریع (Mercury 2.5‏) آرگومان‌ها را می‌نوشت، چون Jev‏ متن تولید نمی‌کند. وقتی Jev‏ مستقیم با کنترل‌های صفحه مرورگر را می‌راند، فقط 25 از 49 task‏ حل شد. خود نویسندگان می‌گویند این نتیجه‌ی harness‏ آن‌هاست و سقف عمومی Jev‏ نیست. ‏2️⃣ تشخیص phishing‏ ‏در یک benchmark‏ مستقل روی 2000 ایمیل (ایمیل‌های synthetic‏)، دقت مستقیم Jev‏ فقط 62.6٪ بود و Claude Haiku 4.5‏ به 81.3٪ رسید. ‏ولی وقتی همان مسئله به 5 سؤال ساده‌تر شکسته شد (مثلاً: لینک به free hosting‏ اشاره دارد؟ فشار و فوریت دارد؟)، یک رگرسیون لجستیک روی جواب‌های Jev‏ به 95.1٪ رسید. حتی یک قانون ثابت روی یکی از این سیگنال‌ها 89.5٪ می‌داد. ‏در همین تست Jev‏ حدود 3 برابر سریع‌تر (239ms‏ در برابر 687ms‏) و حدود 12 برابر ارزان‌تر ($0.038 در برابر $0.462 برای هر هزار ایمیل) از Haiku‏ بود. یعنی در مقایسه با یک مدل سبک، ضریب‌ها خیلی کمتر از «40x‏ تا 200x‏» است. ‏پس جای درست Jev‏ «مغز کل سیستم» نیست، بلکه یک قطعه‌ی سریع برای تصمیم‌های محدود داخل یک معماری بزرگ‌تر است. اگر یک استارتاپ هزاران تصمیم کوچک، تکراری و مشخص دارد، جذاب است. هرچه تصمیم مبهم‌تر، چندمرحله‌ای‌تر یا پرریسک‌تر شود، بهتر است به یک مدل قوی‌تر یا انسان سپرده شود. ‏منابع: ‏https://madewithjev.com/builds/webmcp-benchmark ‏https://github.com/anisselbd/jev-phishing-bench
3 624
20
‏🧠 Jev از TypeSafe AI‏؛ مدلی که متن نمی‌نویسد، تصمیم می‌گیرد ‏TypeSafe AI روز ۱۵ سپتامبر ۲۰۲۶ با ۴۰ میلیون دلار سرمایه معرفی شد و اولین مدلش، Jev‏، را در حالت early access‏ (با waitlist‏) عرضه کرد. بنیان‌گذار و CEO آن، Diogo Almeida‏، سابقه‌ی کار در OpenAI‏ دارد و از نویسندگان مقاله‌ی InstructGPT‏ است. ‏ایده جالب است: به‌جای ساختن یک LLM‏ بهتر برای تولید متن، مدلی بسازیم که مستقیم برای تصمیم‌گیری داخل نرم‌افزار طراحی شده. ‏**مشکل کجاست؟** ‏LLMها برای chat‏ عالی‌اند، ولی در automation‏ هنوز دردسر دارند: خروجی string‏ است و باید parse‏ و validate‏ شود، latency‏ بالاست و confidence‌ای که خودشان می‌دهند همیشه قابل اعتماد نیست. ‏**Jev‏ چه می‌کند؟** ‏Jev از دسته‌ی جدیدی به اسم System One Models**‏ است (نامش از تمایز System 1‏ و System 2‏ دنیل کانمن آمده): ‏• ورودی: متن یا state‏ نامرتب (مثلاً JSON‏) + مجموعه‌ای سؤال تایپ‌شده ‏• خروجی: از قبل type‏ مشخص دارد؛ انتخاب بین گزینه‌ها (`Choice`‏)، امتیاز (`Score`‏) یا بله/خیر با احتمال (`Noul`‏)، همراه با confidence‏ ‏• همه‌ی سؤال‌ها در یک query‏ و به‌صورت موازی جواب داده می‌شوند، نه توکن‌به‌توکن مثل LLMهای autoregressive‏ ‏آموزش هم با روشی به اسم **RLCD**‏ (Reinforcement Learning for Calibrated Decisions‏) انجام شده. هدفش این است که احتمال‌ها واقعاً معنی داشته باشند: وقتی مدل می‌گوید ۹۰٪ مطمئنم، انتظار می‌رود تقریباً در ۹۰٪ موارد مشابه درست باشد. ‏**ادعاهای شرکت: ‏• latency‏ حدود 70 تا 500 میلی‌ثانیه، یعنی 40x‏ تا 200x‏ سریع‌تر از LLMهای frontier‏ در taskهای System One‏ ‏• قیمت `$0.042` برای هر یک میلیون توکن ورودی؛ خروجی رایگان ‏• «no type errors‏»: چون خروجی از قبل schema‏ دارد، مدل نمی‌تواند مقداری خارج از ساختار تعریف‌شده برگرداند ‏⚠️ «no type errors‏» یعنی خروجی type-safe‏ است، نه اینکه «هیچ‌وقت اشتباه نمی‌کند». تصمیم می‌تواند از نظر ساختار کاملاً معتبر باشد و باز هم غلط. بیشتر اعداد بالا هم از benchmarkهای خود شرکت است. ‏منبع: ‏https://typesafe.ai/blog/introducing-system-one-models-and-jev
2 813