es
Feedback

¡No caigas en manos de tramposos! Telemetrio encuentra y marca estos canales 👉 Si quieres ver la etiqueta, suscríbete

Tensorflow(@CVision)

Tensorflow(@CVision)

Ir al canal en 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

Mostrar más

📈 Análisis del canal de Telegram Tensorflow(@CVision)

El canal Tensorflow(@CVision) (@cvision) en el segmento lingüístico de Farsi es un actor destacado. Actualmente la comunidad reúne a 15 058 suscriptores, ocupando la posición 8 563 en la categoría Tecnologías y Aplicaciones y el puesto 22 728 en la región Irán.

📊 Métricas de audiencia y dinámica

Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 15 058 suscriptores.

Según los últimos datos del 16 noviembre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -34, y en las últimas 24 horas de 3, conservando un alto alcance.

  • Estado de verificación: No verificado
  • Tasa de interacción (ER): El promedio de interacción de la audiencia es 26.75%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 8.95% de reacciones respecto al total de suscriptores.
  • Alcance de las publicaciones: Cada publicación recibe en promedio 4 028 visualizaciones. En el primer día suele acumular 1 348 visualizaciones.
  • Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 16.
  • Intereses temáticos: El contenido se centra en temas clave como مدل, مصنوعی, llm, استدلال, مغز.

📝 Descripción y política de contenido

El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“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...”

Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 17 noviembre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.

15 058
Suscriptores
+324 horas
-27 días
-3430 días
Atraer Suscriptores
nov '26
noviembre '26
+33
en 3 canales
octubre '26
+32
en 0 canales
Get PRO
septiembre '26
+83
en 1 canales
Get PRO
agosto '26
+176
en 3 canales
Get PRO
julio '26
+86
en 1 canales
Get PRO
junio '26
+104
en 2 canales
Get PRO
mayo '26
+22
en 0 canales
Get PRO
abril '26
+22
en 0 canales
Get PRO
marzo '26
+8
en 0 canales
Get PRO
febrero '26
+29
en 1 canales
Get PRO
enero '26
+13
en 0 canales
Get PRO
diciembre '25
+62
en 2 canales
Get PRO
noviembre '25
+281
en 26 canales
Get PRO
octubre '25
+201
en 16 canales
Get PRO
septiembre '25
+265
en 21 canales
Get PRO
agosto '25
+284
en 16 canales
Get PRO
julio '25
+165
en 3 canales
Get PRO
junio '25
+64
en 5 canales
Get PRO
mayo '25
+236
en 9 canales
Get PRO
abril '25
+123
en 3 canales
Get PRO
marzo '25
+164
en 10 canales
Get PRO
febrero '25
+153
en 7 canales
Get PRO
enero '25
+136
en 5 canales
Get PRO
diciembre '24
+100
en 1 canales
Get PRO
noviembre '24
+247
en 4 canales
Get PRO
octubre '24
+353
en 10 canales
Get PRO
septiembre '24
+239
en 6 canales
Get PRO
agosto '24
+250
en 6 canales
Get PRO
julio '24
+230
en 7 canales
Get PRO
junio '24
+182
en 2 canales
Get PRO
mayo '24
+1 045
en 16 canales
Get PRO
abril '24
+533
en 17 canales
Get PRO
marzo '24
+364
en 3 canales
Get PRO
febrero '24
+453
en 5 canales
Get PRO
enero '24
+753
en 12 canales
Get PRO
diciembre '23
+837
en 15 canales
Get PRO
noviembre '23
+416
en 17 canales
Get PRO
octubre '23
+223
en 9 canales
Get PRO
septiembre '23
+296
en 0 canales
Get PRO
agosto '23
+226
en 0 canales
Get PRO
julio '23
+144
en 0 canales
Get PRO
junio '23
+229
en 0 canales
Get PRO
mayo '23
+135
en 0 canales
Get PRO
abril '23
+166
en 0 canales
Get PRO
marzo '23
+189
en 0 canales
Get PRO
febrero '23
+132
en 0 canales
Get PRO
enero '23
+149
en 0 canales
Get PRO
diciembre '22
+101
en 0 canales
Get PRO
noviembre '22
+124
en 0 canales
Get PRO
octubre '22
+132
en 0 canales
Get PRO
septiembre '22
+185
en 0 canales
Get PRO
agosto '22
+231
en 0 canales
Get PRO
julio '22
+180
en 0 canales
Get PRO
junio '22
+106
en 0 canales
Get PRO
mayo '22
+347
en 0 canales
Get PRO
abril '22
+291
en 0 canales
Get PRO
marzo '22
+74
en 0 canales
Get PRO
febrero '22
+90
en 0 canales
Get PRO
enero '22
+165
en 0 canales
Get PRO
diciembre '21
+87
en 0 canales
Get PRO
noviembre '21
+208
en 0 canales
Get PRO
octubre '21
+140
en 0 canales
Get PRO
septiembre '21
+267
en 0 canales
Get PRO
agosto '21
+103
en 0 canales
Get PRO
julio '21
+167
en 0 canales
Get PRO
junio '21
+175
en 0 canales
Get PRO
mayo '21
+213
en 0 canales
Get PRO
abril '21
+147
en 0 canales
Get PRO
marzo '21
+87
en 0 canales
Get PRO
febrero '21
+270
en 0 canales
Get PRO
enero '21
+86
en 0 canales
Get PRO
diciembre '20
+6 203
en 0 canales
Fecha
Crecimiento de Suscriptores
Menciones
Canales
16 noviembre+3
15 noviembre0
14 noviembre+2
13 noviembre+9
12 noviembre0
11 noviembre+1
10 noviembre+4
09 noviembre+1
08 noviembre0
07 noviembre0
06 noviembre+4
05 noviembre+4
04 noviembre+1
03 noviembre0
02 noviembre+1
01 noviembre+3
Publicaciones del Canal
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 🌀

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
1 645
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
2 119
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
2 166
5
دوستان صدا دست من نیست. اما ویدیو را ضبط میکنم تو کانال میگذارم
2 377
6
https://www.aparat.com/Kashanuniversity/live
2 376
7
این کارگاه از آپارات نیز لایو منتشر خواهد شد
2 290
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
2 643
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
2 388
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
2 123
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
2 551
12
+1
Sin texto...
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
3 360
14
مستندات فارسی شده opencv : https://learnopencv.ir/docs/ ، همچنین لینک به این مستندات در نوت بوک های کورس مکتب خونه اضافه شد
3 431
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/
6 773
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
5 171
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
5 087
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