انواع روشهای آموزش مدل‌های زبانی در سال‌های اخیر، مدل‌های زبانی بزرگ به ابزارهایی قدرتمند در پردازش زبان طبیعی تبدیل شده‌اند. با این حال، تنظیم کامل این مدل‌ها برای وظایف خاص به‌دلیل مقیاس بزرگ، نیازمند منابع محاسباتی بسیار زیاد است. برای کاهش بار محاسباتی و بهینه‌سازی مصرف حافظه، مجموعه‌ای از روش‌های تنظیم کارآمد پارامتر (یا PEFT) توسعه یافته‌اند که تنها بخشی از مدل را آموزش می‌دهند یا پارامترهای اضافی کوچکی به آن اضافه می‌کنند. این روش‌ها نه تنها حافظه و زمان آموزش را کاهش می‌دهند، بلکه امکان تنظیم مدل‌های بسیار بزرگ را در دستگاه‌هایی با منابع محدود فراهم می‌سازند. در ادامه، روش‌های رایج تنظیم مدل‌های زبانی شامل Full Fine-tuning، LoRA، Adapter Tuning، Prefix Tuning و Prompt Tuning به‌اختصار معرفی و مقایسه می‌شوند. Full Fine-tuning در تنظیم کامل، کلیه پارامترهای مدل روی داده‌های جدید بازآموزی می‌شوند. این روش، بالاترین کیفیت تطبیق با داده‌ها را دارد و بیشترین دقت را ارائه می‌دهد. اما در عین حال، به دلیل نیاز به ذخیره و پردازش تمام وزن‌ها، به منابع سخت‌افزاری بسیار قدرتمند نیاز دارد. همچنین، برای هر وظیفه جدید باید یک نسخه کامل از مدل ذخیره شود که از نظر حافظه و مقیاس‌پذیری ناکارآمد است. LoRA( Low-Rank Adaptation) LoRA یکی از موفق‌ترین روش‌های PEFT است که با افزودن دو ماتریس کم‌رتبه به وزن‌های مدل، تغییرات لازم را اعمال می‌کند. در این روش، پارامترهای مدل اصلی ثابت باقی می‌مانند و تنها ماتریس‌های کم‌حجم یادگیری می‌شوند. به همین دلیل، LoRA با وجود مصرف بسیار پایین منابع، عملکردی هم‌تراز با تنظیم کامل ارائه می‌دهد. یکی از مزیت های این روش آموزش، این مورد است که می توان برای ترکیب کردن LoRA های متفاوت بر روی آنها عملیات ریاضی انجام داد. Adapter Tuning در این روش، ماژول‌های کوچکی به نام آداپتور بین لایه‌های مدل اضافه می‌شوند. فقط این ماژول‌ها آموزش داده شده و وزن‌های اصلی مدل بدون تغییر باقی می‌مانند. مزیت اصلی این روش، امکان استفاده مشترک از مدل پایه برای چندین وظیفه و ذخیره تنها وزن‌های آداپتور برای هر وظیفه است. آداپتورها تعادل خوبی میان کارایی، حافظه و دقت ایجاد می‌کنند. Prefix Tuning در تنظیم پیشوندی، تعدادی بردار قابل‌آموزش به عنوان “پیشوند” به ورودی هر لایه مدل تزریق می‌شوند. این پیشوندها بدون تغییر در وزن‌های اصلی مدل، می‌توانند رفتار شبکه را برای وظیفه خاصی تغییر دهند. این روش در مدل‌های بسیار بزرگ، عملکردی نزدیک به تنظیم کامل دارد، اما پیاده‌سازی آن به مداخله در ساختار لایه‌ها نیاز دارد. Prompt Tuning در ساده‌ترین روش تنظیم، تنها چند بردار به ابتدای ورودی مدل اضافه می‌شوند که در طی آموزش، مقدار آن‌ها تنظیم می‌گردد. این توکن‌های مجازی باعث هدایت مدل به سمت انجام وظیفه خاص می‌شوند. روش Prompt Tuning بسیار سبک است و به هیچ‌گونه تغییر در ساختار مدل نیاز ندارد، اما عملکرد آن در مدل‌های کوچک‌تر معمولاً پایین‌تر از سایر روش‌هاست. --------------------------------------------------------- 🧠 همراه ما باشید با درگاه تکنوپالایش: 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh

🖤 یک عمل ساده برای امروز به نیت امام علی علیه‌السلام امروز که روز شهادت مولای عدالت است… بیایید یک کار خیلی ساده انجام بدهیم. امروز دل هیچ‌کس را نشکنیم. اگر کسی اشتباه کرد، کمی گذشت کنیم. اگر کسی ناراحت بود، کمی مهربان‌تر باشیم. اگر توانستیم، حتی با یک پیام یا یک لبخند دل کسی را شاد کنیم. 🤍 امام علی(ع) فرمودند: «بهترین کارها شاد کردن دل مؤمن است.» امروز به نیت مولایمان فقط یک دل را شاد کنیم ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌┈┈••✾🍃🏴🏴🏴🏴🏴🍃✾••┈┈ 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh

راهنمای آماده‌سازی کوله نجات در شرایط اضطراری در این گزارش، فهرستی از مهم‌ترین ابزارهای ضروری را که باید در کیف اضطراری خود بگذارید مرور می‌کنیم. در این مطلب تمرکز ویژه‌ای هم بر گجت‌ها و تجهیزات قابل‌حملی داشته‌ایم که برای حفظ ارتباط، روشنایی، سلامت و اطلاعات حیاتی مفید و کاربردی هستند. * آب و غذا: آب آشامیدنی، غذاهای آماده و کم‌حجم با ماندگاری بالا (کنسروها، آجیل، بیسکویت انرژی‌زا و...). * کمک‌های اولیه: شامل باند، گاز استریل، چسب زخم، مسکن، دارو و پد بهداشتی. * منبع تغذیه و روشنایی: پاوربانک، چراغ قوه و باتری اضافی (همراه با هدلامپ). * مدارک: فلش USB با مدارک رمزنگاری‌شده، یا حداقل نسخه‌ای کاغذی. * اطلاعات: رادیو قابل حمل (با باتری یا شارژی). * علامت‌رسانی: سوت و آینه کوچک برای جلب توجه امدادگران. * گوشی: یک گوشی ساده هم برای مواقع اضطراری. * پول نقد: برای مواقعی که کارت‌های بانکی کار نمی‌کنند. * لباس و پتو: پتو سبک و لباس کم حجم توصیه نهایی: این کوله را آماده نگه دارید و در دسترس بگذارید. آماده‌سازی این کوله می‌تواند به کاهش استرس و افزایش شانس بقا شما کمک کند.

مدل‌های MoE جدید در یکی دو سال اخیر، موج جدیدی از مدل‌های زبانی بزرگ – چه متن‌باز و چه تجاری – از معماری MoE برای دستیابی به ظرفیت بالا همراه با کارایی بهتر استفاده کرده‌اند. در این بخش به یک نمونه‌ی شاخص از این مدل‌ها و معماری آن می‌پردازیم: مدل زبانی DeepSeekMoE (2024)  یک معماری پیشرفته که توانسته است مدل‌های عظیم را با هزینه‌ی پایین‌تر آموزش دهد. مدل‌های سری DeepSeek از جمله DeepSeek-R1/V3 با به‌کارگیری MoE توانستند به ابعاد بی‌سابقه‌ای برسند؛ به طور مثال DeepSeek-V3 حدود ۶۷۱ میلیارد پارامتر دارد اما تنها ~۳۷ میلیارد پارامتر را برای هر توکن فعال می‌کند. این نسبت (حدود ۵٪ پارامترهای فعال) در مقایسه با مدل‌های متراکم بسیار چشمگیر است. نتیجه آن است که DeepSeek-R1 با چنین حجمی توانست در سال ۲۰۲۵ عنوان قوی‌ترین مدل متن‌باز را کسب کند و عملاً به مدت چهار ماه در رتبه‌ی نخست مدل‌های متن‌باز قرار گیرد. دستاورد دیگر DeepSeek، طراحی مشترک سخت‌افزار-نرم‌افزار برای کاهش هزینه‌ی آموزش بود؛ گزارش‌ها نشان می‌دهد DeepSeek-V3 تنها با ۲۰۴۸ پردازنده گرافیکی Nvidia H800 آموزش داده شد که در مقایسه با خوشه‌های عظیم ده‌ها هزار واحدی شرکت‌های بزرگ، یک موفقیت مهم محسوب می‌شود. همچنین معماری DeepSeekMoE با معرفی مفاهیمی مانند مکانیزم مسیر‌یابی تطبیقی، تلاش کرده بهره‌وری MoE را به حداکثر برساند.

🤲 این دعا رو برای نصرت سربازان جان برکفمون زیاد تکرار کنیم. ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌┈┈••✾🍃🏴🏴🏴🍃✾••┈┈ 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh

چت‌جی‌پی‌تی با تصاویر تعاملی به کاربران امکان می‌دهد که مفاهیم ریاضی و علوم را بهتر درک کنند. چت‌بات «چت‌جی‌پی‌تی» اکنون می‌تواند با ایجاد تصاویر تعاملی، به کاربران در درک مفاهیم ریاضی و علوم کمک کند. شرکت اوپن‌ای‌آی روز سه‌شنبه توضیحات بصری پویا را به‌عنوان ویژگی جدید این سرویس معرفی کرد که امکان مشاهده‌ی تغییرات لحظه‌ای فرمول‌ها، متغیرها و روابط ریاضی را فراهم می‌سازد. این قابلیت به کاربران اجازه می‌دهد تا به‌جای صرفاً خواندن توضیحات یا بررسی نمودارهای ثابت، مستقیماً با تصاویر تعاملی کار کنند؛ برای مثال، هنگام بررسی قضیه‌ی فیثاغورث می‌توان طول اضلاع مثلث را تنظیم و فوراً تغییرات وتر را مشاهده کرد. امکان تنظیم اعداد و متغیرها و دیدن نتایج بلافاصله وجود دارد. برای امتحان این ویژگی کافی است سؤالاتی مانند «چگونه مساحت یک دایره را پیدا کنم؟» از هوش مصنوعی چت‌جی‌پی‌تی بپرسید؛ پاسخ‌ها شامل توضیحات و ماژول‌های تعاملی قابل تنظیم خواهند بود. در حال حاضر، تصاویر تعاملی برای بیش از ۷۰ موضوع ریاضی و علوم در دسترس است. اوپن‌ای‌آی برنامه‌ دارد تا این ویژگی را گسترش دهد و موضوعات تعاملی بیشتری را به آن اضافه کند. این قابلیت برای همه‌ی کاربران چت‌جی‌پی‌تی که لاگین کرده‌اند، فعال است. راه‌اندازی توضیحات بصری پویا نشان‌دهنده‌ی تغییر در نقش ابزار است؛ به‌جای ارائه‌ی صرف پاسخ‌ها، کاربران مستقیماً با مفاهیم اساسی درگیر می‌شوند. اینکه این ویژگی به درک عمیق‌تر منجر شود یا خیر، بستگی به نحوه‌ی استفاده از آن دارد. 🏴🏴🏴🏴🏴🏴🏴🏴🏴🏴 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh

📱✨ اپلیکیشن Nova – یک هوش مصنوعی ایرانی جدید برای اینترنت ملی این برنامه فقط یک چت‌بات نیست، بلکه یک مرکز ابزار هوش مصنوعی کامل برای گفت‌وگو، ساخت‌صدا و تصویره! 😎 🎙️ ویژگی‌های Nova: 🔸گفت‌وگو هوشمند 🔹تبدیل گفتار به متن 🔸تبدیل متن به گفتار 🔹ساخت تصویر با هوش مصنوع 🔸ویرایش تصویر 💡 رابط کاربری ساده، طراحی مدرن و تجربه‌ای سریع و لذت‌بخش — یه همراه همه‌فن‌حریف برای کار، درس یا سرگرمی. 🚀 دانلود کن و هوش مصنوعی واقعی رو تجربه کن http://cafebazaar.ir/app/?id=novalm.app.twa&ref=share ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌┈┈••✾🍃🏴🏴🏴🍃✾••┈┈ 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh

هوش مصنوعی فیزیک جدید و غیرمنتظره‌ای را در «حالت چهارم ماده» آشکار کرد! ‌ یک رویکرد نظری جدید با هدف روشن کردن رفتار پیچیده سیستم‌های چندذرّه‌ای (Many-body systems) به‌تازگی ارائه شده است. محققان از یک تکنیک یادگیری ماشین برای کشف ویژگی‌های غیرمنتظره در «نیروهای غیرمتقابل» (Non-reciprocal forces) استفاده کرده‌اند؛ نیروهایی که رفتار یک سیستم چندذرّه‌ای را شکل می‌دهند. این مطالعه که در نشریه PNAS منتشر شده، توسط فیزیکدانان تجربی و نظری دانشگاه Emory انجام شده است. در این پژوهش، یک شبکه عصبی با طراحی ویژه با اندازه‌گیری‌های آزمایشگاهی از یک «پلاسما»ی غبارآلود (نوعی گاز یونیزه شده حاوی ذرات متقابل) ترکیب شد. برخلاف اکثر کاربردهای هوش مصنوعی در علم که بر تحلیل داده‌ها یا پیش‌بینی متمرکز هستند، این کار از هوش مصنوعی برای کمک به کشف قوانین فیزیکی ناشناخته استفاده کرده است. ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌┈┈••✾🍃🏴🏴🏴🏴🏴🍃✾••┈┈ 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh

هوش مصنوعی DeepSeek فعال شد! با وجود مشکلات اینترنت بین‌الملل، دیپ‌سیک برای برخی کاربران ایرانی در دسترس قرار گرفت! ✅ 🔹 علی‌رغم محدودیت‌های اینترنت بین‌الملل 🔹 کاربران دارای حساب قبلی می‌تونند از سرویس استفاده کنند 🔹 سرعت پاسخگویی مناسب و رایگان ⚠️ فعلاً ثبت‌نام جدید امکان‌پذیر نیست، اما اگه حساب قدیمی دارین، حتماً تست کنید. لینک دسترسی: https://www.deepseek.com ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌┈┈••✾🍃🏴🇮🇷🏴🇮🇷🏴🍃✾••┈┈ 📱🖥️ 💻 👉@Technopalayesh https://eitaa.com/technopalayesh