۱۵ قانون طلایی برنامه‌نویسی به سبک

🥇 Vibe Coding 🥇

اگه می‌خوای با حال خوب، سرعت بالا و کمک هوش مصنوعی کد بزنی، این ۱۵ قانون رو همیشه یادت باشه:

۱. با الگوی آماده شروع کن 📦
از یه پروژه‌ی آماده شروع کن تا سریع‌تر راه بیفتی.
این یه نمونه خوبه

🟩🟩🟩

۲. حالت دستیار هوشمند رو روشن کن 🤖
توی Cursor گزینه‌ی Agent رو فعال کن تا با چند جمله ساده، همه کارا رو برات انجام بده.

🟩🟩🟩

۳. از ابزارهای هوشمند کمک بگیر 🔍
برای پیدا کردن API، طراحی یا حتی نمونه کد، از Perplexity استفاده کن. هم سریع، هم دقیق.

🟩🟩🟩

۴. هر کار، یه چت جدا داشته باشه 💬
واسه هر وظیفه یه چت مستقل بساز. مرتب و قابل پیگیری.

🟩🟩🟩

۵. محلی اجرا کن، تا می‌تونی تست بزن 🧪
کدت رو روی سیستم خودت اجرا کن و زیاد تستش کن تا خطاها زودتر پیداشون شه.

🟩🟩🟩

۶. سریع بساز، بعداً قشنگش کن ⚡️
به جای کامل‌گرایی، یه نسخه ساده بساز و به مرور بهترش کن.

🟩🟩🟩

۷. با صدا کد بزن، نه کیبورد 🎙
از ابزارهایی مثل Whispr Flow استفاده کن. فقط حرف بزن، خودش تایپ می‌کنه!

🟩🟩🟩

۸. پروژه‌های خوبو بگیر، مال خودت کن 🛠
کدهای خوب رو فورک کن، تغییر بده، امضای خودتو بزن.

🟩🟩🟩

۹. خطا = غذای هوش مصنوعی ☠️ → 💡
ارور رو کپی کن، بده به Agent. خودش حلش می‌کنه!

🟩🟩🟩

۱۰. همیشه یه نسخه سالم داشته باش 🕰
اگه پروژه خراب شد، برگرد به چتی که کار می‌کرد. نجاتت می‌ده.

🟩🟩🟩

۱۱. رمز و کلید تو کد نذار 🔐
این API key و اطلاعات مهم رو بذار تو فایل env. ،امنیت حرف اول رو می‌زنه.

🟩🟩🟩

۱۲. مرتب ذخیره کن و نسخه بساز 📝
هر تغییری دادی، ذخیره‌اش کن. بهتره کم‌کم پیش بری تا یه‌هو چیزی نپره.

🟩🟩🟩

۱۳. زود منتشرش کن، زود بازخورد بگیر 🚀
با ابزارهایی مثل Vercel پروژه‌تو سریع بذار بالا و نتیجه رو ببین.

🟩🟩🟩

۱۴. پرامپت‌های خوبتو نگه دار 🧠
هر بار یه دستور خوب دادی و جواب عالی گرفتی، حتماً نگهش دار.

🟩🟩🟩

۱۵. فقط vibe بزن، لذت ببر ✨
برنامه‌نویسی یه سفر خلاقانه‌ست. تجربه کن، یاد بگیر، کیف کن!

🟩🟩🟩

۱۶. اگه خواستی عمیق تر به Vibe Coding بپردازیم این پیامو واسه دوستات بفرس و با لایکت بهمون انرژی بده. 💎

@smartera_academy_ai

🔆 ارتباط با ما 🔆

انجمن ملی هوش مصنوعی ایران، با همکاری مجموعه هوش مصنوعی اسمارترا برگزار می‌نماید:

🔍 وبینار تخصصی: آینده بینایی کامپیوتر، از مدل‌های چندوجهی (Multimodal) تا ترکیب با متاورس و AR

🗓 تاریخ برگزاری: جمعه 29 فروردین 1404 
🕒 ساعت: 17 تا 19

در این کارگاه با مباحث زیر آشنا می‌شوید:
✅ نگاهی به سیر تحول بینایی کامپیوتر
✅ مدل‌های چندوجهی و آغاز عصر جدید درک چندحسی
✅ بینایی کامپیوتر در متاورس، XR و آینده‌ی حضور دیجیتال
✅ آینده‌نگری و تحلیل روندهای حوزه هوش مصنوعی و بینایی کامپیوتر


🎤 مدرس: محمود علیپور
راهبر فنی هوش مصنوعی فپنا

از شما، دوست فرهیخته، دعوت به عمل می‌آید تا در این کارگاه هیجان‌انگیز، شرکت نمایید! اطمینان داریم که این کارگاه، می‌تواند ایده‌های کاربردی، تجاری و مفیدی را به شما عزیزان منتقل نماید!

این کارگاه تمدید نخواهد شد!

زمان برگزاری این کارگاه، 2 ساعت می‌باشد.

به عزیزانی که در این کارگاه ثبت‌نام می‌کنند، از طرف شرکت AvalAI، مبلغ یک میلیون تومان اعتبار از API های شرکت هدیه داده می‌شود.

فرآیند تحویل اعتبار:

- در کارگاه ثبت‌نام نمایید.
https://evnd.co/zNmm2
- در سایت AvalAI ثبت‌نام نمایید.
- به ID ذیل پیام داده، تا به شما عزیزان، کد اعتبار هدیه گردد:
@Mohammad_amin_DEHMOLAE
- کد دریافتی را به ID ذیل، ارسال نمایید، تا اعتبار شما افزایش یابد:
@AvalAISupport



لینک پایگاه انجمن ملی هوش مصنوعی ایران
https://iranaiai.ir

لینک پایگاه AvalAI
https://avalai.ir

#AI #کارگاه


📌تمامی راه های ارتباطی با انجمن ملی هوش مصنوعی ایران را می توانید در لینک زیر مشاهده نمایید👇
https://zil.ink/iranaiai

🎯 ساخت 10 دقیقه ای درسنامه EDA با Polars و Vibe Coding 🚀

عاشق کشف داده‌ها هستید؟ با الهام از Polars و نکات طلایی Vibe Coding، یه درسنامه خفن (فقط ۱۰ دقیقه!) برای تحلیل داده‌ها (EDA) براتون آماده کردم! 📊

واسه اینکه لذت کافی رو از این پست ببرید پستای زیر رو چک کنید :
Polars

MCP

15 Vibe Coding Golden Points


با Vibe Coding همراه شید، داده‌ها رو زیر و رو کنید و از پروسه لذت ببرید! 😎 این درسنامه رو ببینید، تست کنید و برای دوستاتون بفرستید تا همه حالشو ببرن!

❤️ آخر ویدئو حس واقعی اسمارتراست ❤️

💬 نظرت چیه؟ همین حالا تو کامنتا بگو چطور با داده‌ها وایب می‌کنی! یه کاپ طلا هم بهمون انرژی بده🏆!

بفرمایین داخل کانالمون :) @smartera_academy_ai

🔜 نکات اصلی و راهنما چی؟
تو کامنت این پست همه‌چیز رو براتون باز کردم: از شروع پروژه تا کشف داده‌ها به سبک Vibe! پس چشم از کانال برندارید! 👀

🔗 لینک ریپو: اینجا کلیک کن

✨ این Vibe Coding یعنی سرعت، خلاقیت و حال خوب!


@smartera_academy_ai
🔆 ارتباط با ما 🔆

درود وقتتون بخیر
یادآوری می‌کنیم که جلسه چهارممون امروز رأس ساعت ۱۸:۰۰ برگزار می‌شه.
لطفاً سر ساعت وارد لینک زیر بشید:

https://meet.google.com/gon-ftvc-bbo

منتظر حضور گرم‌تون هستیم!

ویراک | جایی که افکارتان کد می‌شود🧠⚙️

🚀 فوق‌ستاره‌های هوش مصنوعی! بیاید قدرت GPT-4.1 رو با هم تجربه کنیم! 💻🔥


دوست داری از هوش مصنوعی مثل یه حرفه‌ای تو کارای مختلف مثل کدنویسی، تحلیل داده یا حل مسئله‌های پیچیده کمک بگیری؟ پس این ترفندهای باحال رو از دست نده! 😎 با این راهکارها، GPT-4.1 می‌تونه بهترین دستیارت بشه. آماده‌ای؟ بزن بریم! 👇


🎯 ۱. دستورات واضح و دقیق بده!
نذار هوش مصنوعی وسط کار گیج بشه! یه دستور روشن بده که تا آخر مشکل رو حل کنه. مثلاً بگو:
> "تا وقتی که درخواستم کامل نشده، به کار ادامه بده و هیچ قسمتی رو نصفه کاره رها نکن!"
> اینجوری هوش مصنوعی مثل یه دوست خوب تا آخرش باهات همراهه!

🟩🟩🟩

🛠 ۲. از ابزارهای هوش مصنوعی استفاده کن(تو MCP ها و یا اگه بلد بودید RAG)!
مدل GPT-4.1 ابزارهای جالبی داره که می‌تونه فایل‌ها رو بخونه، اطلاعات رو بررسی کنه و داده‌های دقیق جمع‌آوری کنه. بهش بگو:
> "اگه جواب یه چیزی رو نمی‌دونی، برو توی فایل‌ها دنبالش بگرد، حدس نزن!"
> اینجوری جواب‌هایی که می‌گیری خیلی دقیق و درست هستن! ✨

🟩🟩🟩

🧠 ۳. کاری کن قدم به قدم فکر کنه
(Chain of Thought [CoT])!
می‌خوای جواب‌های هوش مصنوعی عمیق‌تر و دقیق‌تر باشن؟ بهش بگو آروم آروم و با فکر پیش بره. یه نمونه دستور:
> "اول فکر کن به چه مدارکی نیاز داری، بعد دونه دونه اون‌ها رو بررسی کن و بعد جواب بده!"
> این روش مثل اینه که بهش بگی: "آروم و با دقت، ولی درست برو جلو!" 🛤

🟩🟩🟩

📚 ۴. متن‌های طولانی؟ اصلا مهم نیست!
مدل جدیدGPT-4.1 می‌تونه حجم خیلی زیادی از متن رو بررسی کنه( ۱۰ ملیون توکن )! از تحلیل کردن سندهای پیچیده گرفته تا مرتب کردن داده‌های زیاد، این مدل خیلی قویه. فقط کافیه بهش بگی:
> اگه فقط باید از متن داده‌شده جواب بده: "فقط از همین متن جواب بده، حتی اگه چیزی رو نمی‌دونی، نگو نمی‌دونم!"
> اگه می‌تونه از اطلاعات خودش هم کمک بگیره: "اول متن رو بررسی کن، ولی اگه لازم بود، از اطلاعاتی که داری هم استفاده کن!"
> با این روش، هیچ چیزی از قلم نمی‌افته! 📜

🟩🟩🟩

🔍 ۵. ازش بخواه منطقی فکر کنه!
برای اینکه جواب‌های بی‌نقصی بگیری، به هوش مصنوعی بگو چطوری فکر کنه:
1️⃣ سوال رو خوب بفهم: دقیق متوجه شو کاربر چی می‌خواد.
2️⃣ مدارک رو پیدا کن: همه مدارک مرتبط رو جمع کن، حتی اگه مطمئن نیستی به درد می‌خورن یا نه!
3️⃣ دقیق بررسی کن: برای هر مدرک توضیح بده که چرا مفیده یا نه.
4️⃣ جمع‌بندی کن: خلاصه کن و جواب آخر رو بگو.
یه مثال از دستور:
> "قدم به قدم فکر کن، مدارک رو بررسی کن، و فقط اون‌هایی که مربوط هستن رو لیست کن!"
> اینجوری انگار هوش مصنوعی داره مثل یه کارآگاه باهات کار می‌کنه! 🕵️‍♂️

🟩🟩🟩

💡 یه مثال باحال برای کسایی که کد می‌زنن(این پستو چک کن چون این مدل به Cursur اضافه شده، داخلش درباره کار با cursur میبینید)!
تصور کن می‌خوای GPT-4.1 یه ایراد توی کدت پیدا کنه. بهش بگو:
> "فایل‌های پروژه‌ام رو بخون، ایرادها رو پیدا کن، و قدم به قدم توضیح بده چطوری درستشون کنم. تا وقتی مطمئن نشدی مشکل حل شده، به کار ادامه بده!"
> بعد ببین چطور هوش مصنوعی کدت رو مثل یه استاد حرفه‌ای بررسی می‌کنه! 🐞

🟩🟩🟩

🌟 چرا این نکات خیلی مهم هستن؟
✅ دقت بیشتر: وقتی درست دستور بدی، جواب‌هایی که می‌گیری قابل اعتمادتر هستن.
⏱️ صرفه‌جویی در زمان: دیگه لازم نیست بارها و بارها سوالت رو تغییر بدی!
💪 قدرت بیشتر: از تمام توانایی‌های هوش مصنوعی برای حل مشکلات پیچیده استفاده می‌کنی.


🎉 حالا نوبت توئه!
این ترفندها رو تو پروژه‌هات امتحان کن و ببین چطور GPT-4.1 کارهای شگفت‌انگیزی برات انجام می‌ده! چه برنامه‌نویس باشی، چه تحلیل‌گر داده، یا فقط به تکنولوژی علاقه داشته باشی، این نکات خیلی بهت کمک می‌کنن! 🚀

🔄 این پست رو برای دوستات هم بفرست تا اون‌ها هم این راهکارهای باحال رو یاد بگیرن!
❤️ اگه آماده‌ای که سطح استفاده از هوش مصنوعی رو بالاتر ببری، لایک کن!
💬 نظرت چیه؟ تو کامنت‌ها بگو چه ترفند دیگه‌ای برای کار با هوش مصنوعی بلدی! 👇

@smartera_academy_ai

🔆 ارتباط با ما 🔆

🟢 بررسی تخصصی GPT-4.1 (بخش اول) : قابلیت‌ها و محدودیت‌های API 🟢

در این پست API های 4 مدل GPT-4.1، GPT-4.1-mini، GPT-4.1-nano و GPT-4.5-Preview رو بررسی میکنیم، بیاید شروع کنیم عزیزان:

قبل از شروع این هم بگم که به این دلیل داریم از API حرف میزنیم چون هنوز GPT-4.1 و انواعش هنوز روی سایت نرفتن ولی GPT-4.5-Preview روی سایتشونه

1) هوش🧠

مقایسه :GPT-4.1-nano < GPT-4.1-mini < GPT-4.1 ~ GPT-4.5-Preview

🤝این که چرا اینجوریه رو تو بخش سوم بهتون میگم و نمودارهای فنی رو با هم بررسی خواهیم کرد
✅ این که از کدوم مدل استفاده کنیم خیلی مهمه دقت داشته باشید هیچ مدلی بد نیست به نسبت پروژه باید مدل درست رو انتخاب کرد، مثلا اگه مباحث پیچیده باشه (مثلا متون پزشکی که خیلی دایره لغات گسترده ای میخوان) باید برید سراغ مدل های GPT-4.1 یا GPT-4.5-Preview اما اگه مبحث ساده باشه( مثلا با یک الگوی تعریف شده مقاله نوشتن ) در اینجا GPT-4.1-nano هم پاسخگو هست( حتی مدل های اپن سورس هم برای این کاربرد جواب هست ). شما میتونید برای مبحث ساده هم مدل خیلی پیشرفته استفاده کنید ولی اگه از نظر مالی محدودیت داشته باشید به کارتون آسیب میزنه


2) سرعت ⚡️

مقایسه : GPT-4.1-nano > GPT-4.1-mini > GPT-4.1 > GPT-4.5-Preview

خب قاعدتا سرعت یکی از چیزایی هست که برای یک تولید کننده محصول هوش مصنوعی مهمه، در شرایط ثابت بین همه مدل ها ( یعنی تصور کنید از پردازش موازی، ساخت کانتینرهای متعدد و تمام استراتژی های بهبود سرعت استفاده نشه ) سرعت این 4 مدل به صورت بالا هست. بنابراین اگه سرعت براتون مهم باشه و از مدل نامناسب استفاده کنید از نظر سرعت ضرر خواهید کرد.


3) چندرسانه ای( Multimodality ) 📺

ورودی : Image, Text
خروجی : Text
همه 4 مدل مورد بررسی اینجوری هستن، شاید بگید خب که چی؟! چت باته دیگه نمیتونه آواز بخونه که 😏

ولی جا داره بگم که دیگه مثه قبلا نیست الان چت بات ها فقط براتون نون نمیگیرن، این GPT4o تصویر میسازه تحلیل میکنه و صدا هم آنالیز میکنه و ....( حق اون [O = Omni = همه جانبه] بودن رو ادا میکنه )

نه فقط این بلکه تو Llama3.2 هم شاهد بودیم این قضیه رو و کلی مدل دیگه

4) قیمت 💰
درباره قیمت یچیزی رو باید بدونید سه مدل قیمت داریم (اینم بدونید که بر حسب میلیون توکن حساب میشه [اندازه یک کتاب 300 صفحه ای و خیلی زیاده خیلی] به این بگیم واحد):
1️⃣ ورودی : یعنی شما اگه یک واحد توکن دادید به چت بات چقدر هزینه پاتون میفته
2️⃣خروجی : یعنی شما اگه یک واحد توکن از چت بات گرفتید چقدر هزینه پاتون میفته
3️⃣کش ورودی : یعنی شما اگه یک واحد توکن تو چت بات ذخیره کردید [برای چت بعدی] چقدر هزینه پاتون میفته ( حالت حافظه )

مقایسه : GPT-4.1-nano < GPT-4.1-mini < GPT-4.1 << GPT-4.5-Preview

تفاوت قیمت با مدل قبلی خیلی بالاس، شما اگه یک واحد خرج کنید توی توکن ورودی، خروجی و کش ورودی:

🚀برای GPT-4.5-Preview در میاد:
26 ملیون و 250 هزار تومن ( با دلار 100 هزار تومن ) = 4 تومن بذارید روش یه گوشی سامسونگ A55 که 5G هست بگیرید

🚀برای GPT-4.1 در میاد:
1 ملیون و 50 هزار تومن ( با دلار 100 هزار تومن ) = یه ساعت هوشمند HK20 Ultra 2

🚀برای GPT-4.1-mini در میاد:
0 ملیون و 210 هزار تومن ( با دلار 100 هزار تومن ) = یه پیتزا قارچ و گوشت

🚀برای GPT-4.1-nano در میاد:
0 ملیون و 52 هزار و 500 تومن ( با دلار 100 هزار تومن ) = یه پروتئین بار

خب خودتون دیگه حساب کتاب کنید که چقدر مهمه اینکه مدل مناسب انتخاب کنید یا میتونید قد یک پروتئین بار پول بدید و با سود محصولتون یه آیفون 16 Pro Max بگیرید یا پول یه A55 بدید و با سود محصولتون یه آیفون 16 Pro Max بگیرید


@smartera_academy_ai

ارتباط با ما

اگه تا اینجا خوندی و لذت بردی لایک و کامنت و شیر فراموش نشه، ما از همراهی شما انرژی میگیریم ❤️

ادامه در کامنت ...

🚀 یه خبر جدید و داغ از دنیای هوش مصنوعی! 🌟

باورتون میشه؟ دیروز مدل‌های IBM Granite به Ollama اضافه شدن! 🎉💎 این یعنی دسترسی راحت‌تر و سریع‌تر به این مدل‌های فوق‌العاده برای همه ما. اما این مدل‌ها دقیقاً چی هستن و چرا باید بهشون توجه کنیم؟🤔

خب، ما تصمیم گرفتیم با کمک ابزار Coconote 🧠✨، ویدئوی آموزشی درباره این مدل‌ها رو خلاصه کنیم و نقشه ذهنی (Mind Map) بسازیم تا بتونیم اطلاعاتش رو به راحتی بفهمیم و استفاده کنیم. 📹➡️📝

🎯 چند نکته کلیدی از IBM Granite Models:
-نسخه 8 و 2 میلیارد پارامتر در Ollama! 📊 یعنی قدرت پردازش و دقت بالا.
- شفافیت و اعتماد: 🔍 IBM این مدل‌ها رو طوری طراحی کرده که هم قابل اعتمادن و هم مناسب کسب‌وکارهای مختلف.
- بهینه‌سازی برای مشکلات تجاری: 💼 از استدلال گرفته تا پیروی از دستورات، همه چیز رو مدیریت می‌کنن.
- پشتیبانی از 12 زبان: 🌍 عالی برای پروژه‌های بین‌المللی!

💡 چرا Ollama مهمه؟
با اضافه شدن مدل‌های Granite به Ollama، دسترسی به این فناوری برای توسعه‌دهندگان و کاربران خیلی راحت‌تر شده. حالا می‌تونید به راحتی از این مدل‌ها در پروژه‌هاتون استفاده کنید.

سوپرایز در کامنت

🟢 بررسی تخصصی GPT-4.1 (بخش دوم): قابلیت‌ها و محدودیت‌های API 🟢

اگه خواستید قسمت قبل رو بخونید: لینک

❌ هشدار: این پست شامل نکات فنی می‌باشد ⚠️

🟩🟩🟩

7) امکانات API 🛠

وقتی از OpenAI یک API دریافت می‌کنید، فقط یک چت بات دریافت نمی‌کنید، بلکه قابلیت‌های زیادی در اختیار شما قرار می‌گیره (فارغ از مدلی که استفاده می‌کنید) که در ادامه می‌بینید:

🟩🟩🟩

7-1) تکمیل جمله (Completions) ✍️

این مدل برای چت کردن طراحی شده و به هیچ وجه فراتر از این کاربرد نداره.

🟩🟩🟩

2-7) پاسخ‌ها (Responses) 🗣

شما با این ویژگی سه قابلیت دارید:

1️⃣ استفاده از RAG (این قابلیت هم در ورود به ChatGPT و هم در GPTs که با آپلود مدرک چت می‌کنید وجود داره. فقط توجه کنید که فایل‌های جدولی مثل اکسل و CSV پشتیبانی نمی‌شه).

2️⃣ استفاده از جستجو در وب 🔍

3️⃣ مدیریت کامپیوتر (این قابلیت برای کاربران Pro تحت عنوان "Operator" در دسترس است و در Manos و Replit هم داریم) 💻

خیلی چیزهای دیگه هم هست که در یک پست جدا بهش می‌پردازیم، ولی در کل باید بدونید این مدل خروجی اطلاعات و امکانات بیشتری رو در اختیار شما قرار می‌ده.

🟩🟩🟩

3-7) بلادرنگ (Real-Time) ⏱️

این ویژگی در ChatGPT (در اکثر موارد) قابل مشاهده است. به این معناست که توکن‌های خروجی یکی یکی نشون داده می‌شن و حس پاسخ‌دهی سریع به مخاطب داده می‌شه. زمان خروجی تقریباً ثابت است، ولی روند تکامل خروجی حس سرعت رو به مخاطب منتقل می‌کنه (یک نکته UI/UX).

🟩🟩🟩

4-7) دستیار (Assistant) 🧑‍💻

این ویژگی به شما این امکان رو می‌ده که چت بات‌تون رو مجهز به چند قابلیت کنید (این ویژگی رو در GPTs داخل ChatGPT می‌بینیم).

🟩🟩🟩

5-7) دسته (Batch) 📦

فرض کنید سوالات امتحانی زیادی دارید و می‌خواهید بعداً پاسخ‌ها رو داشته باشید. فقط کافی‌ست از این قابلیت استفاده کنید.

🟩🟩🟩

6-7) شست‌وشوی مغزی (Fine-Tuning) 🧠

با این قابلیت می‌تونید مدل‌های OpenAI رو شخصی‌سازی کنید و به نحوی تغییرش بدید که با نیازهای خاص شما هماهنگ بشه. این برای زمانی که دانش شما خیلی خاص باشه و جایی نتونید پیدا کنید، کاربرد داره. مدل رو می‌تونید حول داده‌های خاص خودتون تغییر بدید تا احتمال هذیان گویی مدل کاهش پیدا کنه.

🟩🟩🟩

7-7) متن به عدد (Embedding) 🔢

این قابلیت به شما کمک می‌کنه تا متن‌تون رو به وکتور تبدیل کنید. اگر بخواهید هوش مصنوعی مدرن و کلاسیک رو ترکیب کنید، از این استفاده می‌کنید. به این ترتیب در مدل‌های NLP، به جای Embedderهای قدیمی از Embedderهای جدید استفاده می‌کنید و نتیجه‌ی بهتری می‌گیرید.

🟩🟩🟩

8-7) تولید تصویر (Image Generation) 🖼

این ویژگی کاملاً مشخصه! 😊

🟩🟩🟩

9-7) تولید گفتار (Speech Generation) 🗣

برای زمانی که می‌خواهید چت بات‌تون متن بگیره و با گفتار پاسخ بده.

🟩🟩🟩

10-7) گفتار به متن (Transcription) 🎤

اگر می‌خواهید گفتار شما به متن تبدیل بشه، این قابلیت برای شماست.

🟩🟩🟩

11-7) ترجمه (Translation) 🌍

مدل‌های مناسب برای ترجمه این ویژگی رو دارن.

🟩🟩🟩

12-7) طبقه‌بندی محتوای نامناسب (Moderation) 🚫

گاهی اوقات ممکنه فقط بخواهید بدونید آیا متنی دارای بار معنایی مناسب هست یا نه. برای این کار می‌تونید به جای استفاده از مدل‌های چت، از مدل‌های طبقه‌بند استفاده کنید که به صرفه‌تر خواهد بود.

🟩🟩🟩

13-7) صدا زدن تابع (Function Calling) 🔧

زمان‌هایی که نیاز دارید با چت بات‌تون تابع بسازید (مثلاً برای گرفتن اسم شهر و نمایش دمای آن)، می‌تونید از این ویژگی استفاده کنید.

🟩🟩🟩

14-7) تقطیر (Distillation) 🔬

مدلی که این ویژگی رو داره، یعنی از مدل‌های پیشرفته OpenAI مثل O1 Pro استفاده کرده و قدرتمند شده است.

🟩🟩🟩

15-7) پیش‌بینی جای خالی (Prediction Output) 🤖

این ویژگی زمانی به کار میاد که بخواهید جای خالی یک جمله رو پر کنید. این قابلیت کمک می‌کنه که توکن‌ها کمتر مصرف بشه و هزینه‌ها کاهش پیدا کنه.

🟩🟩🟩

16-7) پاسخ (Completions (legacy)) 🏚

مدل‌های Legacy، مدل‌هایی هستند که دیگه آپدیت نمی‌شن.

🟩🟩🟩

برای مشاهده جزئیات بیشتر، می‌توانید تصاویر این پست را در این لینک مطالعه کنید.

🔥 انقلابی در اجرای مدل‌های LLM روی CPU!

🔓 مایکروسافت بالاخره فریم‌ورک متن‌باز خودش رو منتشر کرد:
✅ bitnet.cpp

📌 حالا می‌تونی بدون GPU و فقط با CPU تا مدل‌های 100B رو اجرا کنی!
⚡️ سرعت تا 6.17 برابر بیشتر
🔋 مصرف انرژی تا ۸۲٪ کمتر

💡 این ابزار با مدل‌هایی مثل:
- LLaMA 3
- Falcon 3
- BitNet
کاملاً سازگاره!

📊 بنچمارک‌ها نشون میدن که روی پردازنده‌هایی مثل Intel i7 و Apple M2 Ultra، مدل‌ها با سرعت خیره‌کننده‌ای اجرا می‌شن (حتی مدل‌های غول‌پیکری مثل 70B و 100B!)

🔗 سورس‌کد و اطلاعات بیشتر:

لینک GitHub

🧠 آینده‌ی هوش مصنوعی، لوکاله!

نتایج روی CPU ها در کامنت
#cpu_llm