پژوهش هوش مصنوعی: حداکثر بهره‌وری GPU با Continuous Batching و انکپسولیشن ناهمزمان Continuous Batching و انکپسولیشن ناهمزمان در هوش مصنوعی، بهترین راه برای بهینه‌سازی GPU و کاهش هزینه‌های عملیاتی در مدل‌های LLM و بهره‌وری را به ۳۰۰٪ افزایش می‌دهد. ۲۴ اردیبهشت ۱۴۰۵ ۲ دقیقه پژوهش Granite 4.1: هوش مصنوعی IBM امکان پردازش 512k توکن در بلاک‌های بزرگ شرکت IBM با معرفی خانواده مدل‌های بزرگ LLM ۴.۱ Granite، پردازش متن را با ۱۵ تریلیون توکن و امکان پردازش متون ۵۱۲ هزاریه و برای استفاده ابری افزایش می‌دهد. ۹ اردیبهشت ۱۴۰۵ ۲ دقیقه پژوهش هوش مصنوعی و امنیت سایبری: چرا شفافیت کلیدپایه آینده در دنیای دیجیتال؟ در این مقاله به بررسی نقش شفافیت در فرهنگ هوش مصنوعی و تأثیر آن بر امنیت سایبری می‌پردازیم. پروژه‌های Mythos و Glasswing و چالش‌های ناشی از آینده. ۱ اردیبهشت ۱۴۰۵ ۲ دقیقه کسب‌وکار OpenAI جذب ۱۱۰ میلیارد دلاری: چگونگی گسترش هوش مصنوعی برای همه OpenAI با دریافت ۱۱۰ میلیارد دلار سرمایه، سرمایه‌گذاران برجسته‌ای مانند SoftBank، NVIDIA و Amazon را جذب کرده و با قیمت پیش‌مونی ۷۳۰ میلیارد دلار، به سمت توسعهٔ هوش مصنوعی برای همه حرکت می‌کند. ۸ اسفند ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی محلی در اوج: GGML و llama.cpp به استودیو HF می‌پیوندند در یک گام بزرگ برای توسعه هوش مصنوعی مقیاس‌پذیر، GGML و llama.cpp به پلتفرم Hugging Face ملحق می‌شوند تا اجرای مدل‌های بزرگ در محیط‌های محلی را تسهیل کنند. ۱ اسفند ۱۴۰۴ ۲ دقیقه اخبار هوش مصنوعی GPT‑5.2: فرمول نوین امپلیتیو گلوون را کشف کرد نمسالهٔ جدید در فیزیک نظری توسط GPT‑5.2 پیش‌بینی شد و بعد از اثبات و اعتبارسنجی علمی، فرمول جدیدی برای امپلیتیو گلوون ارائه شد. ۲۴ بهمن ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی: بهینه‌سازی پردازش هم‌زمان برای چت‌بات‌های هوشمند در این مقاله به مبانی ایجاد پردازش هم‌زمان در مدل‌های بزرگ زبان پرداخته‌ایم و چگونگی بهینه‌سازی سرعت تولید پاسخ در چت‌بات‌ها را بررسی می‌کنیم. ۴ آذر ۱۴۰۴ ۲ دقیقه محصولات هوش مصنوعی با GPT‑OSS: فست ترنسفورمرها جدید و راهکارهای تحویل سریع به‌روزرسانی‌های مهم در کتابخانه transformers برای مدل‌های GPT‑OSS از OpenAI – کواانتیزه‌سازی MXFP4، Flash Attention 3 و پارالل‌سازی Tensor – راهنمای عملی برای توسعه‌دهندگان و محققان ۲۰ شهریور ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی در سفینهٔ Multi‑GPU با راهنمای Accelarate ND‑Parallel افزایش سرعت و کارایی آموزش مدل‌های بزرگ هوش مصنوعی با استفاده از ترکیب چندین شیوهٔ موازی‌سازی، به‌وسیلهٔ کتابخانهٔ Accelerate ND‑Parallel. ۱۷ مرداد ۱۴۰۴ ۲ دقیقه پژوهش هوش مصنوعی در ریاضیات: Kimina-Prover و جستجوی RL در زمان اجرا Kimina-Prover، یک الگوریتم هوش مصنوعی مبتنی بر جستجوی RL در زمان اجرا، می‌تواند مدل‌های بزرگ یادگیری رسمی را بهینه کند و خطاهای ریاضی را اصلاح نماید. ۱۹ تیر ۱۴۰۴ ۲ دقیقه