پژوهش
هوش مصنوعی: چگونه Claude وزنگذاری میکند مدلهای متنباز با ابزار Hugging Face Skills
در این مقاله بهروز، توضیح میدهیم چگونه Claude بهوسیله ویژگی Hugging Face Skills، مدلهای زبانی متنباز را fine‑tune میکند؛ از انتخاب GPU و نرخهای آموزشی تا بارگذاری نهایی به هاب فیس. گام به گام را دنبال کنید.
پژوهش
هوش مصنوعی: راز کیفیات مدلهای استنباطی کارآمد در Apriel-H1
مدلهای استنباطی ۱۵ بیهستهای با معماری Mamba بهوسیله ‘دستکاری فازی’ دوتغییر ۲.۱ بر نرخ پردازش بدون افت کیفیت ویدیویی، رازهایی که در بلاگ ServiceNow-AI در ۱۹ نوامبر ۲۰۲۵ مطرح شد.
پژوهش
ربات پزشکی هوش مصنوعی: از شبیهسازی تا نحوه مستقر شدن
چرا ربات پزشکی مجهز به هوش مصنوعی از شبیهسازی در گیموکس تا مستقر شدن در عمارتها میتواند درمانهای سریع، دقیق و بهینه بگه؟ راهکار عملی نجاتکننده در این مقاله بررسی شد.
پژوهش
ساخت ربات پزشکی: از شبیهسازی تا استقرار با NVIDIA Isaac هوش مصنوعی
این مقاله بهصورت گامبهگام مسیر ساخت ربات پزشکی را از شبیهسازی مجازی تا استقرار واقعی با NVIDIA Isaac در SO-ARM توضیح میدهد و آموزشهای عملی.
مدلها
هوش مصنوعی در نقطه عطف: انتشار Hugging Face Hub v1.0 و ساختن اساسیترین پایه برای یادگیری ماشین باز
در تاریخ ۲۷ اکتبر ۲۰۲۵، Hugging Face با انتشار نسخهی ۱.۰ کتابخانهی huggingface_hub، مسیر توسعهی هوش مصنوعی باز را به حداکثر میرساند و زیرساختی قابل اعتماد برای میلیونها مدل، دیتاست و اسپیس فراهم میکند.
پژوهش
هوش مصنوعی: دیتاستهای پخششونده 100 برابری سریعتر و مقرونبهصرفهتر
در مقالهٔ جدید هافینگ فیس، با تکنیک دیتاستهای پخششونده، بارگذاری دادههای چند تترابایتی به صورت مستقیم و بدون دانلود، سریعتر و بهینهتر از همیشه میشود. با کاهش 100 برابری درخواست و دو برابر سرعت نمونهگیری، تیمهای یادگیری ماشین به سرعت فشل دارند. با استفاده از این روش میتوانید در زمان صفر ثانیه به پردازش دادهها بپردازید.
اخبار
هوش مصنوعی + VirusTotal؛ امنیت بینظیر در هاب حیفینگ فیس برای ۲.۲ میلیون مدل
همکاری هف و ویروستول بهصورت پیوسته فایلهای ۲.۲ میلیون مدل و دیتاست در هاب حیفینگ فیس را اسکن میکند، امنیت و اطمینان برای جامعه یادگیری ماشین افزوده میشود.
سختافزار
هوش مصنوعی روی Core Ultra: تسریع مدل Qwen3‑8B با طراحی پوشه عمقبرش
در سال ۲۰۲۵، مهندسان Intel و تیم Qwen3‑8B توانستند با استفاده از OpenVINO.GenAI و روش پیشبینی تخیلاتی، سرعت نسل مدل عاملانه خود را تا ۱.۴ برابر افزایش دهند. این دستاورد، گامی مهم در جهت بهرهبرداری سریعتر هوش مصنوعی بر روی سختافزارهای خردهگرای Intel است.