الوسم: منوعات ذكاء اصطناعي

نموذج FG2: دقة غير مسبوقة في تحديد المواقع للسيارات ذاتية القيادة في البيئات المحرومة من نظام تحديد المواقع العالمي (GPS) يُعاني نظام تحديد المواقع العالمي (GPS) من صعوبات كبيرة في تحديد المواقع بدقة عالية في المناطق الحضرية المكتظة، حيث تعيق ناطحات السحاب إشارات الأقمار الصناعية… قراءة المزيد

بناء تطبيقات ذكية باستخدام TinyDev: من الفكرة إلى الكود جاهز التنفيذ يقدم هذا البرنامج التعليمي شرحًا لتنفيذ فئة TinyDev، وهي أداة صغيرة وقوية لتوليد كود الذكاء الاصطناعي، تستخدم واجهة برمجة تطبيقات Gemini لتحويل أفكار التطبيقات البسيطة إلى تطبيقات شاملة ومنظمة. صُممت TinyDev للعمل بسلاسة في… قراءة المزيد

إعلان مُبتكر مُولّد بالذكاء الاصطناعي يُبهر خلال نهائيات NBA ويُقلّص التكاليف بنسبة 95% شهدت نهائيات دوري كرة السلة الأمريكي للمحترفين (NBA) حدثًا استثنائيًا؛ حيث تمّ عرض إعلان تجاري مُولّد بالكامل تقريبًا بواسطة الذكاء الاصطناعي، مما يُمثّل نقلة نوعية في عالم الإعلان. وقد أحدث هذا الإعلان،… قراءة المزيد

تعظيم الاتساق الداخلي (ICM): إطار تدريب غير خاضع للإشراف وخالٍ من التصنيف لنماذج اللغات الكبيرة تعتمد أساليب ما بعد التدريب لنماذج اللغات الكبيرة (LLMs) على الإشراف البشري من خلال الأمثلة أو ملاحظات التفضيل لتحديد السلوكيات المرغوبة. ومع ذلك، يواجه هذا النهج قيودًا كبيرة مع ازدياد… قراءة المزيد

نظام التشغيل MemOS: ثورة في إدارة الذاكرة للنماذج اللغوية الضخمة تُعتبر النماذج اللغوية الضخمة (LLMs) حجر الزاوية في تحقيق الذكاء الاصطناعي العام (AGI)، إلا أنها تواجه قيودًا كبيرة في كيفية التعامل مع الذاكرة. تعتمد معظم النماذج اللغوية الضخمة على معرفة ثابتة مخزنة في أوزانها وسياق… قراءة المزيد

توليد محولات LoRA من النص: ثورة في تكييف نماذج اللغات الكبيرة تُعد نماذج المحولات (Transformers) ركيزة أساسية في مجال الذكاء الاصطناعي، خاصةً في مجالات فهم اللغة الطبيعية، والترجمة الآلية، والاستدلال. وقد شهدت نماذج اللغات الكبيرة (LLMs) تطوراً هائلاً في الحجم والتعقيد، مما مكّنها من إنجاز… قراءة المزيد

OpenThoughts: منهجية مُبتكرة لإنشاء بيانات تدريب مُحسّنة لنماذج الاستدلال يُظهر التقدم المُذهل في نماذج الاستدلال، مثل DeepSeek-R1 و o3، قدرات استثنائية في مجالات الرياضيات والبرمجة والعلوم. ويعتمد هذا التقدم على تقنيات ما بعد التدريب، مثل الضبط الدقيق المُشرف (SFT) وتعلم التعزيز (RL). ومع ذلك، فإن… قراءة المزيد

تنفيذ أكواد الذكاء الاصطناعي بأمان باستخدام Daytona SDK: دليل شامل يقدم هذا الدليل الشامل خطوات عملية للاستفادة من بيئة Daytona الآمنة لتنفيذ أكواد Python غير موثوقة أو مُولدة بواسطة الذكاء الاصطناعي داخل بيئة Notebook بشكل آمن. سنبدأ بخطوات إنشاء Sandbox أساسية وتنفيذ أكواد بسيطة، ثم… قراءة المزيد