HyperAI超神经

لقد حقق نموذج الرسم البياني Wensheng تقدمًا كبيرًا في السنوات الأخيرة، ولكن النماذج الحالية لا تزال تعاني من العديد من القيود في التطبيقات العملية. لا يمكن لمعظم النماذج سوى إنشاء صورة واحدة ولا يمكنها إجراء تعديلات دقيقة على الصورة. ولمواجهة هذا التحدي، أطلق فريق الروك نموذج كروما.

يعتمد اللون على نموذج 8.9 B-parameter من FLUX.1-schnell. يمكن لهذا النموذج تحقيق تصنيف الألوان على مستوى الفيلم، وتوليف التأثيرات الخاصة والتقديم المنمق، مما يوفر تأثيرات بصرية على المستوى الاحترافي.ويغطي أيضًا مجموعة متنوعة من الأنواع بما في ذلك الرسوم المتحركة والفراء والأعمال الفنية والصور. هذا النموذج متاح حاليا من خلال مكالمات ComfyUI،مساعدة المستخدمين على تحقيق الإبداع المخصص.بالمقارنة مع برامج المؤثرات الخاصة التقليدية، فمن السهل تشغيلها.

HyperAI Super Neural متاح الآن "دليل ComfyUI Chroma Workflow عبر الإنترنت"،تعال وجربها~

الاستخدام عبر الإنترنت:https://go.hyper.ai/y8mdm

من 19 مايو إلى 23 مايو، تحديثات الموقع الرسمي لـ hyper.ai:

* مجموعات البيانات العامة عالية الجودة: 10

* دروس تعليمية عالية الجودة: 16

* اختيار المقالات المجتمعية: 6 مقالات

* إدخالات الموسوعة الشعبية: 5

* أفضل المؤتمرات مع الموعد النهائي في مايو: 3

قم بزيارة الموقع الرسمي:هايبر.اي

مجموعات البيانات العامة المختارة

1. مجموعة بيانات معيارية لتقييم متعدد الوسائط M2RAG

تجمع مجموعة البيانات هذه بين بيانات الصور والنصوص لمحاكاة مهام استرجاع المعلومات وتوليدها في سيناريوهات حقيقية، مثل تحليل الأحداث الإخبارية والإجابة على الأسئلة المرئية. يركز على تقييم قدرة برامج التعلم المتعدد الوسائط على استخدام المعرفة المسترجعة من المستندات في سياقات متعددة الوسائط، بما في ذلك فهم محتوى الصورة، وربط النص بالصورة، والحكم على الحقائق.

الاستخدام المباشر:https://go.hyper.ai/xQuV4

2. مجموعة بيانات مسائل الهندسة Geometry3k

تصف مجموعة البيانات مجموعة غنية ومتنوعة من مشاكل الهندسة، مثل حل الزوايا، وأطوال الأضلاع، والمساحات، والمحيطات، وما إلى ذلك، بإجمالي 6293 عنصرًا نصيًا. تُستخدم المخططات للمساعدة في عرض المعلومات الرسومية في مسائل الهندسة، مثل الأشكال الهندسية المختلفة (المثلثات، الدوائر، الأشكال الرباعية، إلخ) والعلاقات المتبادلة بينها، بإجمالي 27213 عنصرًا نصيًا.

الاستخدام المباشر:https://go.hyper.ai/xQuV4

3. مجموعة بيانات بنية البلورات LLM4Mat-Bench

تحتوي مجموعة البيانات على ما يقرب من 1.97 مليون عينة من البنية البلورية من 10 قواعد بيانات للمواد العامة، تغطي 45 خاصية فيزيائية وكيميائية مختلفة للمواد. إنه أكبر معيار حتى الآن لتقييم أداء نماذج اللغة الكبيرة (LLMs) للتنبؤ بخصائص المواد.

الاستخدام المباشر:https://go.hyper.ai/cWEme

4. مجموعة بيانات الكلام الصيني SeniorTalk لمحادثات كبار السن

تحتوي مجموعة البيانات على تعليقات توضيحية مفصلة متعددة الأبعاد، بما في ذلك معلومات المتحدث، ونسخ محتوى المحادثة، والطوابع الزمنية (بما في ذلك مستوى الجملة ومستوى الكلمة)، وعلامات فئة اللهجة، وما إلى ذلك. ستوفر هذه البيانات الواقعية دعماً قيماً للبحث المتعمق حول إشارات صوت كبار السن وتحسين أنظمة التفاعل الصوتي لكبار السن، وتعزيز تطوير الصناعات ذات الصلة مثل المعدات الصديقة للشيخوخة، وإدارة الصحة، وروبوتات رعاية كبار السن المساعدة.

الاستخدام المباشر:https://go.hyper.ai/MtvcV

5. مجموعة بيانات التفكير الرياضي DeepMath-103K

ترتكز مجموعة البيانات على مسائل الرياضيات من المستويات 5 إلى 9، وتغطي الجبر، وحساب التفاضل والتكامل، ونظرية الأعداد، والهندسة، والاحتمالات، والرياضيات المنفصلة وغيرها من المجالات، وتركز على تحدي قدرات التفكير المعقدة. وتقوم مجموعة البيانات أيضًا بإجراء معالجة تفصيلية لإزالة التلوث للمعايير المشتركة من خلال المطابقة الدلالية لتقليل تسرب مجموعة الاختبار وتعزيز التقييم العادل للنماذج.

الاستخدام المباشر:https://go.hyper.ai/dquTu

التصنيف الهرمي للمواضيع الرياضية من DeepMath-103K

6. مجموعة بيانات الاستدلال الرياضي OpenMathReasoning

تتضمن مجموعة البيانات تصنيفات أنواع مسائل الرياضيات، وخطوات حلها التفصيلية، وتصنيف مستويات صعوبتها، وغيرها. تُقدم هذه البيانات عالية الجودة، المستمدة من المجال المهني للرياضيات والمجتمعات الإلكترونية، دعمًا قويًا وفعالًا للبحث المتعمق في عمليات التفكير الرياضي وتحسين نماذج حل المسائل الرياضية، كما تُعزز التطور النشط للصناعات ذات الصلة، مثل أنظمة التدريس الذكية للرياضيات، وأدوات مساعدة مسابقات الرياضيات، وأتمتة الحوسبة في الأبحاث العلمية.

الاستخدام المباشر:https://go.hyper.ai/svX2f

7. مجموعة بيانات الصور والنصوص متعددة الوسائط VL3-Syn7M

تحتوي مجموعة البيانات على تعليقات توضيحية دقيقة متعددة الأبعاد، بما في ذلك التعليقات التفصيلية للصور، والتعليقات المختصرة، ومعلومات مصدر الصورة، وتغطي أنواعًا مختلفة من البيانات مثل صور المشهد، وصور المستندات، وصور النصوص، مما يوفر مادة غنية للنموذج لتعلم المعلومات متعددة الوسائط.

الاستخدام المباشر:https://go.hyper.ai/luQiA

8. مجموعة بيانات خصائص مادة DFT

تغطي مجموعة البيانات مجموعة متنوعة من التركيبات الكيميائية والخصائص الفيزيائية، حيث يتوافق كل إدخال مع مادة فريدة. تم الحصول على جميع الخصائص من خلال حسابات نظرية الكثافة الوظيفية (DFT)، وهي طريقة حسابية تستخدم على نطاق واسع في التنبؤ بسلوك المواد. تعتبر مجموعة البيانات هذه مناسبة لمهام مثل نمذجة خصائص المواد، وتدريب التعلم الآلي، واكتشاف المواد، مما يوفر دعمًا أساسيًا قويًا للبيانات لعلماء البيانات والباحثين.

الاستخدام المباشر:https://go.hyper.ai/S7bEj

9. مجموعة بيانات معامل يونغ

معامل يونج هو كمية فيزيائية تقيس قدرة المادة على مقاومة التشوه. كلما كانت قيمتها أكبر، كلما كان احتمال تشوه المادة أقل. تحتوي مجموعة البيانات هذه على 393 نقطة بيانات وتهدف إلى تحديد تباين المادة عن طريق قياس معامل يونج للبلورة في اتجاهات مختلفة.

الاستخدام المباشر:https://go.hyper.ai/do6zP

10. مجموعة بيانات المحادثة الصينية للأطفال من ChildMandarin

تم تصميم مجموعة البيانات هذه لمعالجة ندرة بيانات الكلام الماندرين لهذه الفئة العمرية وتهدف إلى دعم تطوير مجالات البحث ذات الصلة مثل التعرف على كلام الأطفال والتحقق من المتحدث.

الاستخدام المباشر:https://go.hyper.ai/GynAr

دروس تعليمية عامة مختارة

برنامج تعليمي لإنشاء الصور

1. برنامج تعليمي عبر الإنترنت لسير عمل ComfyUI Chroma

كروما هو نموذج شخصية فينسنت تم تقديمه بواسطة روك في عام 2025، استنادًا إلى نموذج المعلمة 8.9 B الخاص بـ FLUX.1-schnell. لا يزال النموذج قيد التدريب، وقد اختارت مجموعة البيانات التدريبية بعناية 5 ملايين بيانات من 20 مليون عينة، تغطي أنواعًا مختلفة مثل الرسوم المتحركة والوحوش والأعمال الفنية والصور.

يستخدم هذا البرنامج التعليمي بطاقة RTX 4090 واحدة كمورد ويدعم فقط المطالبات باللغة الإنجليزية.

تشغيل عبر الإنترنت:https://go.hyper.ai/irRhP

2. FractalGen: إنشاء صور عالية الدقة بكسلًا تلو الآخر FractalGen هي تقنية جديدة لتوليد الصور تعتمد على الأفكار الكسورية. إنه يحقق إنشاء صور عالية الدقة بكسل تلو الآخر من خلال نماذج توليدية كسورية، ويحسن بشكل كبير الكفاءة الحسابية، ويحل مشكلة الاختناق الحسابي للنماذج التوليدية التقليدية في إنشاء الصور عالية الدقة.
تم نشر المشروع في شكل دفتر ملاحظات. يمكنك استنساخه بنقرة واحدة لتجربته خطوة بخطوة!

تشغيل عبر الإنترنت:https://go.hyper.ai/qZN2x

3. PixelFlow: حل لتوليد الصور في مساحة البكسل

مشروع PixelFlow عبارة عن مجموعة من نماذج إنشاء الصور التي تعمل مباشرة في مساحة البكسل الخام، على النقيض من نماذج المساحة الكامنة السائدة.

تظهر النتائج النوعية لتحويل النص إلى صورة أن PixelFlow يعمل بشكل جيد من حيث جودة الصورة والبراعة والتحكم الدلالي.

تشغيل عبر الإنترنت:https://go.hyper.ai/MbfLU

4. HiDream-I1-عرض توضيحي لإنشاء صورة كاملة

مشروع HiDream-I1 هو نموذج أساسي جديد مفتوح المصدر لتوليد الصور. HiDream-I1-Full هو نموذج مفتوح المصدر لتوليد الصور يحتوي على 17B معلمة. الإصداران الآخران هما HiDream-I1-Dev و HiDream-I1-Fast. يعد HiDream-I1-Full الأفضل في الأداء، فهو قادر على إنتاج جودة صورة رائدة في الصناعة في ثوانٍ.

لقد تم نشر النماذج والتبعيات ذات الصلة بهذا المشروع. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب.

تشغيل عبر الإنترنت:https://go.hyper.ai/2fSbo

5. OminiControl: توليد الصور والتحكم فيها بشكل متعدد الاستخدامات

OminiControl هو إطار عمل تحكم بسيط ولكنه قوي للأغراض العامة لنماذج المحولات الانتشارية مثل FLUX. بإمكانك إنشاء نماذج OminiControl الخاصة بك عن طريق تخصيص أي مهمة تحكم (ثلاثية الأبعاد، ومتعددة العرض، والتوجيه بالإيماءات، وما إلى ذلك) باستخدام نماذج FLUX.

يعتمد هذا البرنامج التعليمي على إطار التحكم العام OminiControl، ويستخدم مورد الحوسبة بطاقة واحدة A6000.

تشغيل عبر الإنترنت:https://go.hyper.ai/zOAWH

دروس الذكاء الاصطناعي للعلوم

1. عرض تجريبي لنموذج الاستشعار عن بُعد متعدد الأزمنة لرصد الأرض Prithvi-EO-2.0

يحتوي النموذج على آليات الاهتمام المكاني والزماني عبر أجزاء متعددة وطوابع زمنية. علاوة على ذلك، تتم إضافة معلومات الوقت والموقع إلى إدخال النموذج عبر التضمينات.

يستخدم هذا البرنامج التعليمي نموذج Prithvi-EO-2.0-300M كعرض توضيحي، ويستخدم مورد الحوسبة RTX 4090.

تشغيل عبر الإنترنت:https://go.hyper.ai/DvqV1

2. عرض توضيحي لنموذج الانحدار الذكي المكاني الزمني (STIR) من Gnnwr

GNNWR هو نموذج انحدار ذكي مكاني زمني يعتمد على PyTorch تم تصميمه خصيصًا للتعامل مع مشكلات عدم الثبات المكاني والزماني. يحقق النموذج نمذجة عالية الدقة للعمليات الجغرافية المعقدة من خلال تحويل التجهيز غير الخطي للقرب الجغرافي والأوزان غير الثابتة إلى تمثيل وإنشاء شبكة عصبية.

تشغيل عبر الإنترنت:https://go.hyper.ai/Y1Cq0

3. معالجة إشارات الطائرات بدون طيار باستخدام برنامج Matlab استنادًا إلى نظام RFUAV

في مجال أمن الاتصالات ومراقبة الطيف، تمت دراسة أنظمة تحديد هوية الطائرات بدون طيار القائمة على بيانات التردد اللاسلكي (RF) على نطاق واسع. يقوم مشروع RFUAV بتحليل ومعالجة إشارات IQ للطائرات بدون طيار من خلال تحليل الطيف وتقدير نسبة الإشارة إلى الضوضاء.

نظرًا لأن البيانات الأصلية غير متوفرة بعد، فإن مجموعة البيانات هنا تستخدم البيانات من منصة IDLab كعرض توضيحي لمعالجة البيانات. نظرًا لأن مجموعة البيانات الكاملة كبيرة جدًا، فإن هذا البرنامج التعليمي يحلل جزءًا فقط من البيانات. انقر على الرابط أدناه للنشر بنقرة واحدة.

تشغيل عبر الإنترنت:https://go.hyper.ai/rowsq

4. تحليل الاستجابة الديناميكية غير الخطية لزلزال كوينا مع الأخذ في الاعتبار الضغط الهيدروديناميكي

Abaqus هو برنامج قوي لتحليل العناصر المحدودة (FEA) يستخدم على نطاق واسع في مجال محاكاة الهندسة. يقوم بمحاكاة وتحليل المشاكل الهندسية المختلفة من خلال طريقة العناصر المحدودة ويمكنه التعامل مع مشاكل تتراوح من المشاكل الخطية البسيطة إلى المشاكل غير الخطية المعقدة.

هذا البرنامج التعليمي هو البرنامج التعليمي الرسمي لشركة Abaqus: التحليل الزلزالي للسدود الخرسانية الجاذبة. يوضح هذا المثال تطبيقًا نموذجيًا لنموذج مادة اللدونة التالفة للخرسانة لتقييم استقرار وتلف الهياكل الخرسانية المعرضة لأحمال عشوائية.

تشغيل عبر الإنترنت:https://go.hyper.ai/cXdKk

5. تم دمج VASP مع Phonopy لحساب طيف الفونون للسيليكون

Phonopy عبارة عن حزمة Python لحساب هياكل نطاق الفونون، والخصائص الحرارية، وسرعات المجموعة، والكميات الأخرى المرتبطة بالفونون على المستويات التوافقية وشبه التوافقية.

سيستخدم هذا البرنامج التعليمي نصًا تلقائيًا لأداء عملية الحساب لإظهار عملية الحساب. من خلال هذا البرنامج التعليمي، سوف تتعلم العملية الأساسية لحساب طيف الفونون. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب.

تشغيل عبر الإنترنت:https://go.hyper.ai/Lb00V

6. استخدام VASP لتدريب مجال القوة في التعلم الآلي

سيأخذ هذا البرنامج التعليمي بلورة السيليكون كمثال ويوضح كيفية تدريب مجال قوة التعلم الآلي vasp من خلال ديناميكيات الجزيئات لمجموعة NpT. من خلال هذا البرنامج التعليمي، سوف تتعلم العملية الأساسية لتدريب مجال القوة في التعلم الآلي. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب.

تشغيل عبر الإنترنت:https://go.hyper.ai/JssLr

7. تم دمج VASP مع Phonopy لحساب السعة الحرارية النوعية للسيليكون

VASP هو برنامج كمبيوتر لنمذجة المواد على المستوى الذري من المبادئ الأولى، مثل حسابات البنية الإلكترونية وديناميكيات الجزيئات الميكانيكية الكمومية. Phonopy عبارة عن حزمة Python لحساب هياكل نطاق الفونون، والخصائص الحرارية، وسرعات المجموعة، والكميات الأخرى المرتبطة بالفونون على المستويات التوافقية وشبه التوافقية.

سيستخدم هذا البرنامج التعليمي نصًا تلقائيًا لإظهار العملية الحسابية باستخدام Phonopy. من خلال هذا البرنامج التعليمي، سوف تتعلم العملية الأساسية لحساب السعة الحرارية النوعية. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب.

تشغيل عبر الإنترنت:https://go.hyper.ai/MWlU1

برنامج تعليمي vLLM

1. نشر DeepCoder-14B-Preview بنقرة واحدة حقق DeepCoder-14B-Preview دقة Pass@1 قدرها 60.6% على LiveCodeBench v5 (8/1/24-2/1/25)، وهو تحسن قدره 8% مقارنة بالنموذج الأساسي (53%)، وحقق أداءً مشابهًا لـ o3-mini من OpenAI مع معلمات 14B فقط. يستخدم DeepCoder-14B-Preview طريقة التكميم المكونة من 8 بتات التي توفرها bitsandbytes لتحسين استخدام ذاكرة الفيديو. مصدر قوة الحوسبة المستخدم هو RTX4090. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب.

تشغيل عبر الإنترنت:https://go.hyper.ai/6U1k1

2. نشر GLM-4-32B باستخدام vLLM و Open-WebUI

حقق GLM-4-32B-0414 نتائج جيدة في هندسة الكود، وتوليد القطع الأثرية، واستدعاء الوظائف، والإجابة على الأسئلة القائمة على البحث، وتوليد التقارير. على وجه الخصوص، في العديد من المعايير مثل إنشاء الكود أو مهام الإجابة على الأسئلة المحددة، يحقق GLM-4-32B-Base-0414 أداءً مماثلاً للنماذج الأكبر مثل GPT-4o وDeepSeek-V3-0324(671B).

يستخدم هذا البرنامج التعليمي GLM-4-32B كعرض توضيحي، وتستخدم موارد الحوسبة البطاقة المزدوجة A6000.

تشغيل عبر الإنترنت:https://go.hyper.ai/j13EA

3. نشر نماذج سلسلة Qwen3 باستخدام vLLM+Open-webUI

Qwen3 هو الجيل الأحدث من نماذج اللغة الكبيرة في سلسلة Qwen، حيث يوفر نماذج كثيفة شاملة ونماذج مزيج من الخبراء (MoE). استناداً إلى تجربة تدريبية غنية، حقق Qwen3 تقدماً كبيراً في التفكير، واتباع التعليمات، وقدرات الوكيل، ودعم اللغات المتعددة. تعتبر سيناريوهات تطبيق Qwen3 واسعة جدًا. ويدعم معالجة النصوص والصور والصوت والفيديو، ويمكنه تلبية احتياجات إنشاء المحتوى المتعدد الوسائط والمهام عبر الوسائط.

يستخدم هذا البرنامج التعليمي vLLM+Open-webUI كعرض توضيحي، والمورد المستخدم هو بطاقة RTX 4090 واحدة.

تشغيل عبر الإنترنت:https://go.hyper.ai/IiHHC

4. استخدم vLLM لتحميل نماذج كبيرة للتعلم من خلال لقطات قليلة

هذا البرنامج التعليمي هو Qwen2.5-3B-Instruct لتحميل كمية AWQ على RTX 4090 باستخدام vLLM. بالنسبة لكل مشكلة اختبار، نسترد مجموعة من الأسئلة المشابهة التي "تدعمها" باستخدام بيانات التدريب. باستخدام مجموعة مماثلة من الأسئلة، أنشأنا محادثة يمكننا تضمينها في نموذجنا، مع الأخذ في الاعتبار أشياء مثل "البناء" و"الموضوع".

حاليًا، أطلق الموقع الرسمي لـ HyperAI برنامجًا تعليميًا للنشر بنقرة واحدة لـ "استخدام vLLM لتحميل نماذج كبيرة للتعلم من عدد قليل من اللقطات". انقر فوق "استنساخ" لبدء تشغيله بنقرة واحدة.

تشغيل عبر الإنترنت:https://go.hyper.ai/YhwvL

مقالات المجتمع

1. من خلال الجمع بين نموذج لغة البروتين ونموذج تلوين الصور، اقترح معهد ماساتشوستس للتكنولوجيا وجامعة هارفارد بشكل مشترك استخدام تقنية PUPS لتحقيق توطين البروتين في الخلية الواحدة

اقترح فريق من معهد ماساتشوستس للتكنولوجيا وجامعة هارفارد إطار عمل للتنبؤ يسمى PUPS يجمع بين تسلسلات البروتين وصور الخلايا للتنبؤ بالتوطين الفرعي للبروتينات غير المعروفة. يجمع الإطار بشكل مبتكر بين نموذج لغة البروتين ونموذج طلاء الصور للتنبؤ بموقع البروتين، مما يتيح له دمج قدرات التعميم للتنبؤات البروتينية غير المعروفة مع التنبؤات الخاصة بنوع الخلية والتي تلتقط التباين الخلوي.

شاهد التقرير الكامل:https://go.hyper.ai/TIgUm

2. قام فريق جامعة تشجيانغ بتطوير نظام Earth Explorer لاستكشاف تطور الزمن العميق/الملامح الجيولوجية/سيناريوهات البحث العلمي وتمكين أبحاث علوم الأرض في الزمن العميق

قدم تشي جين، الباحث المتفرغ في كلية علوم الأرض بجامعة تشجيانغ، عرضًا تقديميًا خاصًا حول "منصة الابتكار التعاوني لذكاء حشود الأرض في الوقت العميق" في الاجتماع السنوي الأكاديمي لعام 2025 للجنة المهنية للنماذج الجغرافية وتحليل المعلومات الجغرافية للجمعية الجغرافية الصينية. تم تقديم إنجازات الفريق من ثلاثة جوانب: النظرة العامة الشاملة لنظام تحليل التصور الزمني العميق (Earth Explorer)، وتقدم البحث والتطوير، ونتائج التطبيق. هذه المقالة عبارة عن نص لأهم النقاط التي ناقشها المعلم تشي جين.

شاهد التقرير الكامل:https://go.hyper.ai/6wNdI

3. استنادًا إلى 8 ملايين بيانات حقيقية، استخدم فريق جامعة كورنيل الشبكات العصبية البيانية للتنبؤ بدقة ببقاء مرضى سرطان الرئة على قيد الحياة واكتشفوا 3 أنواع فرعية مميتة

اقترحت جامعة كورنيل وشركة ريجينيرون للأدوية في الولايات المتحدة نموذج البقاء المختلط المشفر بالرسوم البيانية (GEMS)، والذي يستخدم الشبكات العصبية البيانية لتشفير العلاقات المعقدة في السجلات الصحية الإلكترونية للمرضى ويجمعها مع نماذج تحليل البقاء على قيد الحياة لتحديد النمط الظاهري الفرعي مع الخصائص المتسقة ونتائج البقاء على قيد الحياة.

شاهد التقرير الكامل:https://go.hyper.ai/dXSH5

4. ولأول مرة، اقترح فريق كولومبيا استخدام PXRDnet لتحقيق تحليل شامل للبلورات النانوية، وقاموا بتحليل 200 بلورة نانوية معقدة ومحاكاة بنجاح.

اقترح باحثون من جامعة كولومبيا وجامعة ستانفورد طريقة تحليل بنية الذكاء الاصطناعي التوليدية PXRDnet بناءً على نموذج الانتشار. حتى مع الاعتماد فقط على الصيغة الكيميائية وأنماط حيود المسحوق الموسعة المحدودة الحجم والتي تفتقر إلى المعلومات، فقد تمكن النموذج من حل 200 بلورة نانوية محاكاة ذات تناسق وتعقيد متفاوتين بنجاح، وتغطي الهياكل من جميع أنظمة البلورات السبعة حتى 10 Å في الحجم.

شاهد التقرير الكامل:https://go.hyper.ai/6JqUm

5. تحديث نظام Gemini 2.5 الكامل، يدعم Deep Think ويتفوق على OpenAI

في الكلمة الرئيسية لمؤتمر Google I/O 2025 الذي اختتم للتو، أصدرت Google العديد من التحديثات المهمة، مما يدل بشكل أكبر على قوتها في سباق الذكاء الاصطناعي.

شاهد التقرير الكامل:https://go.hyper.ai/Ct6DM

6. خطاب جين هسون هوانغ الأخير! يدعم NVLink Fusion، وهو نظام بيئي مفتوح، البنية الأساسية للذكاء الاصطناعي شبه المخصصة؛ نموذج أساسي لروبوت بشري مفتوح المصدر

في معرض Computex 2025، شارك هوانج رينكسون العديد من التحديثات من Nvidia في مجالات مراكز البيانات والذكاء الاصطناعي للمؤسسات والروبوتات.

شاهد التقرير الكامل:https://go.hyper.ai/VRCgw

مقالات موسوعية شعبية

1. دال-إي

2. حلقة الإنسان والآلة

3. دمج الفرز العكسي

4. الذاكرة طويلة المدى ثنائية الاتجاه

5. فهم اللغة متعدد المهام على نطاق واسع

فيما يلي مئات المصطلحات المتعلقة بالذكاء الاصطناعي التي تم تجميعها لمساعدتك على فهم "الذكاء الاصطناعي" هنا:

https://go.hyper.ai/wiki

الموعد النهائي لشهر مايو للمؤتمر الأعلى

استراتيجية RTSS 2025:23 مايو 19:59:59

سيجراف 2025: 23 مارس 19:59:59

ASE 2025:31 مايو 19:59:59

تتبع شامل لأفضل المؤتمرات الأكاديمية في مجال الذكاء الاصطناعي:https://go.hyper.ai/event

إن ما ورد أعلاه هو كل محتوى اختيار المحرر لهذا الأسبوع. إذا كنت تريد تضمين هايبر.اي بالنسبة للموارد الموجودة على الموقع الرسمي، نرحب بك أيضًا لترك رسالة أو المساهمة في إخبارنا!

نراكم في الاسبوع القادم!