آموزش مدل‌های زبانی هوش مصنوعی و مدل‌های پایه (Foundation Models) - آخرین آپدیت

سرفصل ها و درس ها

تعریف مدل‌های پایه: مقیاس‌پذیری و تعمیم‌پذیری Defining Foundation Models: Scale and Generalization

• چه چیزی یک مدل را به مدل پایه تبدیل می‌کند؟ What Makes a Model Foundational?

• مقیاس و ظهور ویژگی‌های نوظهور Scale and Emergence

• یادگیری انتقالی Transfer Learning

معماری‌های اصلی: انکودر، دیکودر و ترنسفورمرها Core Architectures: Encoder, Decoder, and Transformers

• طرح کلی ترنسفورمر The Transformer Blueprint

• مدل‌های فقط انکودر (BERT) Encoder-only Models (BERT)

• مدل‌های فقط دیکودر (GPT, Llama) Decoder-only Models (GPT, Llama)

• مدل‌های انکودر-دیکودر (T5, BART) Encoder-decoder Models (T5, BART)

تکامل به سمت سیستم‌های چندوجهی Evolution to Multimodal Systems

• شکستن سد متن Breaking the Text Barrier

• نحوه عملکرد چندوجهی بودن How Multimodality Works

• نمونه‌های کاربردی در دنیای واقعی Real-world Use Cases

عامل‌های هوش مصنوعی: ابزارها، حافظه و خودمختاری AI Agents: Tools, Memory, and Autonomy

• محدودیت‌ها The Limitations

• چارچوب عامل‌ها: ابزارها و حافظه The Agent Framework - Tools and Memory

• خودمختاری، ریسک‌ها و امنیت Autonomy, Risks, and Security

کارگاه عملی: یادگیری انتقالی کاربردی Hands-on: Applied Transfer Learning

• سناریو و استراتژی The Scenario and Strategy

• دمو: یادگیری انتقالی کاربردی Demo: Applied Transfer Learning

روندهای آینده و جمع‌بندی Future Trends and Conclusion

• مرور کلی: مسیر تبدیل متن به عمل Recap: The Journey from Text to Action

• ظهور مدل‌های زبانی کوچک (SLMs) و نکات پایانی The Rise of SLMs and Final Thoughts