أحدث المنشورات
كيف يعمل اختيار الرموز في الشبكات العصبية: logits والحرارة و top-p
نستكشف رياضيات توليد النصوص في نماذج اللغة الكبيرة: كيف تؤثر logits والحرارة و top-p على التوازن بين دقة الإجابات وإبداعيتها.
Context-pruning للوكلاء LLM طويلي الأجل: تقنية إدارة الذاكرة
تتطلب الوكلاء القائمون على نماذج اللغة الكبيرة نهجاً جديداً لإدارة الذاكرة أثناء الجلسات الطويلة. Context-pruning يسمح بإزالة المعلومات غير الضرورية وتوفير الرموز.
البحث الهجين في RAG: عندما تلتقي الدلالات بالكلمات الرئيسية
يجمع البحث الهجين بين خوارزميات دلالية وخوارزميات معجمية — وهذا حرج للغاية لأنظمة RAG الجاهزة للإنتاج.
مساعد بحث متعدد الوكلاء في Python مع OpenAI SDK
قدمت OpenAI مجموعة أدوات Agents SDK - إطار عمل لإنشاء أنظمة من عدة وكلاء يعملون معاً للبحث وتحليل المعلومات، مما يفتح إمكانيات جديدة لأتمتة البحث العلمي.
Machine Learning Mastery: البحث الدلالي باستخدام Embeddings بدلاً من الكلمات الأساسية
البحث بالكلمات الأساسية ينهار عندما لا يحتوي المستند على الكلمة التي يبحث عنها المستخدم. يوضح Machine Learning Mastery كيفية حل هذا باستخدام embeddings من نماذج اللغة الكبيرة والبيانات الوصفية.
كيف تختار معمارية وكيل AI: شجرة قرارات من Machine Learning Mastery
نشرت Machine Learning Mastery دليلاً يتضمن شجرة قرارات لاختيار نمط التصميم الأمثل لوكيل AI. يعتمد الاختيار على نوع المهمة ومتطلبات قابلية التوسع وطبيعة التفاعل مع الأنظمة الخارجية.
شرح Machine Learning Mastery كيفية بناء أنظمة ML من دون خوادم ومجموعات بيانات كبيرة
أصدر Machine Learning Mastery دليلاً عملياً حول ML في ظروف العتاد المحدود، وضعف الإنترنت، والبيانات غير النظيفة، مع التركيز على النماذج البسيطة والحلول الواضحة.
Machine Learning Mastery شرحت كيف تعمل قواعد البيانات المتجهية من البسيط إلى المعقد
أصدرت Machine Learning Mastery دليلًا مفصلًا عن قواعد البيانات المتجهية: من embeddings وsimilarity search إلى HNSW وIVF وPQ والمفاضلات بين الدقة والذاكرة وزمن الاستجابة.
أضافت LlamaCloud أداة LlamaAgents Builder لبناء ونشر وكلاء AI خلال دقائق
أصبحت LlamaCloud تضم LlamaAgents Builder، وهي خدمة beta تنشئ وكيلاً لمعالجة المستندات انطلاقًا من وصف نصي، وتنشره عبر GitHub، وتتيح اختباره داخل الواجهة.
عرض Machine Learning Mastery 7 دوال من itertools لهندسة الميزات في Python
نشر Machine Learning Mastery شرحًا عمليًا لسبع دوال من itertools في Python تساعد على بناء ميزات interaction وlag وpolynomial وcumulative بشكل أسرع ومن دون حلقات ضخمة.
حددت Machine Learning Mastery 7 اتجاهات في ML ستشكل 2026
سلطت Machine Learning Mastery الضوء على سبعة اتجاهات في تعلم الآلة لعام 2026: الأنظمة الوكيلة، وAI التوليدي كبنية تحتية، والنماذج الصغيرة، والحوسبة الطرفية، وتنامي دور MLOps.
أوضح Machine Learning Mastery كيف تجعل مُزيّنات Python خدمات ML أكثر موثوقية
استعرض Machine Learning Mastery خمسة مُزيّنات Python لـ ML في بيئات الإنتاج: فهي تساعد على تجاوز أعطال API، والتحقق من صحة بيانات الإدخال، وتوفير الموارد الحاسوبية، وتحسين قابلية المراقبة للخدمة.
Machine Learning Mastery شرح كيفية تجنب حالات التسابق في الأنظمة متعددة الوكلاء
نشر Machine Learning Mastery تحليلاً لحالات التسابق في الأنظمة متعددة الوكلاء: لماذا يفسد الوكلاء الحالة المشتركة من دون أخطاء وما الأنماط التي تقلل الخطر.
Gemma 4 من Google: كيفية تشغيل tool calling محليًا عبر Python وOllama
أوضح Machine Learning Mastery كيفية تحويل Gemma 4 إلى وكيل محلي مزود بـ tool calling: باستخدام Ollama وPython، يستدعي النموذج الدوال، ويحصل على بيانات من واجهات API، ويرد من دون الاعتماد على السحابة.
شرح Machine Learning Mastery كيفية بناء long-context RAG من دون tokens إضافية
استعرض Machine Learning Mastery خمس تقنيات لـ long-context RAG: reranking وcaching والبحث الهجين والبيانات الوصفية وquery expansion لتقليل الضوضاء والتكلفة وزمن الاستجابة.
أوضح Machine Learning Mastery كيفية تشغيل تصنيف النصوص zero-shot بدون dataset
نشر Machine Learning Mastery شرحًا عمليًا لتصنيف النصوص zero-shot: كيفية تحديد الفئات، واستخدام BART، والحصول على labels بدون تدريب على dataset خاص بك.
لماذا أصبحت الذاكرة عنصرًا أساسيًا في وكلاء AI: تحليل على ثلاثة مستويات من التعقيد
يوضح تحليل جديد للذاكرة في وكلاء AI النقطة الأساسية: من دون حفظ السياق، يجيب النموذج بشكل معزول، بينما تُبنى الأنظمة الوكيلة المفيدة على ذاكرة الحوار والمهام والجلسات السابقة.
حددت Machine Learning Mastery خمسة حواجز رئيسية لتوسيع نطاق الذكاء الاصطناعي الوكيلي في 2026
جمعت Machine Learning Mastery خمس مشاكل تمنع الذكاء الاصطناعي الوكيلي من الانتقال من عروض توضيحية مثيرة إلى إنتاج مستقر: من التنسيق إلى الأمان والتحكم في التكاليف.
Machine Learning Mastery: لماذا متجر المتجهات الواحد غير كافٍ لتطبيقات الذكاء الاصطناعي
Machine Learning Mastery تشرح لماذا لا يمكن لتطبيقات الذكاء الاصطناعي في الإنتاج الاعتماد على متجر المتجهات وحده: هناك حاجة أيضاً إلى طبقة SQL للتحكم في الوصول والفواتير والبيانات الوصفية وحالة التطبيق.
أوضحت Machine Learning Mastery كيفية بناء وكلاء ذكاء اصطناعي في Python باستخدام Pydantic AI
أطلقت Machine Learning Mastery دليلاً عملياً حول Pydantic AI: كيفية الحصول على استجابات منظمة وربط الأدوات وتنفيذ التبعيات وبناء وكلاء ذكاء اصطناعي أكثر موثوقية في Python.
أطلقت Machine Learning Mastery دليلاً عن هندسة السياق للوكلاء الذكيين الموثوقين
أوضحت Machine Learning Mastery لماذا يفشل وكلاء الذكاء الاصطناعي بسبب سوء إدارة السياق أكثر من فشل النموذج، وكيفية حل ذلك من خلال ميزانيات الرموز وتلخيص السجل والاسترجاع الدقيق.
OpenAI و Anthropic و Gemini: كيف يقلل تخزين الاستدلال من تكلفة وتأخير النماذج اللغوية الكبيرة
يسمح تخزين الاستدلال للنماذج اللغوية الكبيرة بتجنب إعادة حساب أجزاء متطابقة من الطلب، مما يقلل نفقات الرموز ويسرع الإجابات، مع أن تخزين البادئة يصبح الآلية الرئيسية للإنتاج.
Scikit-LLM توضح كيفية دمج تلخيص النصوص في خط أنابيب ML من scikit-learn
اقترحت Scikit-LLM مخطط حيث يتم تلخيص النصوص الطويلة أولاً بإيجاز بواسطة نموذج Hugging Face، ثم يتم تغذيتها مباشرة في خط أنابيب scikit-learn للتصنيف.
خمسة أنماط أمنية من دونها يُحكم على AI القائم على الوكلاء بالفشل
يتخذ وكلاء AI المستقلون قرارات على نحو متزايد من دون تدخل بشري. لكن كلما زادت حرية النظام، ارتفعت كلفة الخطأ. نستعرض الأنماط المعمارية الأمنية التي باتت معياراً في الصناعة.
مقارنة LLM Embeddings وTF-IDF وBag-of-Words في Scikit-learn
نحلل أي طريقة لتمثيل النصوص — من TF-IDF الكلاسيكي إلى embeddings الحديثة — هي الأنسب لخوارزميات التعلم الآلي في Scikit-learn.
سحر المتجهات: 7 طرق للاستفادة القصوى من تضمينات نماذج اللغة الكبيرة
السحر الموجهي: 7 طرق لتحقيق أقصى استفادة من التضمينات في نماذج اللغات الكبيرة تشبه صناعة الذكاء الاصطناعي الآن شخصاً اشترى سيارة فيراري فقط ليقودها حصرياً إلى المتجر المجاور لشراء الخبز.
LLM 2026: чтعن читать معلهдня, чтعنбы не прعنمعнутьمعя динعنзаفيрعنм заفيтра
صناعة الذكاء الاصطناعي تتحرك بسرعة أكثر مما ينجح معظمنا في إنهاء القهوة الصباحية. يبدو أن أمس فقط كنا مندهشين من قدرة GPT-3 على نظم الأبيات عن القطط، واليوم نناقش بجدية الأنظمة المتعددة الوكلاء التي…
الذكاء الاصطناعي الوكيل: سبعة أسباب تشرح لماذا قد يجن مساعدك المستقل
تشهد صناعة الذكاء الاصطناعي انتقالاً مهماً من نماذج اللغة السلبية إلى الوكلاء النشطين. إن كنا في السابق نعجب بقدرة الشبكة العصبية على كتابة الشعر أو تلخيص النصوص، فإن المؤسسات اليوم تريد من الذكاء…
تطبيقات LLM: فرسان النهاية الثلاثة لشركتك الناشئة
لنكن صرحاء: اليوم، أي طالب لديه إمكانية الوصول إلى واجهة برمجة تطبيقات OpenAI يمكنه بناء مساعد ذكاء اصطناعي "ثوري" في ليلة واحدة.
دورة أندرو نج مكتملة: إلى أين تذهب لتجنب البقاء مبتدئاً للأبد
لقد أغلقتَ الأسبوع الأخير من دورة أندرو ني على منصة كورسيرا، وحصلتَ على الشهادة الرقمية التي طال انتظارك، والآن تشعر وكأنك سيد الأوزان والانحيازات.