🤖 ایجنت جدید گوگل با نام MLE-STAR، دنیای مهندسی مدل‌های یادگیری ماشین را متحول کرده است
@rss_ai_ir
⛓️ بدون نیاز به حتی یک خط کدنویسی دستی، این سیستم می‌تواند به‌صورت خودکار مدل بسازد، آموزش دهد، تست کند و بهینه‌سازی انجام دهد. عملکرد آن در رقابت‌های واقعی پلتفرم Kaggle بی‌سابقه بوده است.
📈 ترکیب MLE-STAR با Gemini-2.5-Pro توانسته در ۶۳٪ رقابت‌ها مدال بگیرد و در بیش از ۸۰٪ موارد، عملکردی بالاتر از میانه رقبا داشته باشد. این نتایج نسبت به روش‌هایی مانند GPT-4o یا نسخه‌های دیگر به‌مراتب بهتر بوده‌اند.
🔍 مدل‌های جدید مانند EfficientNet یا ViT به‌صورت خودکار از طریق جست‌وجوی وب انتخاب می‌شوند؛ دیگر خبری از استفاده از مدل‌های قدیمی و ایستا نیست.
🛡 سه ماژول ایمنی درون‌ساخت برای جلوگیری از اشتباهات رایج مانند نشت داده، خطاهای کدنویسی یا توهمات مدل تعبیه شده‌اند تا نتیجه‌ای پایدار، دقیق و ایمن حاصل شود.
🧠 تمرکز این ایجنت به‌جای آزمون‌و‌خطای کور، روی انتخاب‌های هوشمند، ترکیب مدل‌ها و اصلاح دقیق کدهاست. این یعنی هوش مصنوعی در حال نوشتن هوش مصنوعی است.
🛠 دسترسی کامل به کد این سیستم از طریق ابزار ADK برای توسعه‌دهندگان فراهم شده و به‌صورت متن‌باز قابل استفاده است.
#هوش_مصنوعی #گوگل #MLESTAR #AutoML #AIagents #یادگیری_ماشین #خودکارسازی #AI4Industry #Kaggle #MachineLearning #OpenSource #مهندسی_هوش_مصنوعی #گوگل_جمینی
@rss_ai_ir
@rss_ai_ir
⛓️ بدون نیاز به حتی یک خط کدنویسی دستی، این سیستم می‌تواند به‌صورت خودکار مدل بسازد، آموزش دهد، تست کند و بهینه‌سازی انجام دهد. عملکرد آن در رقابت‌های واقعی پلتفرم Kaggle بی‌سابقه بوده است.
📈 ترکیب MLE-STAR با Gemini-2.5-Pro توانسته در ۶۳٪ رقابت‌ها مدال بگیرد و در بیش از ۸۰٪ موارد، عملکردی بالاتر از میانه رقبا داشته باشد. این نتایج نسبت به روش‌هایی مانند GPT-4o یا نسخه‌های دیگر به‌مراتب بهتر بوده‌اند.
🔍 مدل‌های جدید مانند EfficientNet یا ViT به‌صورت خودکار از طریق جست‌وجوی وب انتخاب می‌شوند؛ دیگر خبری از استفاده از مدل‌های قدیمی و ایستا نیست.
🛡 سه ماژول ایمنی درون‌ساخت برای جلوگیری از اشتباهات رایج مانند نشت داده، خطاهای کدنویسی یا توهمات مدل تعبیه شده‌اند تا نتیجه‌ای پایدار، دقیق و ایمن حاصل شود.
🧠 تمرکز این ایجنت به‌جای آزمون‌و‌خطای کور، روی انتخاب‌های هوشمند، ترکیب مدل‌ها و اصلاح دقیق کدهاست. این یعنی هوش مصنوعی در حال نوشتن هوش مصنوعی است.
🛠 دسترسی کامل به کد این سیستم از طریق ابزار ADK برای توسعه‌دهندگان فراهم شده و به‌صورت متن‌باز قابل استفاده است.
#هوش_مصنوعی #گوگل #MLESTAR #AutoML #AIagents #یادگیری_ماشین #خودکارسازی #AI4Industry #Kaggle #MachineLearning #OpenSource #مهندسی_هوش_مصنوعی #گوگل_جمینی
@rss_ai_ir
🎉21❤17👍17🥰16👏12😁12🔥11🙏1
گوگل از MLE-STAR رونمایی کرده است 🚀 — یک عامل هوش مصنوعی که فرآیند توسعه مدل‌های یادگیری ماشین را به‌طور کامل خودکار می‌کند و در ۶۳٪ مسابقات Kaggle به موفقیت رسیده است.
---
✨ ویژگی‌های کلیدی
🛠 اتوماسیون کامل — عامل به‌طور مستقل مدل را طراحی، تست و بهینه می‌کند، بدون نیاز به کدنویسی دستی.
🏆 نتایج رکوردی — کسب مدال در ۶۳٪ رقابت‌های MLE Bench Lite (۳۶٪ طلا) در مقابل ۲۵.۸٪ برای بهترین روش‌های قبلی.
🌐 استفاده از جستجوی وب — شناسایی و بهره‌گیری از معماری‌های به‌روز (مثل EfficientNet و ViT) به‌جای مدل‌های قدیمی مانند ResNet.
🛡 سه لایه ایمنی — بررسی خودکار باگ‌ها، نشت داده و خطاهای مدل زبانی بزرگ (LLM).
💻 متن‌باز — عرضه کد به‌عنوان بخشی از Agent Development Kit (ADK).
🔄 ارتقا خودکار — با یافتن معماری‌های جدید، عملکرد سیستم به مرور بهتر میشود.
---
📊 همان‌طور که در نمودار دیده میشود، MLE-STAR + Gemini-2.5-Pro بهترین عملکرد را داشته و در بیش از ۸۰٪ موارد بالاتر از میانه نتایج رقبا قرار گرفته است.
📎 مطالعه بیشتر: [لینک گوگل ریسرچ](https://research.google/blog/mle-star-a-state-of-the-art-machine-learning-engineering-agents/)
@rss_ai_ir 🚀
#گوگل 🏢 #هوش_مصنوعی 🤖 #یادگیری_ماشین 📊 #اتوماسیون ⚡️ #Kaggle 🏆
---
✨ ویژگی‌های کلیدی
🛠 اتوماسیون کامل — عامل به‌طور مستقل مدل را طراحی، تست و بهینه می‌کند، بدون نیاز به کدنویسی دستی.
🏆 نتایج رکوردی — کسب مدال در ۶۳٪ رقابت‌های MLE Bench Lite (۳۶٪ طلا) در مقابل ۲۵.۸٪ برای بهترین روش‌های قبلی.
🌐 استفاده از جستجوی وب — شناسایی و بهره‌گیری از معماری‌های به‌روز (مثل EfficientNet و ViT) به‌جای مدل‌های قدیمی مانند ResNet.
🛡 سه لایه ایمنی — بررسی خودکار باگ‌ها، نشت داده و خطاهای مدل زبانی بزرگ (LLM).
💻 متن‌باز — عرضه کد به‌عنوان بخشی از Agent Development Kit (ADK).
🔄 ارتقا خودکار — با یافتن معماری‌های جدید، عملکرد سیستم به مرور بهتر میشود.
---
📊 همان‌طور که در نمودار دیده میشود، MLE-STAR + Gemini-2.5-Pro بهترین عملکرد را داشته و در بیش از ۸۰٪ موارد بالاتر از میانه نتایج رقبا قرار گرفته است.
📎 مطالعه بیشتر: [لینک گوگل ریسرچ](https://research.google/blog/mle-star-a-state-of-the-art-machine-learning-engineering-agents/)
@rss_ai_ir 🚀
#گوگل 🏢 #هوش_مصنوعی 🤖 #یادگیری_ماشین 📊 #اتوماسیون ⚡️ #Kaggle 🏆
🔥13🎉13❤12👍11😁6👏2