BenFeed
95 subscribers
428 links
Ai, DevOps, Backend, Frontend
Download Telegram
‏AI's top startups are barely publishing their research
‏استارتاپ‌های برتر هوش مصنوعی دیگر تقریباً تحقیقاتشان را منتشر نمی‌کنند

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: کاهش انتشار پژوهش‌های باز از سوی استارتاپ‌های بزرگ AI یعنی جامعه‌ی علمی دسترسی کمتری به frontier research داره و شکاف بین لابراتوارهای بسته و دنیای open دارد عمیق‌تر می‌شه.
💡 نکته: وقتی شرکت‌هایی مثل OpenAI و Anthropic از انتشار باز فاصله می‌گیرن، بخش زیادی از نوآوری واقعی دیگه از طریق paper قابل ردیابی نیست — باید از طریق product release و leak اطلاعات گرفت.
👥 برای کی: محققان، توسعه‌دهنده‌هایی که روی LLM کار می‌کنند و کسانی که انتخاب‌های فنی‌شان متکی به ادبیات پژوهشی است.

🔗 https://www.science.org/content/article/ai-s-top-startups-are-barely-publishing-their-research
#ai #LLM

@BenFeed
‏We're launching Lyria 3.5 in Google Flow Music, with advances across musicality, lyrics, vocals, and creative control.
‏معرفی Lyria 3.5 در Google Flow Music با پیشرفت‌هایی در موسیقی‌نوازی، متن، صدا و کنترل خلاقانه

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: Google داره جدی‌تر از قبل وارد حوزه‌ی تولید موسیقی با AI می‌شه و Lyria 3.5 نشون می‌ده این مسابقه با Suno و Udio خیلی فشرده‌تر شده.
💡 نکته: کنترل دقیق‌تر روی vocals و lyrics یعنی این model داره از «ابزار آزمایشگاهی» به سمت «ابزار production» حرکت می‌کنه.
👥 برای کی: توسعه‌دهنده‌هایی که روی audio generation، creative tools یا ادغام AI در اپ‌های موسیقی کار می‌کنند.

🔗 https://blog.google/innovation-and-ai/models-and-research/google-labs/lyria-3-5/
#ai #LLM #audio

@BenFeed
‏Anatomy of a frontier-lab agent intrusion
‏تشریح یک نفوذ agent‌محور به آزمایشگاه‌های پیشرفته‌ی هوش مصنوعی

‏هدف Hugging Face پیشبرد و دموکراتیزه‌کردنِ هوش مصنوعی از طریق open source و علمِ باز است.

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: حملاتِ مبتنی بر agent به زیرساخت‌های frontier lab‌ها یک تهدید واقعی و رو‌به‌رشد است؛ فهمیدنِ آناتومیِ این نفوذها برای هر تیمی که agent deploy می‌کند ضروری است.
💡 نکته: وقتی agent‌ها به سیستم‌های حساس دسترسی دارند، سطحِ حمله دیگر فقط کد نیست — بلکه خودِ reasoning و planning مدل هم می‌تواند بردارِ نفوذ باشد.
👥 برای کی: توسعه‌دهندگانی که روی امنیتِ AI، طراحیِ agent یا استقرارِ LLM در محیط‌های حساس کار می‌کنند.

🔗 https://huggingface.co/blog/agent-intrusion-technical-timeline
#ai #LLM #security

@BenFeed
‏How GPT-5.6 fuses frontier intelligence with frontier efficiency
‏چطور GPT-5.6 هوش پیشرفته را با کارایی پیشرفته ترکیب می‌کند

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: ادغام قدرت استدلال و کارایی در یک model می‌تونه نقطه‌ی عطفی باشه برای کسانی که هزینه‌ی inference برای‌شون حرف اول رو می‌زنه.
💡 نکته: اگر OpenAI واقعاً بتونه frontier intelligence رو بدون افت efficiency ارائه بده، رقابت در لایه‌ی API یه سطح بالاتر می‌ره.
👥 برای کی: توسعه‌دهنده‌هایی که روی integration با LLM، بهینه‌سازی هزینه‌ی inference، یا انتخاب model کار می‌کنن.

🔗 https://openai.com/index/gpt-5-6-frontier-intelligence-efficiency
#ai #LLM

@BenFeed
👍1
‏Theo Conjecture solves 35-year-old math problem, finds a term no one predicted
‏سیستم Theo Conjecture یک مسئله‌ی ۳۵ساله‌ی ریاضی را حل کرد و عبارتی کشف کرد که کسی پیش‌بینی‌اش نکرده بود

‏یک سیستم کشفِ خودکار که Randy Davila در FirstPrinciples ساخته، پیش‌بینیِ ۱۹۸۹ Paul Erdős و William Staton را — که اعداد اول را به تابع Riemann zeta پیوند می‌داد — اثبات کرده است. افزون بر این، عبارت ریاضیِ دومی کشف شده که دهه‌ها از دید همه پنهان مانده بود.

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: این نشان می‌دهد سیستم‌های automated reasoning دیگر فقط ابزار کمکی نیستند — می‌توانند به‌تنهایی قضایایی را اثبات کنند که دهه‌ها روی زمین مانده بودند.
💡 نکته: کشفِ عبارتِ دوم — که در حدسِ اصلی وجود نداشت — نشانه‌ی exploration واقعی است، نه فقط verification.
👥 برای کی: کسانی که روی automated theorem proving، formal verification یا AI for mathematics کار می‌کنند.

🔗 https://firstprinciples.com/blog-article/ai-system-theo-conjecture-solves-35-year-old-math-conjecture
#ai #LLM

@BenFeed
‏How enabling two settings tripled our scores on the ARC-AGI-3 benchmark
‏فعال کردن دو تنظیم ساده، امتیاز ما را روی benchmark ی ARC-AGI-3 سه برابر کرد

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: نشون می‌ده که فاصله‌ی بین نتایج ضعیف و قوی روی ARC-AGI-3 گاهی نه به مدل، بلکه به پیکربندیِ اجرا برمی‌گرده — این دیدِ ارزیابی را کاملاً عوض می‌کنه.
💡 نکته: قبل از اینکه نتیجه‌ی یک benchmark را به توانایی مدل نسبت بدید، مطمئن شید همه‌ی setting‌های مرتبط درست فعال‌اند.
👥 برای کی: کسانی که روی evaluation، agent یا fine-tuning مدل‌های reasoning کار می‌کنند.

🔗 https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores
#ai #benchmark #LLM

@BenFeed
‏Google shuts down Nobel Prize winning AlphaFold
‏گوگل سرویس AlphaFold برنده‌ی جایزه‌ی نوبل را تعطیل کرد

‏تیم DeepMind اعلام کرده سرویس AlphaFold را می‌بندد.

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: بستن یک سرویس علمیِ برنده‌ی نوبل توسط گوگل نشان می‌دهد حتی پروژه‌های پرسروصدا هم از چرخه‌ی تجاری‌سازی در امان نیستند.
💡 نکته: اگر جامعه‌ی تحقیقاتی به این سرویس وابسته بود، این تصمیم می‌تواند یک درس درباره‌ی ریسکِ تکیه بر زیرساخت‌های cloud متعلق به شرکت‌های بزرگ باشد.
👥 برای کی: محققان bioinformatics و توسعه‌دهندگانی که روی API‌های علمی یا زیرساخت‌های تحقیقاتی کار می‌کنند.

🔗 https://www.engadget.com/2225849/google-shuts-down-alphafold/
#ai #AlphaFold #DeepMind

@BenFeed
‏OpenAI's work on Git for large repositories
‏تلاش OpenAI برای بهبود Git در مخازن بزرگ

‏تیم OpenAI روی بهینه‌سازی Git برای مخازن بزرگ‌مقیاس کار می‌کند — چالشی که هر سازمانی با codebase‌های حجیم به‌خوبی می‌شناسد.

‏نظر هوش مصنوعی — ۶/۱۰
🎯 چرا مهمه: مدیریت مخازن بزرگ در Git یکی از دردهای کلاسیک تیم‌های enterprise است و هر پیشرفتی در این حوزه مستقیماً روی workflow روزمره تأثیر می‌گذارد.
💡 نکته: وقتی OpenAI که خودش با codebase‌های عظیم دست‌وپنجه نرم می‌کند روی این مشکل کار می‌کند، احتمال اینکه راه‌حل‌هایشان به upstream Git راه پیدا کند بالاست.
👥 برای کی: توسعه‌دهنده‌هایی که روی tooling، DevOps یا مدیریت monorepo کار می‌کنند.

🔗 https://openai-git-upstream.openai.chatgpt.site/
#devops #git

@BenFeed
‏EU will mandate labels on authentic-looking AI content starting August 2
‏از دوم اوت، اتحادیه اروپا برچسب‌گذاری محتوای واقع‌نمای هوش مصنوعی را اجباری می‌کند

‏موضوع فقط حمایت از مصرف‌کننده نیست؛ بلکه پای حمایت از دموکراسی هم در میان است.

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: این قانون مستقیماً روی هر پلتفرمی که محتوای تولیدشده با هوش مصنوعی منتشر می‌کند تأثیر می‌گذارد و استانداردهای جدیدی برای شفافیت در فضای دیجیتال تعریف می‌کند.
💡 نکته: اجباری‌شدن labeling در اتحادیه اروپا معمولاً به de-facto استاندارد جهانی تبدیل می‌شود — همان‌طور که GDPR این مسیر را رفت.
👥 برای کی: توسعه‌دهندگانی که روی محصولات AI-generated content یا پلتفرم‌های رسانه‌ای کار می‌کنند.

🔗 https://www.engadget.com/2227966/eu-mandate-labels-on-authentic-looking-ai-content/
#ai #regulation

@BenFeed
‏Ten advances in mathematics and theoretical computer science
‏ده پیشرفت در ریاضیات و علوم کامپیوتر نظری

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: نشون می‌ده مدل‌های زبانی دیگه فقط ابزار کدنویسی نیستن — می‌تونن در حل مسائل باز و سختِ ریاضی و نظری هم سهم واقعی داشته باشن.
💡 نکته: پیشرفت در ریاضیاتِ نظری معمولاً دهه‌ها طول می‌کشه؛ اگه AI این چرخه رو کوتاه کنه، تأثیرش روی cryptography، complexity theory و algorithm design عمیق خواهد بود.
👥 برای کی: کسانی که روی reasoning، LLM و کاربردهای AI در علوم پایه کار می‌کنن.

🔗 https://openai.com/index/ten-advances-in-mathematics/
#ai #LLM #reasoning

@BenFeed
‏STORM-0817: Iran-linked malware and scraping activity
‏بدافزار و فعالیت scraping مرتبط با ایران: گروه STORM-0817

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: این گزارش نشان می‌دهد که عوامل دولتی چطور از ابزارهای هوش مصنوعی برای توسعه‌ی malware و عملیات scraping استفاده می‌کنند — و OpenAI چطور این سوءاستفاده‌ها را شناسایی و متوقف کرده.
💡 نکته: وقتی یک platform بزرگ اسم یک threat actor را به‌صراحت اعلام می‌کند، یعنی بازی transparency در حوزه‌ی AI safety جدی‌تر شده.
👥 برای کی: توسعه‌دهنده‌هایی که روی امنیت، threat intelligence یا سیاست‌های استفاده از API کار می‌کنند.

🔗 https://openai.com/index/disrupting-malicious-uses-of-ai-storm-0817
#ai #security #LLM

@BenFeed
‏Stop fucking around with database commits and transactions
‏دست از سر commit و transaction بردار — قوانینی که باید کد enforce کنه

‏یک commit سرگردان که چند لایه زیر کد مدفون شده بود، ماه‌ها از وقتم رو گرفت. در این مقاله می‌خونیم چرا لایه‌ی DB باید مالک همه‌ی commit و transaction‌ها باشه — و چطور این قوانین رو با AST و linter‌ها enforce کنیم.

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: پراکنده‌بودن commit‌ها توی لایه‌های مختلف یکی از رایج‌ترین منابع باگ‌های سخت‌پیداست؛ این رویکرد جلوی اشتباه رو به‌صورت ساختاری می‌گیره.
💡 نکته: وقتی قوانین معماری رو در AST و linter‌ها بنویسی، دیگه نیازی به code review دستی نداری — خود ابزار پول‌تو نگه می‌داره.
👥 برای کی: backend developer‌هایی که با database layer و معماری لایه‌بندی‌شده کار می‌کنن.

🔗 https://www.droppedasbaby.com/posts/db-commits/
#backend #database #architecture

@BenFeed
‏Tesla Spyware
‏جاسوس‌افزار Tesla

‏متوجه شدم Model X من هر بار که به WiFi وصل می‌شه و پارک می‌کنه، چیزی حدود ۲.۶ گیگابایت داده به Tesla آپلود می‌کنه. امیدوارم خاموش‌کردن این تنظیمات جلوشو بگیره؛ وگرنه شاید وقتشه یه ماشین جدید بخرم.

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: وقتی یه خودروی متصل بدون اطلاع صریح کاربر ۲.۶ گیگابایت داده آپلود می‌کنه، مسئله‌ی حریم خصوصی از دنیای نرم‌افزار وارد دنیای فیزیکی شده — و این برای همه‌ی OEM‌های خودرو یه هشداره.
💡 نکته: مشکل اصلی نه خودِ data collection، بلکه غیرشفاف‌بودن اون‌هاست؛ بدون network monitoring خودِ کاربر هرگز متوجه نمی‌شد.
👥 برای کی: توسعه‌دهنده‌هایی که روی privacy، IoT یا embedded system کار می‌کنند.

🔗 https://ma.tt/2026/07/tesla-spyware/
#backend #privacy #IoT

@BenFeed
‏Seedance 2.5
‏معرفی Seedance 2.5؛ خلق یک‌باره و رفرنس‌دهیِ انعطاف‌پذیر

‏ویدیو ساختن حالا یک‌باره تموم می‌شه. ByteDance مدل Seedance 2.5 رو معرفی کرد که با رویکرد «one-take creation» کار می‌کنه و به شما امکان می‌ده با رفرنس‌دهیِ انعطاف‌پذیر، خروجی ویدیویی دقیق‌تری بسازید.

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: رقابت در فضای video generation model‌ها داره شدت می‌گیره و هر نسخه‌ی جدید مرز کنترل‌پذیری خروجی رو جابه‌جا می‌کنه.
💡 نکته: قابلیت «flexible referencing» اگر درست پیاده شده باشه، مشکل قدیمیِ inconsistency در خروجی‌های ویدیویی رو کم می‌کنه.
👥 برای کی: توسعه‌دهنده‌هایی که روی pipeline‌های تولید محتوا یا integration با video generation API کار می‌کنن.

🔗 https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5
#ai #LLM #video_generation

@BenFeed
‏Scanning 7.6 Petabytes of HuggingFace Training Data for Secrets
‏اسکن ۷.۶ پتابایت داده‌ی آموزشی HuggingFace برای یافتن اطلاعات محرمانه

‏تیم Truffle Security تمام dataset‌های عمومی Hugging Face را برای یافتن credential‌های واقعی اسکن کرد: ۷.۶ پتابایت در قالب ۱۸۷ میلیون فایل. نتیجه؟ ۲۲۱٬۳۰۳ credential فعال، از جمله token‌هایی که می‌توانند کد را به نرم‌افزارهایی که میلیون‌ها نفر نصب می‌کنند push کنند.

‏نظر هوش مصنوعی — ۹/۱۰
🎯 چرا مهمه: dataset‌های عمومی به‌عنوان بردار حمله‌ی زنجیره‌ی تأمین نرم‌افزار دیده نمی‌شدند؛ این یافته نشان می‌دهد که secret‌های سوخته‌شده در training data می‌توانند مستقیماً به pipeline‌های production آسیب بزنند.
💡 نکته: اگر تیمتان dataset عمومی آپلود کرده، احتمالاً باید همین امروز چرخه‌ی credential‌هایتان را بررسی کنید.
👥 برای کی: هر کسی که با MLOps، supply chain security یا مدیریت secret‌ها سروکار دارد.

🔗 https://trufflesecurity.com/blog/scanning-7-6-petabytes-of-ai-training-data-for-secrets
#ai #backend #security #MLOps

@BenFeed
‏What Is MiniMax H3? Everything You Need to Know About the Hailuo 3.0 Video Model
‏مینی‌مکس H3 چیست؟ هر آنچه باید درباره‌ی مدل ویدیویی Hailuo 3.0 بدانید

‏در ۳۱ جولای ۲۰۲۶، شرکت چینی MiniMax به‌طور رسمی مدل MiniMax H3 را معرفی کرد — نسل سوم از خانواده‌ی مدل‌های ویدیویی Hailuo که با نام Hailuo 3.0 هم شناخته می‌شود.

‏نظر هوش مصنوعی — ۶/۱۰
🎯 چرا مهمه: رقابت در فضای video generation model‌ها داره تند می‌شه و ورود نسل سوم MiniMax نشون می‌ده بازیگران چینی جدی‌تر از قبل وارد این عرصه شدن.
💡 نکته: معرفی نسل‌های پیاپی در فاصله‌ی کوتاه معمولاً یعنی این حوزه هنوز در مرحله‌ی رقابت سرعتی‌ست، نه بلوغ.
👥 برای کی: توسعه‌دهنده‌هایی که روی video generation، multimodal pipeline یا انتخاب مدل برای محتوای بصری کار می‌کنند.

🔗 https://minimaxh3.art/blog/what-is-minimax-h3
#ai #LLM

@BenFeed
‏An internal OpenAI Astra model solved 10 major open math and CS problems
‏یک مدل داخلی Astra از OpenAI ده مسئله‌ی بزرگ باز در ریاضی و علوم کامپیوتر را حل کرد

‏نسخه‌ای داخلی از Astra — خانواده‌ی بعدی مدل‌های OpenAI — ده مسئله‌ی بزرگ باز در ریاضیات، پیچیدگی کوانتومی و علوم کامپیوتر نظری را حل کرده است. تیم OpenAI معتقد است این یک گام بزرگ برای scientific reasoning خواهد بود.

‏نظر هوش مصنوعی — ۹/۱۰
🎯 چرا مهمه: حل مسائل باز نظری توسط یک مدل — نه assist کردن محقق، بلکه حلِ مستقل — مرزِ جدیدی در reasoning هوش مصنوعی است که می‌تواند نقش مدل‌ها در تحقیقات علمی را اساساً تغییر دهد.
💡 نکته: این خبر از یک tweet داخلی است و هنوز peer review نشده؛ هیجان واقعی است ولی باید منتظر جزئیات فنی ماند.
👥 برای کی: کسانی که روی LLM reasoning، agent‌های علمی یا آینده‌ی AI در تحقیقات کار می‌کنند.

🔗 https://twitter.com/polynoamial/status/2083467194663571701
#ai #LLM

@BenFeed
‏Only 8.9% of sites block AI crawlers, but 94.8% are never cited in AI answers
‏تنها ۸.۹٪ از سایت‌ها AI crawler‌ها را مسدود می‌کنند، ولی ۹۴.۸٪ هرگز در پاسخ‌های AI نامشان نمی‌آید

‏از میان سایت‌های بررسی‌شده، ۹۴.۸٪ هرگز وقتی یک AI assistant به سؤال خرید در حوزه‌شان پاسخ می‌دهد، نامشان برده نمی‌شود. این نتیجه‌ی یک مطالعه‌ی جاری روی ۵۳۱ وب‌سایت است که در ChatGPT، Claude، Gemini و Perplexity انجام شده.

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: رقابت برای دیده‌شدن در نتایج AI دارد جای SEO سنتی را می‌گیرد و اکثر سایت‌ها هنوز متوجه این تغییر نشده‌اند.
💡 نکته: بلاک‌نکردنِ crawler به‌تنهایی کافی نیست؛ مشکل اصلی این است که محتوا اصلاً به‌عنوان منبعِ معتبر توسط این مدل‌ها شناخته نمی‌شود.
👥 برای کی: توسعه‌دهنده‌ها و تیم‌هایی که روی SEO، content strategy یا AI visibility کار می‌کنند.

🔗 https://website-auditor.io/ai-visibility-index
#ai #SEO #LLM

@BenFeed
‏Show HN: Draco – A single-binary, self-hostable Firecrawl alternative in Rust
‏معرفی Draco — جایگزین سبک‌وزن و self-hostable برای Firecrawl، نوشته‌شده در Rust

‏جایگزینی سریع‌تر، ارزان‌تر و سبک‌تر برای Firecrawl که کاملاً در اختیار خودتان است. روی ماشین شما اجرا می‌شود و به‌صورت built-in دارای MCP، web search رایگان و یک JavaScript console بدون نیاز به browser است.

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: وابستگی به سرویس‌های ابری برای crawl و scraping هزینه‌بر است؛ یک binary واحدِ self-hostable این گلوگاه را حذف می‌کند.
💡 نکته: ادغام built-in با MCP یعنی می‌توانید مستقیم این ابزار را به pipeline مدل‌های زبانی وصل کنید بدون هیچ middleware اضافه‌ای.
👥 برای کی: توسعه‌دهنده‌هایی که روی agent، data pipeline یا ابزارهای RAG کار می‌کنند و دنبال جایگزین self-hosted هستند.

🔗 https://github.com/0xchasercat/draco/
#backend #ai #LLM

@BenFeed
‏Welcome to Agents Week
‏خوش‌آمدید به هفته‌ی Agents

‏زیرساخت ابری باید دیگر نه برای مرورگر انسان‌ها، بلکه برای agent‌های خودمختار طراحی شود. در این هفته، Cloudflare بررسی می‌کند که storage، execution و primitive‌های امنیتی چطور باید برای یک وب agent-native بازتعریف شوند.

‏نظر هوش مصنوعی — ۸/۱۰
🎯 چرا مهمه: تغییر مخاطبِ اصلیِ وب از انسان به agent، معماری کل cloud infrastructure را زیر سؤال می‌برد و این یک جهش پارادایمی واقعی است.
💡 نکته: وقتی Cloudflare هفته‌ای کامل را به یک موضوع اختصاص می‌دهد، معمولاً دارد چیزی را announce می‌کند — این سری را دنبال کنید.
👥 برای کی: معماران backend و کسانی که روی deployment یا orchestration اجرای agent کار می‌کنند.

🔗 https://blog.cloudflare.com/agents-week-welcome/
#ai #backend #agents

@BenFeed
‏Qwen3.8-Max: A New Bar for Coding and Cowork
‏نسخه‌ی جدید Qwen3.8-Max؛ معیاری تازه برای کدنویسی و همکاری

‏استودیوی Qwen مجموعه‌ای کامل از قابلیت‌ها ارائه می‌دهد: از chatbot و پردازش تصویر و ویدیو گرفته تا image generation، پردازش اسناد، جستجوی وب، استفاده از tool‌ها و artifacts.

‏نظر هوش مصنوعی — ۷/۱۰
🎯 چرا مهمه: رقابت در فضای coding model‌ها داغ‌تر می‌شه و Qwen با این نسخه ادعا می‌کند معیار جدیدی برای benchmark‌های کدنویسی تعریف کرده.
💡 نکته: ترکیبِ همزمانِ قابلیت‌های multimodal با توانایی‌های coding و tool use، این model را به یک assistant همه‌کاره برای developer‌ها تبدیل می‌کند.
👥 برای کی: توسعه‌دهنده‌هایی که به دنبال جایگزینی برای coding assistant‌های موجود هستند یا روی agent‌های چندوجهی کار می‌کنند.

🔗 https://qwen.ai/blog?id=qwen3.8
#ai #LLM #coding

@BenFeed