‏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

‏The AI bubble is popping; we just don't know it yet
‏حباب هوش مصنوعی داره می‌ترکه؛ فقط هنوز نمی‌دونیم

‏فصل گزارش‌های مالی عجیب‌وغریب شده — و ما هنوز داریم سعی می‌کنیم بفهمیم چه اتفاقی داره می‌افته.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: سیگنال‌های مالی از بزرگ‌ترین بازیگران AI دارن ناهمخوان می‌شن — این می‌تونه نقطه‌ی عطفی باشه که تصمیم‌های سرمایه‌گذاری و roadmap تیم‌ها رو تغییر بده.
‏💡 نکته: حباب‌ها معمولاً از داخل قابل تشخیص نیستن؛ گوش دادن به تحلیل‌های مخالفِ موج، خودش یه مهارت حرفه‌ایه.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی استراتژی adoption یا سرمایه‌گذاری در AI infrastructure تصمیم می‌گیرن.

‏🔗 https://www.theregister.com/ai-and-ml/2026/08/03/the-ai-bubble-is-already-popping-we-just-dont-know-it-yet/5282004
‏#ai #LLM

‏@BenFeed

‏AI's debt binge can't last, hidden borrowing reaches $1.65T
‏موج وام‌گیری هوش مصنوعی پایدار نیست — بدهی پنهان به ۱.۶۵ تریلیون دلار رسید

‏در نقطه‌ای، رودخانه‌های سرمایه که بدهی بخش خصوصی و دولتی را تأمین مالی می‌کنند، دیگر به همین روانی جاری نخواهند بود.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: بخش بزرگی از هزینه‌های سرسام‌آور capex شرکت‌های بزرگ فناوری از طریق بدهی‌های پنهان تأمین می‌شه — رقمی که به ۱.۶۵ تریلیون دلار رسیده و اگر جریان سرمایه کند شود، کل زیرساخت AI در معرض فشار جدی قرار می‌گیره.
‏💡 نکته: hypescaler‌ها با bond issuance ریسک را از ترازنامه‌شان پنهان می‌کنند، ولی بازار بدهی بی‌نهایت صبور نیست.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی infrastructure، cloud و تصمیم‌های build-vs-buy کار می‌کنند.

‏🔗 https://fortune.com/2026/07/31/ai-debt-hypescalers-capex-capital-spending-hidden-borrowing-bond-issuance/
‏#ai #backend #LLM

‏@BenFeed

‏How we built a realtime system for responsive voice AI in six months
‏چطور در شش ماه یک سیستم realtime برای voice AI ساختیم

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: ساختن یک pipeline صوتی با تأخیر کم روی GPT Live چالش‌های مهندسی جدی داره؛ این پست نگاهی از داخل به تصمیم‌های معماری OpenAI می‌ده.
‏💡 نکته: شش ماه برای رساندن یک سیستم realtime voice به production، سرعت بالایی‌ه — جزئیات trade-off‌ها ارزش بررسی دارن.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی voice interface، realtime streaming یا integration با LLM کار می‌کنن.

‏🔗 https://openai.com/index/continuous-voice-interaction-with-gpt-live
‏#ai #backend #LLM

‏@BenFeed

‏Smaller, faster, safer: running Kimi and GLM at scale
‏کوچک‌تر، سریع‌تر، امن‌تر: اجرای Kimi و GLM در مقیاس بزرگ

‏سرویس‌دهی به مدل‌های frontier مثل Kimi و GLM یعنی جنگیدن بر سر حافظه‌ی GPU. در این مقاله می‌بینید چطور Cloudflare با quantize کردن KV cache، فشرده‌سازی وزن‌های مدل، و افزودن integrity check، این مدل‌ها را سریع‌تر، ارزان‌تر و ایمن‌تر سرو می‌کند.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: تکنیک‌های کاهش مصرف حافظه‌ی GPU مستقیماً روی هزینه و latency inference در production تأثیر می‌گذارند؛ این مقاله مسیر عملی را نشان می‌دهد.
‏💡 نکته: ترکیب quantization با integrity check نشان می‌دهد که بهینه‌سازی و امنیت لزوماً با هم در تضاد نیستند.
‏👥 برای کی: توسعه‌دهندگانی که روی inference infrastructure، deploy مدل‌های بزرگ، یا کاهش هزینه‌ی GPU کار می‌کنند.

‏🔗 https://blog.cloudflare.com/smaller-faster-safer-models/
‏#ai #backend #LLM #inference

‏@BenFeed

‏What's the largest software project AI can complete on its own?
‏بزرگ‌ترین پروژه‌ی نرم‌افزاری که AI می‌تواند به‌تنهایی تمام کند چقدر است؟

‏«MirrorCode» پروژه‌ای از Epoch AI است که می‌سنجد یک AI تا چه اندازه می‌تواند پروژه‌های نرم‌افزاری واقعی را به‌طور مستقل تکمیل کند.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: این benchmark سقفِ واقعیِ توانایی‌های coding agentها را می‌سنجد، نه تکلیف‌های ساختگی — پاسخ به این سوال که چه زمانی AI واقعاً جایگزین یک تیم می‌شود.
‏💡 نکته: اندازه‌ی پروژه به‌عنوان معیارِ اصلی، زاویه‌ی تازه‌ای است؛ تا حالا بیشتر روی دقت تمرکز بود، نه مقیاس.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی agent، code generation یا evaluation کار می‌کنند.

‏🔗 https://epoch.ai/MirrorCode
‏#ai #LLM #benchmark

‏@BenFeed

‏LLMs reward expertise
‏مدل‌های زبانی به تخصص پاداش می‌دهند

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: این مقاله زاویه‌ی جالبی باز می‌کنه — کسانی که دانش عمیق دارن از LLM‌ها بیشتر سود می‌برن، نه کسانی که فقط prompt بلدن.
‏💡 نکته: LLM یک multiplier است، نه جایگزین؛ هر چقدر پایه‌ی تخصصی‌تان قوی‌تر باشد، خروجی بهتری از آن می‌گیرید.
‏👥 برای کی: توسعه‌دهنده‌هایی که نگران جایگزین‌شدن با AI هستند یا می‌خواهند بازدهی کارشان با LLM را بالا ببرند.

‏🔗 https://www.seangoedecke.com/llms-reward-expertise/
‏#ai #LLM

‏@BenFeed

‏uber/ADR
‏امنیت‌سازی agent های هوش مصنوعی سازمانی با ADR

‏ابزار ADR برای محافظت از agent های هوش مصنوعی در محیط‌های enterprise طراحی شده و سه رکن اصلی دارد: observability، security benchmarking و threat detection. این پروژه در حال حاضر در Uber استقرار یافته است.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: با گسترش agent های هوش مصنوعی در زیرساخت‌های سازمانی، نبودِ لایه‌ی امنیتی اختصاصی یک ریسک جدی است؛ ADR دقیقاً این خلأ را هدف گرفته.
‏💡 نکته: اینکه Uber این ابزار را در production اجرا می‌کند، نشانه‌ی بلوغ نسبیِ پروژه است — نه فقط یک proof of concept آزمایشگاهی.
‏👥 برای کی: تیم‌هایی که agent های هوش مصنوعی را در محیط‌های enterprise deploy می‌کنند و نگران security و monitoring هستند.

‏🔗 https://github.com/uber/ADR
‏#backend #ai #LLM

‏@BenFeed

‏Third-party cyber evaluations involving OpenAI models
‏ارزیابی‌های امنیت سایبری مستقل روی model های OpenAI

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: ارزیابی‌های مستقل امنیتی روی model های OpenAI نشون می‌ده که این شرکت داره به سمت شفافیت و پاسخ‌گویی بیرونی حرکت می‌کنه — چیزی که صنعت AI به‌شدت بهش نیاز داره.
‏💡 نکته: third-party evaluation برخلاف خودارزیابی، قابل اعتمادتره و می‌تونه معیار جدیدی برای safety benchmark های صنعت بشه.
‏👥 برای کی: تیم‌هایی که روی AI safety، red teaming یا استقرار model های زبانی در محیط‌های حساس کار می‌کنن.

‏🔗 https://openai.com/index/third-party-cyber-evaluations-involving-openai-models/
‏#ai #LLM #security

‏@BenFeed