BenFeed
89 subscribers
684 links
Ai, DevOps, Backend, Frontend
Download Telegram
‏jamwithai/production-agentic-rag-course
‏دوره‌ی ساخت سیستم‌های RAG عاملی برای محیط production

‏مشارکت در توسعه‌ی پروژه‌ی `jamwithai/production-agentic-rag-course` از طریق ساخت حساب در GitHub امکان‌پذیر است.

‏نظر هوش مصنوعی — ⭐ ۶/۱۰
‏🎯 چرا مهمه: شکافِ بین ساختن یک RAG ساده در محیط آزمایشگاهی و deploy کردن یک سیستم agentic RAG واقعی در production، دردِ رایجِ خیلی از تیم‌هاست؛ این دوره مستقیم سراغ همین شکاف می‌رود.
‏💡 نکته: ترکیب agent و RAG در محیط production نیازمند مدیریت خطا، orchestration و latency‌ای است که بیشترِ tutorial‌های معمول بهش نمی‌پردازند.
‏👥 برای کی: توسعه‌دهنده‌هایی که می‌خواهند سیستم‌های RAG را از prototype به production ببرند.

‏🔗 https://github.com/jamwithai/production-agentic-rag-course
‏#backend #LLM #RAG

‏@BenFeed
‏modelcontextprotocol/python-sdk
‏کتابخانه‌ی رسمی Python برای پروتکل Model Context

‏این مخزن، SDK رسمی Python برای ساختن server و client در پروتکل Model Context (MCP) است — همان استانداردی که به LLM‌ها اجازه می‌دهد به ابزارها و منابع خارجی متصل شوند.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: MCP دارد به استانداردِ اتصال agent‌ها به دنیای بیرون تبدیل می‌شود و داشتن یک SDK رسمی Python یعنی پیاده‌سازی آن جدی‌تر شده.
‏💡 نکته: اگر روی ساختِ tool یا context provider برای LLM‌ها کار می‌کنید، این SDK نقطه‌ی شروعِ استاندارد است، نه یک راه‌حلِ موقت.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی agent، LLM integration یا backend هوش مصنوعی کار می‌کنند.

‏🔗 https://github.com/modelcontextprotocol/python-sdk
‏#backend #ai #LLM

‏@BenFeed
‏Show HN: Germany's new sovereign AI model Kolibri
‏مدل هوش مصنوعیِ حاکمیتیِ جدید آلمان: Kolibri

‏Kolibri همان Aleph Alpha است.

‏نظر هوش مصنوعی — ⭐ ۶/۱۰
‏🎯 چرا مهمه: اروپا داره جدی‌تر از قبل دنبال استقلال در حوزه‌ی AI می‌گرده و Kolibri نمادِ این تلاش از سمت آلمانه.
‏💡 نکته: پشتِ برندینگِ «sovereign AI» اغلب یک بازآرایی بازاریابی نهفته‌ست، نه لزوماً یک معماری کاملاً مستقل.
‏👥 برای کی: کسانی که روی compliance، data sovereignty یا استقرار AI در محیط‌های دولتی و اروپایی کار می‌کنند.

‏🔗 https://tej.as/blog/aleph-alpha-kolibri
‏#ai #LLM

‏@BenFeed
‏Kolibri Has Landed: A Sovereign Open-Weight Model
‏کولیبری فرود آمد: یک model سبک‌وزن و مستقل با وزن‌های آزاد

‏مدل Kolibri یک Mixture-of-Experts دوزبانه (انگلیسی-آلمانی) است با ۷۸ میلیارد پارامتر کلی و ۳ میلیارد پارامتر فعال، پنجره‌ی context تا ۱ میلیون توکن، و وزن‌های آزاد تحت لایسنس Apache 2.0 — طراحی‌شده برای کارهای mission-critical و حاکمیتی.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: در دنیایی که اکثر مدل‌های قوی یا بسته‌اند یا آمریکایی، یک open-weight اروپایی با تمرکز بر sovereignty می‌تواند معادله را برای سازمان‌های دولتی و enterprise تغییر دهد.
‏💡 نکته: ترکیب MoE با context یک‌میلیون‌توکنی و لایسنس کاملاً آزاد، Kolibri را برای use case‌های حساس که داده نمی‌تواند از مرز رد شود جذاب می‌کند.
‏👥 برای کی: تیم‌هایی که روی deployment مدل در محیط‌های حاکمیتی، on-premise یا enterprise کار می‌کنند.

‏🔗 https://aleph-alpha.com/en/blog/kolibri-has-landed-a-sovereign-open-weight-model/
‏#ai #LLM #opensource

‏@BenFeed
‏agno-agi/agno
‏ساخت، اجرا و مدیریت پلتفرم‌های agent با Agno

‏ابزار Agno یک framework متن‌باز برای ساخت، اجرا و مدیریت پلتفرم‌های agent است که توسعه‌اش روی GitHub جریان دارد و می‌توانید در آن مشارکت کنید.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: ساخت پلتفرم‌های agent در مرحله‌ی production به infrastructure جدی نیاز داره و Agno سعی داره این لایه رو به صورت یکپارچه ارائه بده.
‏💡 نکته: تفاوت «ساختن یک agent» با «مدیریت پلتفرم چند-agent» دقیقاً همون جایی‌ه که اکثر framework‌ها کم می‌آرن — جالبه ببینیم Agno این gap رو چطور پر می‌کنه.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی backend سیستم‌های agent یا orchestration کار می‌کنند.

‏🔗 https://github.com/agno-agi/agno
‏#backend #ai #agent

‏@BenFeed
‏I Quit OpenAI Because Its Culture Is Broken
‏از OpenAI استعفا دادم چون فرهنگش خراب شده

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: استعفاهای داخلی از تیم safety یکی از معتبرترین سیگنال‌هاست که نشون می‌ده آیا یه شرکت واقعاً به ارزش‌های اعلام‌شده‌اش پایبنده یا نه.
‏💡 نکته: وقتی کسی از داخل OpenAI بیرون می‌زنه و علناً از فرهنگ سازمانی انتقاد می‌کنه، این دیگه نه نارضایتی معمولی‌ه نه PR؛ باید جدی گرفته بشه.
‏👥 برای کی: کسانی که روی AI safety، governance یا انتخاب model provider کار می‌کنند.

‏🔗 https://www.theatlantic.com/technology/2026/10/openai-safety-team-resignation/688881/
‏#ai #LLM

‏@BenFeed
‏Open-sourcing AstaBrief, the fast report-generation model in Asta
‏انتشار متن‌باز AstaBrief، مدل سریع تولید گزارش در Asta

‏تیم Ai2 مدل AstaBrief را منتشر کرد — یک model با ۸ میلیارد پارامتر و وزن‌های باز برای تولید گزارش‌های علمی استنادگذاری‌شده. این model هم در حالت Fast در Asta قابل استفاده است و هم می‌توانید آن را دانلود کرده و روی زیرساخت خودتان اجرا کنید.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: داشتن یک model باز و ۸B برای report generation علمی با citation، گزینه‌ی جدی‌ای برای تیم‌هایی است که نمی‌خواهند به API‌های بسته وابسته باشند.
‏💡 نکته: تمرکز روی cited report یعنی این model برای hallucination کمتر بهینه شده — نقطه‌ی ضعف بزرگ اغلب LLM‌ها در حوزه‌ی علمی.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی RAG، research tooling یا scientific AI کار می‌کنند.

‏🔗 https://allenai.org/blog/astabrief
‏#ai #LLM

‏@BenFeed
‏Claude Frontier Academy: $100M to train 10,000 engineers - Anthropic
‏آکادمی Claude Frontier: صد میلیون دلار برای آموزش ده‌هزار مهندس

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: Anthropic داره با سرمایه‌گذاری جدی روی آموزش نیروی انسانی، اکوسیستم توسعه‌دهندگانِ Claude را از پایه می‌سازد — این یعنی رقابت مستقیم با برنامه‌های developer advocacy شرکت‌هایی مثل OpenAI و Google.
‏💡 نکته: تمرکز روی ۱۰,۰۰۰ مهندس نشان می‌دهد هدف، ساختن یک لایه‌ی متخصص تأثیرگذار است نه صرفاً بازاریابی عمومی.
‏👥 برای کی: توسعه‌دهنده‌هایی که با API های Anthropic کار می‌کنند یا قصد ورود به حوزه‌ی AI agent دارند.

‏🔗 https://news.google.com/rss/articles/CBMiZEFVX3lxTE9FNlFxVHBSRkl5bVF0c253UE5sUEFac3dDZmQ4bzFjc2lER0hNcjFmUUxPVFI5T0xQcldFTXhsd1diR2h4UUVoRnl4TWxEVnp5WXpCMFdkZHNKdlA1bFV4QTVqUDI?oc=5
‏#ai #LLM

‏@BenFeed
‏OpenAI safety leader quits, warning AI company's culture is 'broken'
‏مسئول ایمنیِ OpenAI استعفا داد و فرهنگ این شرکت را «شکسته» خواند

‏دیوید رابینسون به جمعِ افراد داخلی پیوست که از صنعت می‌خواهند در قبالِ فناوریِ در حالِ توسعه‌ی سریع، احتیاطِ بیشتری به خرج دهد.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: استعفاهای پیاپیِ افرادِ کلیدی در حوزه‌ی safety از OpenAI، نشانه‌ی یک بحرانِ فرهنگیِ جدی در تأثیرگذارترین شرکت AI دنیاست.
‏💡 نکته: وقتی کسانی که از درون سیستم می‌بینند هشدار می‌دهند، معمولاً زودتر از بقیه درست می‌گویند.
‏👥 برای کی: هر کسی که روی محصولاتِ مبتنی بر API های OpenAI کار می‌کند یا به governance و safety در AI اهمیت می‌دهد.

‏🔗 https://www.theguardian.com/technology/2026/oct/03/openai-safety-leader-quits-warning-ai-companys-culture-is-broken
‏#ai #LLM

‏@BenFeed
‏Getting the most out of Opus 5.5 in Claude and Claude Code
‏بهترین استفاده از Opus 5.5 در Claude و Claude Code

‏راهنمایی برای prompt زدن به Opus 5.5، هدایت یک اجرای طولانی، و بررسی نتایج در Claude apps و Claude Code.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: Opus 5.5 یک مدل reasoning-heavy است و اگر نحوه‌ی prompt زدن و steering اجراهای طولانی را بلد نباشید، زمان و هزینه هدر می‌رود.
‏💡 نکته: تفاوت بین یک prompt معمولی و یک prompt خوب برای مدل‌های reasoning-based می‌تواند تفاوت بین خروجی قابل استفاده و garbage باشد.
‏👥 برای کی: توسعه‌دهنده‌هایی که با Claude Code کار می‌کنند یا agent‌های مبتنی بر Claude می‌سازند.

‏🔗 https://claude.dev/blog/getting-the-most-out-of-opus-5-5/
‏#ai #LLM #Claude

‏@BenFeed
‏Writing code by hand is over, forever
‏نوشتن کد با دست تموم شد، برای همیشه

‏بعد از ۱۸ سال کدنویسیِ روزانه، نوشتن دستیِ کد را کنار گذاشتم. تیم ما بیشتر از قبل ship می‌کند، تعداد bug report‌ها هم بالا نرفته — و حالا دارم فکر می‌کنم برنامه‌نویسی دیگر چه می‌تواند بشود.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: این فقط یک تجربه‌ی شخصی نیست؛ نشانه‌ی یک تغییرِ واقعی در نقشِ توسعه‌دهنده است که دارد از «نوشتنِ کد» به «هدایتِ کد» شیفت می‌کند.
‏💡 نکته: وقتی productivity بالا می‌رود و کیفیت پایین نمی‌آید، دیگر نمی‌شود این تغییر را صرفاً «تنبلی» یا «ریسک» نامید.
‏👥 برای کی: توسعه‌دهنده‌هایی که هنوز با جایگاهِ AI در workflow روزانه‌شان کنار نیامده‌اند.

‏🔗 https://eliocapella.com/blog/writing-code-by-hand-is-over/
‏#ai #LLM

‏@BenFeed
‏LeCun has "zero concerns" about AI wiping out humanity, recent "rogue" incidents
‏لکان «هیچ نگرانی»‌ای از نابودی بشر توسط هوش مصنوعی ندارد

‏یان لکان، دانشمند ارشد سابق هوش مصنوعی Meta، دیدگاهش را درباره‌ی حوادث اخیر «سرکش‌شدن» هوش مصنوعی، effective altruism، و برنامه‌های شرکت جدیدش AMI Labs با ما در میان گذاشته است.

‏نظر هوش مصنوعی — ⭐ ۶/۱۰
‏🎯 چرا مهمه: موضع صریح یکی از تأثیرگذارترین چهره‌های دنیای AI در تضاد مستقیم با روایت غالب درباره‌ی خطرات وجودی این فناوری قرار می‌گیرد و نشان می‌دهد شکاف فکری میان محققان برجسته جدی است.
‏💡 نکته: وقتی کسی با پشتوانه‌ی علمی لکان می‌گوید «صفر نگرانی»، این نه آرام‌بخشی است نه بی‌مسئولیتی — بلکه تفاوت بنیادی در مدلِ ذهنیِ ریسک را نشان می‌دهد که هر توسعه‌دهنده‌ای باید بفهمد.
‏👥 برای کی: کسانی که روی AI safety، agent یا سیاست‌گذاری هوش مصنوعی کار می‌کنند.

‏🔗 https://fortune.com/2026/10/01/ai-godfather-yann-lecun-has-zero-concerns-about-human-extinction-says-anthropic-ceo-dario-amodei-is-deuded/
‏#ai #LLM

‏@BenFeed
‏Run Qwen 3.8 Flash Next (125B) on consumer hardware (RTX 4090) at 100T/s
‏اجرای Qwen 3.8 Flash Next روی سخت‌افزار معمولی با سرعت ۱۰۰ توکن در ثانیه

‏نصب تک‌کلیکی Qwen3.8-Flash-Next روی Windows و Linux با موتور inference به نام Strata؛ پشتیبانی از API سازگار با OpenAI و Anthropic به‌صورت localhost، به‌علاوه‌ی قابلیت اختیاری برای ورودی تصویر.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: اجرای یک مدل ۱۲۵ میلیارد پارامتری با سرعت قابل‌قبول روی یک RTX 4090 معمولی، مرز بین سخت‌افزار consumer و مدل‌های بزرگ را جابه‌جا می‌کند.
‏💡 نکته: سازگاری با API مربوط به OpenAI و Anthropic یعنی می‌توانید بدون تغییر کد، مدل local را جایگزین سرویس‌های ابری کنید.
‏👥 برای کی: توسعه‌دهنده‌هایی که می‌خواهند inference محلی و کم‌هزینه داشته باشند یا روی privacy-sensitive app کار می‌کنند.

‏🔗 https://github.com/Niko1221/Strata
‏#ai #LLM #inference

‏@BenFeed
‏I stopped reviewing my agents' code. Here's what I do instead
‏دیگه کد agent‌هام رو review نمی‌کنم — این‌جا توضیح می‌دم به جاش چی‌کار می‌کنم

‏۵۶۲ تا PR در دو هفته. در این مقاله، workflow، guardrail‌هایی که این روش رو safe نگه می‌دارن، و دقیقاً همون prompt‌ی که استفاده می‌شه رو می‌بینید.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: این یه تغییر پارادایم واقعیه — به جای بررسی خطِ‌به‌خطِ کد، روی طراحیِ guardrail و prompt تمرکز می‌کنه؛ و ادعای ۵۶۲ PR در دو هفته نشون می‌ده این scale واقعاً کار می‌کنه.
‏💡 نکته: وقتی agent‌ها کد می‌نویسن، bottleneck دیگه code review نیست — طراحیِ درستِ constraint‌هاست.
‏👥 برای کی: توسعه‌دهنده‌هایی که با agent‌های کدنویس یا workflow‌های خودکار کار می‌کنن.

‏🔗 https://alexeyindeev.substack.com/p/i-stopped-reviewing-my-agents-code
‏#ai #LLM #agent

‏@BenFeed
‏AI doesn't need 'superintelligence' or evil intent to start a nuclear war
‏هوش مصنوعی برای شروع جنگ هسته‌ای نه به فوق‌هوش نیاز دارد، نه به نیت بد

‏حتی بدون superintelligence یا قصد مخرب، سیستم‌های AI فعلی می‌توانند با تقویت نقاط کور شناختیِ انسان، سرعت‌بخشیدن به مارپیچ‌های تشدید بحران، و غرق‌کردنِ تصمیم‌گیران در سیلِ اطلاعات در لحظات حساس، زمینه‌ساز جنگ هسته‌ای شوند.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: خطر AI در حوزه‌ی امنیت هسته‌ای نه از سناریوهای علمی‌تخیلی، بلکه از همین سیستم‌های موجود و رفتار قابل‌پیش‌بینیِ انسان‌ها زیر فشار ناشی می‌شود — و این خیلی نزدیک‌تر و واقعی‌تر است.
‏💡 نکته: سرعتِ loop تصمیم‌گیری در بحران‌های نظامی آن‌قدر کوتاه است که AI می‌تواند قبل از مداخله‌ی انسانی، escalation را به نقطه‌ی بازگشت‌ناپذیر برساند.
‏👥 برای کی: توسعه‌دهنده‌هایی که روی سیستم‌های AI در حوزه‌های پرریسک، safety، و سیاست‌گذاری فناوری کار می‌کنند.

‏🔗 https://thebulletin.org/2026/10/ai-doesnt-need-superintelligence-or-evil-intent-to-start-a-nuclear-war/
‏#ai #safety

‏@BenFeed
‏Homa: The End of TCP for AI Clusters [video]
‏هوما: پایان TCP در cluster‌های هوش مصنوعی

‏این یک ویدیوی یوتیوب است و متن مقدمه‌ای در دسترس نیست.

‏نظر هوش مصنوعی — ⭐ ۸/۱۰
‏🎯 چرا مهمه: پروتکل Homa ادعا می‌کند TCP را در شبکه‌های داخلی data center — به‌خصوص برای workload‌های AI/ML — منسوخ می‌کند؛ latency و congestion از مشکلات اصلی این محیط‌ها هستند.
‏💡 نکته: جایگزینِ TCP در لایه‌ی transport یعنی تغییر در اساسِ زیرساخت شبکه، نه یک بهینه‌سازیِ سطحی — این بحث برای طراحی AI cluster‌های بزرگ بسیار جدی است.
‏👥 برای کی: مهندسان زیرساخت و کسانی که روی distributed training یا inference در مقیاس بزرگ کار می‌کنند.

‏🔗 https://www.youtube.com/watch?v=eZ8WWZzoaR0
‏#backend #ai #networking

‏@BenFeed
‏"No Vendor Lock-In" Is Code for "No Product"
‏«بدون وابستگی به فروشنده» یعنی «بدون محصول»

‏زمانی مدل‌ها را با هزینه‌ی هر میلیون token می‌سنجیدیم. حالا عددی که بهش اعتماد دارم هزینه‌ی هر task است.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: شعار «vendor lock-in نداریم» اغلب پوششی برای نداشتن opinionِ مشخص درباره‌ی stack است — و این مقاله این توهم را صادقانه می‌شکند.
‏💡 نکته: معیار واقعی برای انتخاب LLM یا infrastructure، cost per token نیست؛ cost per task است که محصول را می‌سازد یا خراب می‌کند.
‏👥 برای کی: معماران سیستم و کسانی که دارند stack هوش مصنوعی‌شان را انتخاب می‌کنند.

‏🔗 https://ferran.sh/writing/no-vendor-lock-in-is-code-for-no-product
‏#ai #backend #LLM

‏@BenFeed
‏ArtCraft Apps – open-source Adobe compatible suite written in Rust
‏مجموعه‌ی متن‌باز سازگار با Adobe، نوشته‌شده با Rust

‏ویرایش تصویر، طراحی وکتور، ویدیو، عکاسی، PDF، موشن‌گرافیک و صفحه‌آرایی: هفت اپ بومی و متن‌باز از تیم ArtCraft که با Rust ساخته شده‌اند و رایگان‌اند.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: یک مجموعه‌ی کامل متن‌باز و سازگار با Adobe می‌تواند جایگزین جدی‌ای برای اشتراک‌های گران‌قیمت Adobe باشد، به‌خصوص برای تیم‌هایی که به ابزارهای cross-platform نیاز دارند.
‏💡 نکته: انتخاب Rust به‌جای C++ نشان می‌دهد تیم روی performance و memory safety حساب باز کرده — نه فقط یک port ساده.
‏👥 برای کی: توسعه‌دهندگان متن‌باز و طراحانی که دنبال جایگزین Adobe می‌گردند.

‏🔗 https://getartcraft.com/apps
‏#frontend #opensource #Rust

‏@BenFeed
‏Web Search API
‏جستجوی وب از طریق AI Gateway برای agent‌ها و اپلیکیشن‌ها

‏حالا می‌توانید مستقیم از داخل AI agent‌ها و اپلیکیشن‌هایتان از طریق AI Gateway به وب دسترسی داشته باشید — با پشتیبانی از سه provider مختلف: Ceramic.ai، Exa و Linkup.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: یکپارچه‌سازی web search مستقیم در AI Gateway یعنی دیگر لازم نیست برای دسترسی agent‌ها به اطلاعات زنده، زیرساختِ جداگانه بسازید.
‏💡 نکته: داشتنِ سه provider مختلف (Ceramic.ai، Exa، Linkup) از همان ابتدا، یعنی vendor lock-in کمتر و انعطافِ بیشتر در انتخاب.
‏👥 برای کی: کسانی که روی ساختِ AI agent یا اپلیکیشن‌های مبتنی بر LLM با Cloudflare کار می‌کنند.

‏🔗 https://developers.cloudflare.com/changelog/post/2026-10-02-introducing-web-search-api/
‏#ai #backend #LLM

‏@BenFeed
‏Spending on AI Is Becoming Almost Impossible for Businesses to Budget
‏بودجه‌بندی هزینه‌های AI برای کسب‌وکارها داره غیرممکن می‌شه

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: مدل قیمت‌گذاری بر اساس token باعث شده هزینه‌های AI کاملاً غیرقابل پیش‌بینی بشه و CFO‌ها و مدیران فنی رو سردرگم کرده.
‏💡 نکته: این چالش نشون می‌ده که معماری سرویس‌ها باید از همون ابتدا با در نظر گرفتن cost per inference طراحی بشه، نه بعد از deploy.
‏👥 برای کی: توسعه‌دهنده‌ها و معماران سیستم که AI رو در محصولات production-level ادغام می‌کنن.

‏🔗 https://www.wsj.com/tech/personal-tech/ai-token-spending-businesses-431ee94a
‏#ai #backend #LLM

‏@BenFeed
‏The Future of Mathematics
‏آینده‌ی ریاضیات

‏در قرن نوزدهم، ریاضیات دگرگونی بنیادینی را پشت سر گذاشت؛ این پست مهمان نوشته‌ی Jeremy Avigad است که در آن به این سیر تحول و آنچه پیشِ روی رشته‌ی ریاضیات قرار دارد می‌پردازد.

‏نظر هوش مصنوعی — ⭐ ۷/۱۰
‏🎯 چرا مهمه: ریاضیاتِ رسمی و ابزارهای proof assistant دارن وارد جریان اصلی می‌شن و این مستقیماً روی formal verification در software و AI تأثیر می‌گذارد.
‏💡 نکته: وقتی Terry Tao پستی را از Jeremy Avigad منتشر می‌کند، احتمالاً نقطه‌ی تلاقی ریاضیاتِ رسمی و هوش مصنوعی در کانون توجه است.
‏👥 برای کی: کسانی که روی formal verification، theorem proving یا کاربرد LLM در ریاضیات کار می‌کنند.

‏🔗 https://terrytao.wordpress.com/2026/10/05/the-future-of-mathematics/
‏#ai #LLM

‏@BenFeed