خلاصه دو پست بالایی اینه که از یک طرف، SpaceXAI مدل جدید Grok 4.5 رو با همکاری Cursor عرضه کرده که توی کدنویسی عملکردی عالی در سطح Claude Opus 4.8 داره و با مصرف توکن کمتر، هزینه‌ها رو هم به شدت کاهش داده.
از طرف دیگه، OpenAI هم سری جدید GPT-5.6 رو منتشر کرده که شامل سه مدل با کاربری متفاوته: مدل Sol که قدرتمندترینِ این سریه و برای تحلیل‌های پیچیده و امنیت طراحی شده، مدل Terra که تعادلِ ایده‌آلی بین سرعت و قدرت ایجاد کرده، و مدل Luna که برای کسانی که سرعت بالا و هزینه‌ی کمتر می‌خوان بهینه شده. البته OpenAI برای جلوگیری از سوءاستفاده‌های سایبری، سدهای امنیتی سختی روی Sol گذاشته تا فقط برای کارهای دفاعی استفاده بشه.

اگر وردپرسی دارین که از نسخه اش از ۷.۰.۲ قدیمی تر است، سریعا آپدیتش کنین. دو تا مشکل امنیتی خیلی حاد هست که داره به شکل فعال برای حمله به سایت ها استفاده می شه. یک حمله sql injection و یک مشکل در REST API که اجازه اجرای کد از راه دور رو می ده. آپدیت همیشه مهمه، الان در وردپرس الزامی.

شاید براتون سوال باشه الان بهترین مدل‌های زبانی هوش مصنوعی کدوما هستن؛ چه به‌صورت کلی، چه برای تسک‌های خاص مثل کدنویسی، ریاضی، تحلیل داده و…
سایت LiveBench یه لیدربورد به‌روز از مدل‌های مختلف داره که می‌تونید عملکردشون رو در دسته‌بندی‌های مختلف ببینید، امتیاز هر زیرتسک رو بررسی کنید و حتی هزینه‌ی استفاده از مدل‌ها رو کنار امتیازها مقایسه کنید.
لینک:
https://livebench.ai

در مدل جدیدی به اسم bina که برای ocr زبان فارسی فاین تیون کردن با عملکردی خیره کننده نسبت به مدل‌های سطح یک دنیا در رتبه ۱ برتری خودشو نشون داد
https://huggingface.co/Reza2kn/Bina-0.1

مدل Opus 5 هم آمد ...

Opus 5

Why Claude switched models in your conversation with Opus 5

روش تولید واترمارک مخفی توسط LLM برای تشخیص متن های تولید شده با AI

۱. ​ تولید کلید و Hashing

همه‌چیز از توکن‌های قبلی شروع میشه. سیستم کلمه (یا توکن) قبلی رو می‌گیره و با یک Secret Key ترکیب می‌کنه تا یک «هش» بسازه. این هش به عنوان Seed (دانه اولیه) به یک مولد اعداد شبه‌تصادفی (PRNG) داده میشه.

۲. ​تقسیم‌بندی دیکشنری (Green/Red Lists)
وقتی مدل زبانی می‌خواد کلمه بعدی رو پیش‌بینی کنه، به تمام کلمات دیکشنریش یک احتمال (Logit) میده. اینجا PRNG وارد عمل میشه و کل دیکشنری مدل رو به دو لیست تقسیم می‌کنه:
​لیست سبز (Green List): توکن‌های مجاز
​لیست قرمز (Red List): توکن‌های غیرمجاز
​(این دسته‌بندی استاتیک نیست و برای هر توکنِ جدید، کاملاً عوض میشه!)

​۳. تزریق بایاس (Logit Modification)
حالا به جای اینکه مدل کلمه بعدی رو عادی انتخاب کنه، سیستم میاد به امتیازِ کلماتِ لیست سبز، یک مقدار ثابت آماری (به نام delta) اضافه می‌کنه.
با این کار، بدون اینکه به گرامر، ساختار منطقی یا خلاقیت متن ضربه بخوره، شانس انتخاب کلمات لیست سبز به شدت بالا میره.

۴. نحوه تشخیص (Detection)

حالا اگه بخوایم مچ یک متن رو بگیریم چی؟ کافیه با همون Secret Key متن رو اسکن کنیم.
اگه انسان متن رو نوشته باشه، توزیع کلمات سبز و قرمز کاملاً تصادفی (تقریباً ۵۰-۵۰) است. اما تو متنی که LLM تولید کرده، درصد کلمات لیست سبز به شکل غیرطبیعی بالاست! اینجا با یک محاسبه آماری ساده (Z-score)، ثابت میشه که متن قطعا خروجی ماشینه.

این روش (به خصوص الگوریتم Kirchenbauer) الان استاندارد طلایی واترمارک متنه و به زودی به عنوان یک لایه امنیتی و اعتبارسنجی استاندارد، پای ثابت تمام فریم‌ورک‌های توسعه LLM میشه.

@silicon_brain | از هوش مصنوعی عقب نمانید

🔷 فرم درخواست تدریس‌یاری درس هوش‌مصنوعی و کارگاه (کارشناسی)

با سلام و وقت بخير،
در صورت تمایل به تدريس‌يارى درس هوش‌مصنوعى و کارگاه لطفا گوگل فرم زير را پر
فرمايید:

https://docs.google.com/forms/d/e/1FAIpQLScr3DeyWlu3sK9IR9W9eMCGOo0Ih2fBPnuxdWl3DhA-nRklmQ/viewform?usp=pp_url

🔷 فرم درخواست تدریس‌یاری درس داده‌کاوی (کارشناسی)

با سلام و وقت بخير،
در صورت تمایل به تدريس‌يارى درس داده‌کاوی لطفا گوگل فرم زير را پر فرمايید:

https://docs.google.com/forms/d/e/1FAIpQLSdhVOtj9okfZZsYj58Xo2PxI0aNZA3Huu5-vRKrrtrgtgIVTQ/viewform?usp=pp_url

از طرف میلاد:

سلام دوستان امیدوارم حال همتون خوب باشه.
گفتم تجربه‌ای که این مدت برای کشیدن فیگورها و تصاویر مقاله داشتم رو باهاتون به اشتراک بذارم.

حدود دو سه هفته‌ای هست که درگیر طراحی شکل‌های مقاله هستم طبق پرس ‌و جوها و سوالاتی که کرده بودم برای کشیدن شکل‌های مقالات به دو ابزار رسیدم:
یکی PowerPoint و یکی draw.io من به دلایلی تصمیم گرفتم از draw.io استفاده کنم.

اوایل سعی می‌کردم با توجه به ایده‌هایی که خودم داشتم و یا از chatbotها می‌گرفتم شکل‌ها رو به صورت دستی و از صفر توی draw.io بکشم که حقیقتاً خیلی وقت‌گیر بود. بعد از مدتی با Google Studio آشنا شدم و استفاده از اون سرعت کارم رو خیلی بیشتر کردمخصوصاً اینکه می‌تونستم در نهایت خروجی مناسب برای draw.io هم بگیرم.

روشی که خودم استفاده کردم این بود که اول ایده و شکلی که برای مقاله در ذهنم داشتم رو برای ChatGPT توضیح می‌دادم و با چند بار اصلاح پرامپت سعی می‌کردم تصویر تولیدشده رو به چیزی که مدنظرم بود نزدیک کنم

بعد، تصویر تولیدشده توسط ChatGPT رو همراه با یک پرامپت مناسب به Google Studio می‌دادم و بعد از اینکه به نتیجه مدنظرم می‌رسیدم خروجی draw.io رو ازش می‌گرفتم در نهایت فایل رو داخل draw.io باز می‌کردم و هر بخشی که نیاز به اصلاح داشت رو به صورت دستی تغییر می‌دادم.

در کل این روش باعث شد هم بتونم فیگورها و تصاویر خوبی برای مقاله طراحی کنم و هم زمان خیلی کمتری صرفشون کنم.

امیدوارم این تجربه براتون مفید باشه 🌱

کارآموزی همراه اول
پرداخت حقوق + بیمه در طول دوره کارآموزی

ثبت‌نام، تا ۱۴ شهریور

بررسی رزومه
۱۵ شهریور تا ۲۱ شهریور

https://hamrah.academy/internship/