🛡️ آمادگی OpenAI برای عرضه مدل Astra با ارزیابی امنیت سایبری
کمپانی OpenAI در بلاگپست جدید خود از نزدیک شدن به زمان عرضه مدل Astra خبر داد. علت تاخیر در انتشار این مدل، ارزیابی دقیق تواناییهای آن در حوزه امنیت سایبری بوده است، چرا که Astra میتواند آسیبپذیریهای جدید را کشف و زنجیرهای از حملات را شبیهسازی کند. برای مرور دقیقتر ارقام و یافتهها، تحلیل کامل گزارش جزئیات بیشتری ارائه میکند.
در بنچمارک ExploitBench، مدل Astra با مصرف توکن بسیار کمتر و بهینهتر به نرخ موفقیت ۳۹ درصدی رسید، در حالی که مدل GPT-5.6 Sol تنها ۱۱.۵ درصد موفقیت کسب کرد. همچنین در تست سنجش رفتارهای مخرب در محیط هانیپات، مدل Astra پایداری فوقالعادهای نشان داد و بر خلاف مدل Sol که در ۵۶ درصد موارد فریب تلهها را خورد، Astra بسیار ایمن و همراستا (Aligned) عمل کرد. این ارزیابیها نشان میدهند که مدلهای هوشمندتر، به طور پیشفرض ایمنتر و قابلاعتمادتر هستند.
کمپانی OpenAI در بلاگپست جدید خود از نزدیک شدن به زمان عرضه مدل Astra خبر داد. علت تاخیر در انتشار این مدل، ارزیابی دقیق تواناییهای آن در حوزه امنیت سایبری بوده است، چرا که Astra میتواند آسیبپذیریهای جدید را کشف و زنجیرهای از حملات را شبیهسازی کند. برای مرور دقیقتر ارقام و یافتهها، تحلیل کامل گزارش جزئیات بیشتری ارائه میکند.
در بنچمارک ExploitBench، مدل Astra با مصرف توکن بسیار کمتر و بهینهتر به نرخ موفقیت ۳۹ درصدی رسید، در حالی که مدل GPT-5.6 Sol تنها ۱۱.۵ درصد موفقیت کسب کرد. همچنین در تست سنجش رفتارهای مخرب در محیط هانیپات، مدل Astra پایداری فوقالعادهای نشان داد و بر خلاف مدل Sol که در ۵۶ درصد موارد فریب تلهها را خورد، Astra بسیار ایمن و همراستا (Aligned) عمل کرد. این ارزیابیها نشان میدهند که مدلهای هوشمندتر، به طور پیشفرض ایمنتر و قابلاعتمادتر هستند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
هوش مصنوعی، واترمارک و قانون اتحادیه اروپا
قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) بهطور رسمی وارد فاز اجرایی شده و تغییرات مهمی را برای توسعهدهندگان به همراه دارد. مدل جدید
مهمترین نکات درباره این تحول:
• استفاده از واترمارکهای غیرقابل تشخیص برای تمامی مدلهای هوش مصنوعی فعال در بازار اروپا اجباری شده است.
• مدل
• این واترمارکها کاملاً محرمانه هستند و هیچگونه اطلاعاتی از سازمانها یا کاربران نهایی را فاش نمیکنند.
این استانداردها گامی در جهت شفافیت بیشتر در دنیای محتوای تولیدشده توسط AI است تا تفکیک خروجیهای انسانی از ماشینی ممکن شود.
#Fable_5_1 #EU_AI_Act
قانون هوش مصنوعی اتحادیه اروپا (EU AI Act) بهطور رسمی وارد فاز اجرایی شده و تغییرات مهمی را برای توسعهدهندگان به همراه دارد. مدل جدید
Fable 5.1 یکی از پیشگامانی است که استانداردهای این قانون را به اجرا گذاشته است. جزئیات اجرا و نکات عملی این مطلب در آموزش کامل آمده است.مهمترین نکات درباره این تحول:
• استفاده از واترمارکهای غیرقابل تشخیص برای تمامی مدلهای هوش مصنوعی فعال در بازار اروپا اجباری شده است.
• مدل
Fable 5.1 با بهرهگیری از این تکنولوژی، توانسته است بدون افت کیفیت در خروجی، الزامات قانونی را رعایت کند.• این واترمارکها کاملاً محرمانه هستند و هیچگونه اطلاعاتی از سازمانها یا کاربران نهایی را فاش نمیکنند.
این استانداردها گامی در جهت شفافیت بیشتر در دنیای محتوای تولیدشده توسط AI است تا تفکیک خروجیهای انسانی از ماشینی ممکن شود.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Fable_5_1 #EU_AI_Act
هوش مصنوعی و علم داده به فارسی
🚀 رونمایی از مدل هوشمند Fable 5.1 نسخه جدید Fable 5.1 با پیشرفتهای چشمگیر در بنچمارکهای هوش مصنوعی منتشر شد. این مدل در مقایسه با نسخه قبلی، در تمامی سطوح عملکردی، امتیازات بالاتری کسب کرده و بهینهسازیهای قابلتوجهی در هزینههای پردازشی ارائه میدهد.…
🚀 رکوردشکنی هزینهها در دنیای هوش مصنوعی
مدل
به نظر میرسد استراتژی جدید توسعهدهندگان بزرگ بر این پایه استوار شده است: دستیابی به درصدی اندک از هوش بیشتر، به بهای چند هزار دلار هزینه اضافه. با ادامه این روند، اجرای بنچمارکهای استاندارد برای بسیاری از استارتاپها عملاً غیرممکن و معادل ورشکستگی خواهد بود.
این تغییرات در هزینههای پردازشی، پرسشهای مهمی را درباره آینده اقتصادیِ مدلهای بزرگ زبانی ایجاد کرده است:
• تداوم رقابت برای کسب برتری در بنچمارکها با مدلهای فوقسنگین.
• فشار مالی سنگین بر کسبوکارهای کوچک جهت بهرهگیری از مدلهای پیشرفته.
• ضرورت بازنگری در مدلهای بهینهسازی و سختافزارهای اجرای
مدل
Claude Fable 5.1 Max با ثبت هزینه ۸,۵۲۳ دلار برای اجرای یک دوره بنچمارک در Artificial Analysis، رسماً به گرانترین مدل تاریخ تبدیل شد. این رقم خیرهکننده، ۵۶ درصد بیشتر از نسخه پیشین همین مدل است. برای ارزیابی دقیقتر مشخصات، تحلیل معماری و قابلیتها جزئیات فنی بیشتری ارائه میکند.به نظر میرسد استراتژی جدید توسعهدهندگان بزرگ بر این پایه استوار شده است: دستیابی به درصدی اندک از هوش بیشتر، به بهای چند هزار دلار هزینه اضافه. با ادامه این روند، اجرای بنچمارکهای استاندارد برای بسیاری از استارتاپها عملاً غیرممکن و معادل ورشکستگی خواهد بود.
این تغییرات در هزینههای پردازشی، پرسشهای مهمی را درباره آینده اقتصادیِ مدلهای بزرگ زبانی ایجاد کرده است:
• تداوم رقابت برای کسب برتری در بنچمارکها با مدلهای فوقسنگین.
• فشار مالی سنگین بر کسبوکارهای کوچک جهت بهرهگیری از مدلهای پیشرفته.
• ضرورت بازنگری در مدلهای بهینهسازی و سختافزارهای اجرای
CUDA برای کنترل هزینهها.
هوش مصنوعی و علم داده به فارسی
🛡️ آمادگی OpenAI برای عرضه مدل Astra با ارزیابی امنیت سایبری کمپانی OpenAI در بلاگپست جدید خود از نزدیک شدن به زمان عرضه مدل Astra خبر داد. علت تاخیر در انتشار این مدل، ارزیابی دقیق تواناییهای آن در حوزه امنیت سایبری بوده است، چرا که Astra میتواند آسیبپذیریهای…
🤖 معماری جدید Astra و چالشهای استدلال پنهان
اخبار منتشر شده از معماری مدل جدید OpenAI موسوم به Astra نشان میدهد این مدل از تکنیکی به نام «عمق بازگشتی» یا «ترانسفورمر حلقوی» استفاده میکند. در این روش، مدل بهجای عبور متوالی از لایهها، متن را چندین بار از لایههای مشابه عبور میدهد تا پیش از تولید پاسخ نهایی، کیفیت استدلال خود را بهبود بخشد. بررسی فنی کامل معماری، عملکرد و نکات مهم این مدل را در کنار هم قرار میدهد.
مهمترین نکات درباره این فناوری:
- این رویکرد به مدلهای کوچکتر اجازه میدهد با بهرهوری بسیار بالا، عملکردی مشابه مدلهای عظیم داشته باشند.
- مشابه مقاله علمی Hidden Reasoning، این روش میتواند بخش بزرگی از «تفکر» مدل را پنهان کند.
- نگرانی اصلی متخصصان این است که با حذف «زنجیره استدلال» (Chain of Thought) شفاف، نظارت بر رفتارهای غیرایمن هوش مصنوعی دشوارتر خواهد شد.
- اگرچه OpenAI در Astra محدودیتهایی برای حفظ خوانایی استدلال اعمال کرده، اما ترس از استفاده بیمحابای سایر توسعهدهندگان از این تکنیک همچنان باقی است.
اخبار منتشر شده از معماری مدل جدید OpenAI موسوم به Astra نشان میدهد این مدل از تکنیکی به نام «عمق بازگشتی» یا «ترانسفورمر حلقوی» استفاده میکند. در این روش، مدل بهجای عبور متوالی از لایهها، متن را چندین بار از لایههای مشابه عبور میدهد تا پیش از تولید پاسخ نهایی، کیفیت استدلال خود را بهبود بخشد. بررسی فنی کامل معماری، عملکرد و نکات مهم این مدل را در کنار هم قرار میدهد.
مهمترین نکات درباره این فناوری:
- این رویکرد به مدلهای کوچکتر اجازه میدهد با بهرهوری بسیار بالا، عملکردی مشابه مدلهای عظیم داشته باشند.
- مشابه مقاله علمی Hidden Reasoning، این روش میتواند بخش بزرگی از «تفکر» مدل را پنهان کند.
- نگرانی اصلی متخصصان این است که با حذف «زنجیره استدلال» (Chain of Thought) شفاف، نظارت بر رفتارهای غیرایمن هوش مصنوعی دشوارتر خواهد شد.
- اگرچه OpenAI در Astra محدودیتهایی برای حفظ خوانایی استدلال اعمال کرده، اما ترس از استفاده بیمحابای سایر توسعهدهندگان از این تکنیک همچنان باقی است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📊 کتاب مرجع MIT برای حساب دیفرانسیل ماتریسی در یادگیری ماشین
اگر به دنبال درک عمیق ریاضیات پشت مدلهای هوش مصنوعی هستید، کتاب جدید Matrix Calculus for Machine Learning and Beyond که توسط اساتید برجسته MIT تالیف شده، یکی از بهترین منابع موجود برای سال ۲۰۲۵ است. بررسی کامل مطلب نکات اصلی و زمینههای تکمیلی را منظمتر و دقیقتر مرور میکند.
این کتاب پلی میان جبر خطی، حساب دیفرانسیل و مبانی یادگیری ماشین است و بهطور خاص روی کاربردهای مدرن تمرکز دارد. مهمترین موضوعات پوشش داده شده در این کتاب شامل این موارد است:
* مشتقات ماتریسی و برداری
* ژاکوبی و ماتریس هسین (Hessian)
* بهینهسازی غیرخطی و روشهای نزول گرادیان
* تفاضل خودکار (Automatic Differentiation) و Backpropagation
* مشتقگیری از معادلات دیفرانسیل معمولی (ODEs)
* روشهای عددی مانند جستجوی خطی و ناحیه اطمینان
این منبع برای کسانی که میخواهند فراتر از کتابخانههای آماده بروند و مکانیسمهای ریاضی بهینهسازی در الگوریتمهای پیچیده را درک کنند، فوقالعاده است. نسخه کامل این کتاب را میتوانید به صورت رایگان دریافت کنید.
📊 Data➕Science
اگر به دنبال درک عمیق ریاضیات پشت مدلهای هوش مصنوعی هستید، کتاب جدید Matrix Calculus for Machine Learning and Beyond که توسط اساتید برجسته MIT تالیف شده، یکی از بهترین منابع موجود برای سال ۲۰۲۵ است. بررسی کامل مطلب نکات اصلی و زمینههای تکمیلی را منظمتر و دقیقتر مرور میکند.
این کتاب پلی میان جبر خطی، حساب دیفرانسیل و مبانی یادگیری ماشین است و بهطور خاص روی کاربردهای مدرن تمرکز دارد. مهمترین موضوعات پوشش داده شده در این کتاب شامل این موارد است:
* مشتقات ماتریسی و برداری
* ژاکوبی و ماتریس هسین (Hessian)
* بهینهسازی غیرخطی و روشهای نزول گرادیان
* تفاضل خودکار (Automatic Differentiation) و Backpropagation
* مشتقگیری از معادلات دیفرانسیل معمولی (ODEs)
* روشهای عددی مانند جستجوی خطی و ناحیه اطمینان
این منبع برای کسانی که میخواهند فراتر از کتابخانههای آماده بروند و مکانیسمهای ریاضی بهینهسازی در الگوریتمهای پیچیده را درک کنند، فوقالعاده است. نسخه کامل این کتاب را میتوانید به صورت رایگان دریافت کنید.
📊 Data➕Science
🚀 جهش پرپلکسیتی: ترکیب هوشمند پردازش ابری و محلی روی مک
دستیارهای هوشمند با یک چالش ساختاری مواجه هستند؛ اسناد حساس و فایلهای شخصی کاربران نباید برای پردازش به فضای ابری ارسال شوند. در همین راستا، پرپلکسیتی راهکار جدیدی را برای کاربران مک معرفی کرده است. برای دنبالکردن جزئیات بیشتر، نسخه تحلیلی مطلب تصویر کاملتری از نکات مطرحشده ارائه میکند.
این سیستم با استفاده از «پردازش ترکیبی» (Hybrid Compute)، وظایف را بین مدلهای قدرتمند ابری و یک مدل فشرده محلی تقسیم میکند. یک لایه امنیتی روی دستگاه (On-device privacy gate) وظیفه تصمیمگیری هوشمندانه را دارد تا مشخص کند چه دادهای برای حفظ حریم خصوصی باید در سیستم باقی بماند.
پرپلکسیتی همچنین کلاسبندیکننده (Classifier) اصلی این سامانه را بهصورت متنباز منتشر کرده است. این رویکرد گامی مهم برای توسعه مدلهای عاملمحور (Agentic) با حفظ محرمانگی دادهها محسوب میشود.
#Perplexity_Hybrid_Compute #On_device_privacy
دستیارهای هوشمند با یک چالش ساختاری مواجه هستند؛ اسناد حساس و فایلهای شخصی کاربران نباید برای پردازش به فضای ابری ارسال شوند. در همین راستا، پرپلکسیتی راهکار جدیدی را برای کاربران مک معرفی کرده است. برای دنبالکردن جزئیات بیشتر، نسخه تحلیلی مطلب تصویر کاملتری از نکات مطرحشده ارائه میکند.
این سیستم با استفاده از «پردازش ترکیبی» (Hybrid Compute)، وظایف را بین مدلهای قدرتمند ابری و یک مدل فشرده محلی تقسیم میکند. یک لایه امنیتی روی دستگاه (On-device privacy gate) وظیفه تصمیمگیری هوشمندانه را دارد تا مشخص کند چه دادهای برای حفظ حریم خصوصی باید در سیستم باقی بماند.
پرپلکسیتی همچنین کلاسبندیکننده (Classifier) اصلی این سامانه را بهصورت متنباز منتشر کرده است. این رویکرد گامی مهم برای توسعه مدلهای عاملمحور (Agentic) با حفظ محرمانگی دادهها محسوب میشود.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Perplexity_Hybrid_Compute #On_device_privacy
🚀 تحول پردازش صدا با مدل Muse Voice از متا
بیشتر سیستمهای پردازش صوتی فعلی از ترکیب سه مدل مجزا برای تشخیص گفتار (ASR)، تفکیک گویندگان (Diarization) و تشخیص پایان جمله (Endpointing) استفاده میکنند. این رویکرد به دلیل انتقال داده بین مدلها، علاوه بر افزایش تاخیر، نقاط شکست متعددی ایجاد میکند. معماری، ظرفیتها و ملاحظات فنی در تحلیل تخصصی مدل با جزئیات بیشتری آمده است.
آزمایشگاه Superintelligence متا به تازگی مدل Muse Voice Transcribe را معرفی کرده که تمامی این وظایف را در یک مدل خودرگرسیو واحد ادغام میکند.
مهمترین ویژگیهای این مدل عبارتند از:
- انجام همزمان تبدیل گفتار به متن، تفکیک بیش از ۲۰ گوینده و تشخیص پایان گفتار در یک مرحله.
- حذف نیاز به پردازشهای ثانویه و کاهش قابلتوجه تاخیر در سیستمهای استریم.
- عملکرد به عنوان نخستین مدل درک شنیداری بلادرنگ متا.
برای بررسی جزئیات فنی بیشتر میتوانید به گزارش رسمی تیم فنی متا مراجعه کنید. این مدل گامی بزرگ برای بهینهسازی دستیارهای صوتی و سرویسهای رونویسی هوشمند محسوب میشود.
بیشتر سیستمهای پردازش صوتی فعلی از ترکیب سه مدل مجزا برای تشخیص گفتار (ASR)، تفکیک گویندگان (Diarization) و تشخیص پایان جمله (Endpointing) استفاده میکنند. این رویکرد به دلیل انتقال داده بین مدلها، علاوه بر افزایش تاخیر، نقاط شکست متعددی ایجاد میکند. معماری، ظرفیتها و ملاحظات فنی در تحلیل تخصصی مدل با جزئیات بیشتری آمده است.
آزمایشگاه Superintelligence متا به تازگی مدل Muse Voice Transcribe را معرفی کرده که تمامی این وظایف را در یک مدل خودرگرسیو واحد ادغام میکند.
مهمترین ویژگیهای این مدل عبارتند از:
- انجام همزمان تبدیل گفتار به متن، تفکیک بیش از ۲۰ گوینده و تشخیص پایان گفتار در یک مرحله.
- حذف نیاز به پردازشهای ثانویه و کاهش قابلتوجه تاخیر در سیستمهای استریم.
- عملکرد به عنوان نخستین مدل درک شنیداری بلادرنگ متا.
برای بررسی جزئیات فنی بیشتر میتوانید به گزارش رسمی تیم فنی متا مراجعه کنید. این مدل گامی بزرگ برای بهینهسازی دستیارهای صوتی و سرویسهای رونویسی هوشمند محسوب میشود.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 انقلاب در مدیریت دانش: فراتر از چتباتها با Utopia
دوران اجاره کردن چتباتها و نامیدن آنها به عنوان «مغز شرکت» رو به پایان است. اگر به دنبال ساختاری هستید که دانش را نه به عنوان یک حس، بلکه به عنوان یک سیستم مدیریت کند، پروژه Utopia یک مدل جهانشمول برای سازمانهاست. بررسی کامل مطلب نکات اصلی و زمینههای تکمیلی را منظمتر و دقیقتر مرور میکند.
برخلاف سیستمهای سنتی، Utopia بر پایه زمان بنا شده است. هر داده دارای تاریخ شروع و پایان است؛ به جای بازنویسی، نسخههای قبلی حفظ میشوند تا تاریخچه تغییرات همیشه در دسترس باشد. شما میتوانید با استفاده از یک خط زمانی، دقیقاً وضعیت هر سیاست یا داده را در یک تاریخ خاص بازسازی و مشاهده کنید.
مهمترین ویژگیهای این ابزار:
- شفافیت کامل: هر داده به منبع اصلی خود متصل است و هیچ حقیقتی بدون سند وارد سیستم نمیشود.
- سادگی معماری: برخلاف پشتههای پیچیده RAG که به چندین سرویس جانبی نیاز دارند، این پروژه تنها شامل یک فایل باینری و یک دیتابیس Postgres است.
- امنیت و حریم خصوصی: امکان اجرا به صورت کاملاً آفلاین (Air-gapped) با هر مدل زبانی دلخواه شما وجود دارد.
دوران اجاره کردن چتباتها و نامیدن آنها به عنوان «مغز شرکت» رو به پایان است. اگر به دنبال ساختاری هستید که دانش را نه به عنوان یک حس، بلکه به عنوان یک سیستم مدیریت کند، پروژه Utopia یک مدل جهانشمول برای سازمانهاست. بررسی کامل مطلب نکات اصلی و زمینههای تکمیلی را منظمتر و دقیقتر مرور میکند.
برخلاف سیستمهای سنتی، Utopia بر پایه زمان بنا شده است. هر داده دارای تاریخ شروع و پایان است؛ به جای بازنویسی، نسخههای قبلی حفظ میشوند تا تاریخچه تغییرات همیشه در دسترس باشد. شما میتوانید با استفاده از یک خط زمانی، دقیقاً وضعیت هر سیاست یا داده را در یک تاریخ خاص بازسازی و مشاهده کنید.
مهمترین ویژگیهای این ابزار:
- شفافیت کامل: هر داده به منبع اصلی خود متصل است و هیچ حقیقتی بدون سند وارد سیستم نمیشود.
- سادگی معماری: برخلاف پشتههای پیچیده RAG که به چندین سرویس جانبی نیاز دارند، این پروژه تنها شامل یک فایل باینری و یک دیتابیس Postgres است.
- امنیت و حریم خصوصی: امکان اجرا به صورت کاملاً آفلاین (Air-gapped) با هر مدل زبانی دلخواه شما وجود دارد.
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تحول پردازش ویدیو با مدلهای هوشمند Gemini
گوگل در جدیدترین بهروزرسانی مدلهای Gemini 3.7 Flash، 3.6 Flash و 3.5 Flash-Lite قابلیت «تحلیل ویدیو به صورت عاملیتمحور» (Agentic Video) را معرفی کرده است.
در این روش، مدل دیگر نیازی به پردازش یکنواخت تمام فریمهای ویدیو ندارد. هوش مصنوعی با درک محتوا، تصمیم میگیرد که کدام بخشها نیاز به بررسی دقیق دارند، در چه قسمتهایی میتوان نرخ فریم را کاهش داد و کدام سکانسها تأثیری در نتیجه نهایی ندارند.
مهمترین مزایای این رویکرد هوشمند عبارتند از:
- کاهش مصرف توکن تا ۸۸ درصد
- کاهش هزینههای پردازشی تا ۶۶ درصد
- افزایش دقت در انجام وظایف مرتبط با ویدیو
این قابلیت بهویژه برای تحلیل ویدیوهای طولانی که بخشهای تکراری یا کماهمیت دارند، یک جهش بزرگ محسوب میشود و بهینگی مدل را به شدت افزایش میدهد.
#Gemini_3_7_Flash #Agentic_Video
گوگل در جدیدترین بهروزرسانی مدلهای Gemini 3.7 Flash، 3.6 Flash و 3.5 Flash-Lite قابلیت «تحلیل ویدیو به صورت عاملیتمحور» (Agentic Video) را معرفی کرده است.
در این روش، مدل دیگر نیازی به پردازش یکنواخت تمام فریمهای ویدیو ندارد. هوش مصنوعی با درک محتوا، تصمیم میگیرد که کدام بخشها نیاز به بررسی دقیق دارند، در چه قسمتهایی میتوان نرخ فریم را کاهش داد و کدام سکانسها تأثیری در نتیجه نهایی ندارند.
مهمترین مزایای این رویکرد هوشمند عبارتند از:
- کاهش مصرف توکن تا ۸۸ درصد
- کاهش هزینههای پردازشی تا ۶۶ درصد
- افزایش دقت در انجام وظایف مرتبط با ویدیو
این قابلیت بهویژه برای تحلیل ویدیوهای طولانی که بخشهای تکراری یا کماهمیت دارند، یک جهش بزرگ محسوب میشود و بهینگی مدل را به شدت افزایش میدهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3_7_Flash #Agentic_Video
🚀 ظهور Atlas: انقلابی در مدلهای جهانی هوش مصنوعی
استارتاپ تازه تاسیس «فیفی لی» از مدل Atlas رونمایی کرد که اولین مدل جهانی چندوجهی در تاریخ محسوب میشود. این مدل نه تنها تصاویر و ویدیوهای یکدقیقهای با کیفیت 1440p تولید میکند، بلکه قادر است محیط را به صورت سهبعدی و در قالب Point Cloud و Gaussian Splats بازسازی کند.
معماری این مدل ترکیبی از ترنسفورمرهای دیفیوژن و ساختار LLM است که اجازه میدهد کنترل دقیقی روی حرکت دوربین و موقعیت فضایی اشیا داشته باشید. مهمترین قابلیتهای این مدل عبارتند از:
* تولید ویدیو با کنترل دقیق دوربین در سطح پیکسل.
* بازسازی صحنههای سهبعدی از روی ویدیوهای دوبعدی.
* شبیهسازی فضا-زمان برای کاربردهای رباتیک.
* استفاده از رویکرد Real-to-Sim-to-Real برای آموزش رباتها در محیطهای شبیهسازیشده.
به لطف دقت بالای Atlas در تولید دادههای RGB و عمق، میتوان از آن به عنوان یک شبیهساز برای آموزش هوش مصنوعی رباتیک استفاده کرد. این خروجی در بنچمارکهای کنترل دوربین و بازسازی سهبعدی، مدلهای فعلی را پشت سر گذاشته است.
📊 Data➕Science
استارتاپ تازه تاسیس «فیفی لی» از مدل Atlas رونمایی کرد که اولین مدل جهانی چندوجهی در تاریخ محسوب میشود. این مدل نه تنها تصاویر و ویدیوهای یکدقیقهای با کیفیت 1440p تولید میکند، بلکه قادر است محیط را به صورت سهبعدی و در قالب Point Cloud و Gaussian Splats بازسازی کند.
معماری این مدل ترکیبی از ترنسفورمرهای دیفیوژن و ساختار LLM است که اجازه میدهد کنترل دقیقی روی حرکت دوربین و موقعیت فضایی اشیا داشته باشید. مهمترین قابلیتهای این مدل عبارتند از:
* تولید ویدیو با کنترل دقیق دوربین در سطح پیکسل.
* بازسازی صحنههای سهبعدی از روی ویدیوهای دوبعدی.
* شبیهسازی فضا-زمان برای کاربردهای رباتیک.
* استفاده از رویکرد Real-to-Sim-to-Real برای آموزش رباتها در محیطهای شبیهسازیشده.
به لطف دقت بالای Atlas در تولید دادههای RGB و عمق، میتوان از آن به عنوان یک شبیهساز برای آموزش هوش مصنوعی رباتیک استفاده کرد. این خروجی در بنچمارکهای کنترل دوربین و بازسازی سهبعدی، مدلهای فعلی را پشت سر گذاشته است.
📊 Data➕Science
❤1
@DataPlusScience_linkedin_7499792583049637888_01.pdf
2.3 MB
🛡️ امنیت در عصر هوش مصنوعی: OWASP Top 10 برای LLM
با گسترش کاربرد مدلهای زبانی بزرگ (LLM) در محیطهای عملیاتی، امنیت این سیستمها از یک انتخاب به یک ضرورت حیاتی تبدیل شده است. برخلاف امنیت نرمافزارهای سنتی، هوش مصنوعی چالشهای منحصربهفردی دارد که باید در معماری اولیه پروژه لحاظ شوند. جزئیات امکانات و سناریوهای استفاده در بررسی جامع ابزار آمده است.
پروژه OWASP Top 10 for LLM Applications فهرستی از مهمترین ریسکهای امنیتی را تدوین کرده است. برخی از حیاتیترین این موارد عبارتند از:
🔹 تزریق دستور (Prompt Injection): تلاش برای دور زدن دستورالعملهای مدل و وادار کردن آن به رفتارهای غیرمنتظره.
🔹 افشای اطلاعات حساس: لو رفتن دادههای محرمانه از طریق پاسخهای مدل، لاگها یا ابزارهای جانبی.
🔹 اختیارات بیشازحد (Excessive Agency): دادن دسترسیهای غیرضروری به مدل که منجر به اقدامات مخرب در سیستمهای پاییندستی میشود.
🔹 مسمومسازی داده و مدل: آلوده کردن دادههای آموزشی یا پایگاههای دانش برای تغییر رفتار مدل.
با گسترش کاربرد مدلهای زبانی بزرگ (LLM) در محیطهای عملیاتی، امنیت این سیستمها از یک انتخاب به یک ضرورت حیاتی تبدیل شده است. برخلاف امنیت نرمافزارهای سنتی، هوش مصنوعی چالشهای منحصربهفردی دارد که باید در معماری اولیه پروژه لحاظ شوند. جزئیات امکانات و سناریوهای استفاده در بررسی جامع ابزار آمده است.
پروژه OWASP Top 10 for LLM Applications فهرستی از مهمترین ریسکهای امنیتی را تدوین کرده است. برخی از حیاتیترین این موارد عبارتند از:
🔹 تزریق دستور (Prompt Injection): تلاش برای دور زدن دستورالعملهای مدل و وادار کردن آن به رفتارهای غیرمنتظره.
🔹 افشای اطلاعات حساس: لو رفتن دادههای محرمانه از طریق پاسخهای مدل، لاگها یا ابزارهای جانبی.
🔹 اختیارات بیشازحد (Excessive Agency): دادن دسترسیهای غیرضروری به مدل که منجر به اقدامات مخرب در سیستمهای پاییندستی میشود.
🔹 مسمومسازی داده و مدل: آلوده کردن دادههای آموزشی یا پایگاههای دانش برای تغییر رفتار مدل.
Forwarded from mci internship
🚨 آخرین مهلت ثبتنام؛ فرصت رو از دست نده!
💡 برای کار کردن توی یه شرکت بزرگ، لازم نیست سالها منتظر #سابقه_کار بمونی!
با ثبتنام در «شانزدهمین دوره کارآموزی همراه اول»، میتونی همین امروز اولین قدمِ حرفهایت رو برداری و آینده شغلیت رو بسازی.
این فقط یک دوره آموزشی ساده نیست؛ یک مسیر میانبر ۴ ماهه برای ورود مستقیم به بازار کاره:
🔹 پرداخت حقوق و پوشش بیمه در طول دوره
🔹 منتورینگ تخصصی با باتجربهترین مدیران صنعت ICT
🔹 فرصت مستقیم جذب و استخدام در گروه شرکتهای همراه اول
⏱ بیش از ۱۲۰ موقعیت شغلی در گروههای مختلف منتظر رزومه توست.
⚠️ ظرفیت محدود (پیش از تکمیل موقعیتها ثبتنام کن!)
🌐 ارسال سریع رزومه و ثبتنام:
https://l.hamrah.academy/62o
💡 برای کار کردن توی یه شرکت بزرگ، لازم نیست سالها منتظر #سابقه_کار بمونی!
با ثبتنام در «شانزدهمین دوره کارآموزی همراه اول»، میتونی همین امروز اولین قدمِ حرفهایت رو برداری و آینده شغلیت رو بسازی.
این فقط یک دوره آموزشی ساده نیست؛ یک مسیر میانبر ۴ ماهه برای ورود مستقیم به بازار کاره:
🔹 پرداخت حقوق و پوشش بیمه در طول دوره
🔹 منتورینگ تخصصی با باتجربهترین مدیران صنعت ICT
🔹 فرصت مستقیم جذب و استخدام در گروه شرکتهای همراه اول
⏱ بیش از ۱۲۰ موقعیت شغلی در گروههای مختلف منتظر رزومه توست.
⚠️ ظرفیت محدود (پیش از تکمیل موقعیتها ثبتنام کن!)
🌐 ارسال سریع رزومه و ثبتنام:
https://l.hamrah.academy/62o
🚀 بررسی بنچمارکهای جدید هوش مصنوعی
نتایج بنچمارکهای تازه منتشر شده نشان میدهد که مدلهای هوش مصنوعی با سرعت خیرهکنندهای در حال پیشرفت هستند و استانداردهای جدیدی را در عملکرد فنی تعریف میکنند.
در حوزه وظایف تخصصی تحلیلگر مالی، مدلهای زیر عملکرد برجستهای داشتهاند:
* Gemini 3.8 Flash با کسب نرخ موفقیت ۶۱.۴٪ در صدر لیست قرار گرفته است.
* Gemini 3.7 Flash با ۵۹.۰٪ عملکرد، در رده بعدی جای دارد.
* Claude Opus 5 با ثبت ۵۸.۶٪ موفقیت، همچنان یکی از گزینههای قدرتمند در تحلیلهای مالی است.
این دادهها نشان میدهد که برای کارهای تخصصی و تحلیلهای پیچیده مالی، ابزارهای سری Gemini در حال حاضر به عنوان یک مرجع کلیدی شناخته میشوند. با توجه به قیمت و کارایی، این مدلها مرزهای جدیدی را در دنیای پردازش دادههای مالی ترسیم کردهاند.
#Gemini_3 #Financial_Analyst
نتایج بنچمارکهای تازه منتشر شده نشان میدهد که مدلهای هوش مصنوعی با سرعت خیرهکنندهای در حال پیشرفت هستند و استانداردهای جدیدی را در عملکرد فنی تعریف میکنند.
در حوزه وظایف تخصصی تحلیلگر مالی، مدلهای زیر عملکرد برجستهای داشتهاند:
* Gemini 3.8 Flash با کسب نرخ موفقیت ۶۱.۴٪ در صدر لیست قرار گرفته است.
* Gemini 3.7 Flash با ۵۹.۰٪ عملکرد، در رده بعدی جای دارد.
* Claude Opus 5 با ثبت ۵۸.۶٪ موفقیت، همچنان یکی از گزینههای قدرتمند در تحلیلهای مالی است.
این دادهها نشان میدهد که برای کارهای تخصصی و تحلیلهای پیچیده مالی، ابزارهای سری Gemini در حال حاضر به عنوان یک مرجع کلیدی شناخته میشوند. با توجه به قیمت و کارایی، این مدلها مرزهای جدیدی را در دنیای پردازش دادههای مالی ترسیم کردهاند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Gemini_3 #Financial_Analyst