⚠️ آمادگی شرکت‌های بزرگ هوش مصنوعی برای سناریوهای بحرانی
گزارش وب‌سایت Axios نشان می‌دهد که مدیران شرکت‌هایی مانند OpenAI و Anthropic جلسات محرمانه‌ای برای بررسی پیامدهای اجتماعی و سیاسی در صورت بروز فاجعه ناشی از هوش مصنوعی برگزار می‌کنند.
برخی از مهم‌ترین احتمالات مطرح‌شده در این سناریوها عبارتند از:
* وقوع حملات سایبری گسترده با هدف قطع دسترسی به خدمات بانکی و اینترنت
* اختلال در شبکه توزیع برق و منابع آب
* کاهش شدید اعتماد عمومی به فناوری و رهبران آن مانند سم آلتمن و داریو آمودی
* تلاش نهادهای سیاسی برای توقف توسعه هوش مصنوعی پس از انتخابات
بسیاری از افراد مطلع در این شرکت‌ها احتمال می‌دهند چنین رویدادی در بازه زمانی ۶ تا ۱۲ ماه آینده رخ دهد. اگرچه برنامه‌ریزی برای شرایط بحرانی اقدام منطقی محسوب می‌شود، اما اطمینان بالای این منابع درباره بازه زمانی وقوع حادثه، توجه بسیاری را جلب کرده است.
#OpenAI #Anthropic
گزارش وب‌سایت Axios نشان می‌دهد که مدیران شرکت‌هایی مانند OpenAI و Anthropic جلسات محرمانه‌ای برای بررسی پیامدهای اجتماعی و سیاسی در صورت بروز فاجعه ناشی از هوش مصنوعی برگزار می‌کنند.
برخی از مهم‌ترین احتمالات مطرح‌شده در این سناریوها عبارتند از:
* وقوع حملات سایبری گسترده با هدف قطع دسترسی به خدمات بانکی و اینترنت
* اختلال در شبکه توزیع برق و منابع آب
* کاهش شدید اعتماد عمومی به فناوری و رهبران آن مانند سم آلتمن و داریو آمودی
* تلاش نهادهای سیاسی برای توقف توسعه هوش مصنوعی پس از انتخابات
بسیاری از افراد مطلع در این شرکت‌ها احتمال می‌دهند چنین رویدادی در بازه زمانی ۶ تا ۱۲ ماه آینده رخ دهد. اگرچه برنامه‌ریزی برای شرایط بحرانی اقدام منطقی محسوب می‌شود، اما اطمینان بالای این منابع درباره بازه زمانی وقوع حادثه، توجه بسیاری را جلب کرده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#OpenAI #Anthropic
⚡️ تغییر در دسترسی به Gemini؛ مدل‌های قوی‌تر پولی می‌شوند
گوگل از ۹ اکتبر دسترسی به مدل‌های هوش مصنوعی Gemini را تغییر می‌دهد و نسخه رایگان را به شدت محدود می‌کند. در این ساختار جدید، دسترسی به مدل‌های کاربردی‌تر عملاً به داشتن اشتراک پولی مشروط می‌شود.
تغییرات اصلی دسترسی به مدل‌ها به این ترتیب است:
• در طرح رایگان، کاربران تنها به نسخه سبک Flash-Lite دسترسی خواهند داشت.
• مدل‌های Flash و Pro به بخش اشتراکی منتقل می‌شوند.
• اشتراک AI Plus شامل مدل‌های Flash-Lite و Flash خواهد بود.
• مدل Pro به طرح‌های گران‌تر یعنی AI Pro و AI Ultra منتقل می‌شود.
با این تغییرات، طرح رایگان تنها به ضعیف‌ترین نسخه Gemini محدود می‌شود و برای استفاده منظم از مدل‌های قدرتمندتر، نیاز به خرید اشتراک خواهد بود.
#Gemini #Flash_Lite
گوگل از ۹ اکتبر دسترسی به مدل‌های هوش مصنوعی Gemini را تغییر می‌دهد و نسخه رایگان را به شدت محدود می‌کند. در این ساختار جدید، دسترسی به مدل‌های کاربردی‌تر عملاً به داشتن اشتراک پولی مشروط می‌شود.
تغییرات اصلی دسترسی به مدل‌ها به این ترتیب است:
• در طرح رایگان، کاربران تنها به نسخه سبک Flash-Lite دسترسی خواهند داشت.
• مدل‌های Flash و Pro به بخش اشتراکی منتقل می‌شوند.
• اشتراک AI Plus شامل مدل‌های Flash-Lite و Flash خواهد بود.
• مدل Pro به طرح‌های گران‌تر یعنی AI Pro و AI Ultra منتقل می‌شود.
با این تغییرات، طرح رایگان تنها به ضعیف‌ترین نسخه Gemini محدود می‌شود و برای استفاده منظم از مدل‌های قدرتمندتر، نیاز به خرید اشتراک خواهد بود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Gemini #Flash_Lite
7514201528044412928_01_@DataPlusScience_7514201528044412928_01.pdf
1.2 MB
ساخت اپلیکیشن‌های تولیدی LLM با LangChain
ساخت برنامه‌های هوش مصنوعی در محیط عملیاتی (Production) فراتر از اتصال ساده به API است. ویرایش دوم کتاب «Generative AI with LangChain» نوشته بن آفرت و لئونید کولیگین، بر تبدیل نمونه‌های اولیه به سیستم‌های قابل‌اتکا تمرکز دارد. این کتاب با استفاده از Python، LangChain و LangGraph، نحوه طراحی جریان‌های کاری پیچیده، مدیریت حافظه و استفاده از عامل‌های هوشمند (Agents) را آموزش می‌دهد.
از مهم‌ترین سرفصل‌های این کتاب می‌توان به موارد زیر اشاره کرد:
- معماری سیستم‌های مبتنی بر عامل و مدیریت وضعیت با LangGraph
- پیاده‌سازی الگوهای پیشرفته مثل ReACT برای بهبود استدلال مدل
- روش‌های ارزیابی و تست سیستم‌های RAG و پاسخ‌های LLM
- استقرار مدل‌ها با استفاده از FastAPI و Ray Serve
- بهینه‌سازی هزینه‌ها و مشاهده‌پذیری (Observability) در محیط عملیاتی
تمرکز اصلی این راهنما، جایگزینی مهندسی پرامپت ساده با ساختارهای مهندسی‌شده و نظارت‌شونده است تا برنامه‌های کاربردی در مقیاس سازمانی کارایی لازم را داشته باشند.
🇮🇷 سایت | تلگرام
ساخت برنامه‌های هوش مصنوعی در محیط عملیاتی (Production) فراتر از اتصال ساده به API است. ویرایش دوم کتاب «Generative AI with LangChain» نوشته بن آفرت و لئونید کولیگین، بر تبدیل نمونه‌های اولیه به سیستم‌های قابل‌اتکا تمرکز دارد. این کتاب با استفاده از Python، LangChain و LangGraph، نحوه طراحی جریان‌های کاری پیچیده، مدیریت حافظه و استفاده از عامل‌های هوشمند (Agents) را آموزش می‌دهد.
از مهم‌ترین سرفصل‌های این کتاب می‌توان به موارد زیر اشاره کرد:
- معماری سیستم‌های مبتنی بر عامل و مدیریت وضعیت با LangGraph
- پیاده‌سازی الگوهای پیشرفته مثل ReACT برای بهبود استدلال مدل
- روش‌های ارزیابی و تست سیستم‌های RAG و پاسخ‌های LLM
- استقرار مدل‌ها با استفاده از FastAPI و Ray Serve
- بهینه‌سازی هزینه‌ها و مشاهده‌پذیری (Observability) در محیط عملیاتی
تمرکز اصلی این راهنما، جایگزینی مهندسی پرامپت ساده با ساختارهای مهندسی‌شده و نظارت‌شونده است تا برنامه‌های کاربردی در مقیاس سازمانی کارایی لازم را داشته باشند.
🇮🇷 سایت | تلگرام
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🌐 عرضه مدل دنیای مجازی Odyssey-3
شرکت Odyssey از مدل جدید خود با نام Odyssey-3 رونمایی کرد. این مدل که توسط تیمی از متخصصان حوزه خودروهای خودران توسعه یافته، با دریافت دستور متنی، محیط‌های تعاملی سه‌بعدی ایجاد می‌کند.
این مدل قادر است به‌صورت لحظه‌ای تعامل و حرکت اشیاء را در فضای تولیدشده محاسبه کند. امکان تجربه این شبیه‌ساز از طریق وب‌سایت Odyssey فراهم شده و در دو نسخه عادی (با رزولوشن 480×832) و Pro (با رزولوشن 720×1280) عرضه شده است.
از ویژگی‌های این مدل می‌توان به موارد زیر اشاره کرد:
• تولید محیط با قابلیت حرکت از زاویه اول‌شخص یا سوم‌شخص.
• کنترل مستقیم دوربین و افزودن رویدادها حین فرآیند تولید.
• استفاده به‌عنوان شبیه‌ساز برای آموزش ربات‌ها و سیستم‌های فیزیکی.
• کسب امتیاز ۶۶.۱ در معیار Physics-IQ Verified که بالاترین نتیجه ثبت‌شده برای درک فیزیک محیط است.
توسعه‌دهندگان می‌توانند برای دسترسی به API این مدل از طریق پورتال توسعه‌دهندگان Odyssey اقدام کنند. این مدل برای تولید هر فریم تنها چند مرحله پردازش نیاز دارد که امکان واکنش آنی به دستورات کاربر را فراهم می‌کند.
🇮🇷 سایت | تلگرام
شرکت Odyssey از مدل جدید خود با نام Odyssey-3 رونمایی کرد. این مدل که توسط تیمی از متخصصان حوزه خودروهای خودران توسعه یافته، با دریافت دستور متنی، محیط‌های تعاملی سه‌بعدی ایجاد می‌کند.
این مدل قادر است به‌صورت لحظه‌ای تعامل و حرکت اشیاء را در فضای تولیدشده محاسبه کند. امکان تجربه این شبیه‌ساز از طریق وب‌سایت Odyssey فراهم شده و در دو نسخه عادی (با رزولوشن 480×832) و Pro (با رزولوشن 720×1280) عرضه شده است.
از ویژگی‌های این مدل می‌توان به موارد زیر اشاره کرد:
• تولید محیط با قابلیت حرکت از زاویه اول‌شخص یا سوم‌شخص.
• کنترل مستقیم دوربین و افزودن رویدادها حین فرآیند تولید.
• استفاده به‌عنوان شبیه‌ساز برای آموزش ربات‌ها و سیستم‌های فیزیکی.
• کسب امتیاز ۶۶.۱ در معیار Physics-IQ Verified که بالاترین نتیجه ثبت‌شده برای درک فیزیک محیط است.
توسعه‌دهندگان می‌توانند برای دسترسی به API این مدل از طریق پورتال توسعه‌دهندگان Odyssey اقدام کنند. این مدل برای تولید هر فریم تنها چند مرحله پردازش نیاز دارد که امکان واکنش آنی به دستورات کاربر را فراهم می‌کند.
🇮🇷 سایت | تلگرام
❤1
🤖 عرضه مدل Decision-1 توسط مایکروسافت
مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.
کاربردهای این مدل شامل موارد زیر است:
- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی
Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.
این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.
#Microsoft_Decision_1 #Qwen3_5
مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب را در یک مرحله خروجی می‌دهد.
کاربردهای این مدل شامل موارد زیر است:
- پاسخ‌های بله/خیر یا انتخاب از میان گزینه‌ها
- رتبه‌بندی یا امتیازدهی به پاسخ‌های سایر مدل‌های هوش مصنوعی
- تعیین اقدامات عوامل هوشمند بر اساس دسته‌بندی
Decision-1 در ۳۶ بنچمارک آزمایشی بالاترین دقت را میان مدل‌های تصمیم‌گیر کسب کرده و تا ۳۵ برابر سریع‌تر از GPT-4o عمل می‌کند. نتایج نشان می‌دهد که در صورت تغییر ترتیب گزینه‌ها، خروجی این مدل تنها ۱.۳ درصد تغییر می‌کند که نشان‌دهنده پایداری بالای آن است.
این مدل هم‌اکنون در پلتفرم Microsoft Foundry در دسترس است و به زودی به OpenRouter اضافه خواهد شد. هزینه استفاده از آن ۰.۰۴۲ دلار به ازای هر میلیون توکن ورودی است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Microsoft_Decision_1 #Qwen3_5
معرفی بنچمارک Humanity's Sixth Sense برای سنجش درک اجتماعی هوش مصنوعی
واحد تحقیقاتی Scale Labs با همکاری Elorian، بنچمارک جدیدی به نام Humanity's Sixth Sense را برای ارزیابی توانایی مدل‌های چندوجهی در تحلیل سیگنال‌های اجتماعی و روابط فضایی منتشر کرد. این مجموعه شامل ۵۲۲ پرسش درباره ۲۸۸ صحنه ثابت و ۲۳۴ ویدیو است که مواردی مانند سلسله‌مراتب رفتاری و درک محیطی را بررسی می‌کند.
در تست‌های انجام‌شده روی ۲۵ مدل برتر، انسان‌ها به دقت ۹۳.۱ درصد رسیدند، در حالی که عملکرد مدل‌ها فاصله معناداری با این عدد دارد:
* GPT-6-astra: ۵۳.۶٪
* GPT-6.1-sol: ۴۶.۶٪
* Claude-Opus-5.5: ۴۴.۶٪
* Gemini-3.8-flash: ۴۱.۶٪
* Claude-Fable-5.1: ۴۰.۸٪
بررسی بیش از ۸۵۰۰ پاسخ ناموفق نشان می‌دهد که ۹۴ درصد خطاها ناشی از ضعف در بینایی ماشین و از دست دادن نشانه‌های بصری است و تنها ۵ درصد به اشتباهات منطقی مربوط می‌شود. طبق یافته‌های Scale Labs، افزایش حجم پردازش یا تخصیص توکن بیشتر، تأثیر چندانی در بهبود این ضعف‌های ساختاری ندارد. اطلاعات تکمیلی و لیست کامل مدل‌ها در این صفحه قابل مشاهده است.
🇮🇷 سایت | تلگرام
واحد تحقیقاتی Scale Labs با همکاری Elorian، بنچمارک جدیدی به نام Humanity's Sixth Sense را برای ارزیابی توانایی مدل‌های چندوجهی در تحلیل سیگنال‌های اجتماعی و روابط فضایی منتشر کرد. این مجموعه شامل ۵۲۲ پرسش درباره ۲۸۸ صحنه ثابت و ۲۳۴ ویدیو است که مواردی مانند سلسله‌مراتب رفتاری و درک محیطی را بررسی می‌کند.
در تست‌های انجام‌شده روی ۲۵ مدل برتر، انسان‌ها به دقت ۹۳.۱ درصد رسیدند، در حالی که عملکرد مدل‌ها فاصله معناداری با این عدد دارد:
* GPT-6-astra: ۵۳.۶٪
* GPT-6.1-sol: ۴۶.۶٪
* Claude-Opus-5.5: ۴۴.۶٪
* Gemini-3.8-flash: ۴۱.۶٪
* Claude-Fable-5.1: ۴۰.۸٪
بررسی بیش از ۸۵۰۰ پاسخ ناموفق نشان می‌دهد که ۹۴ درصد خطاها ناشی از ضعف در بینایی ماشین و از دست دادن نشانه‌های بصری است و تنها ۵ درصد به اشتباهات منطقی مربوط می‌شود. طبق یافته‌های Scale Labs، افزایش حجم پردازش یا تخصیص توکن بیشتر، تأثیر چندانی در بهبود این ضعف‌های ساختاری ندارد. اطلاعات تکمیلی و لیست کامل مدل‌ها در این صفحه قابل مشاهده است.
🇮🇷 سایت | تلگرام
🧮 واکنش جامعه ریاضی‌دانان به انتشار راهکارهای OpenAI
به‌تازگی OpenAI مجموعه‌ای از راهکارهای مسائل ریاضی را منتشر کرده است که با واکنش تند «انجمن ریاضی‌دانان» (AHM) مواجه شد. ترنس تائو، ریاضی‌دان برجسته، بیانیه این انجمن را در وبلاگ شخصی خود بازنشر کرده است.
مهم‌ترین نکات این بیانیه عبارتند از:
- ریاضی‌دانان هرگز درخواستی برای انجام این کار یا انتشار راهکارها نداشته‌اند.
- آن‌ها ادعای OpenAI مبنی بر کمک این مدل به پیشرفت علم ریاضیات را رد کرده و از جامعه علمی خواسته‌اند با شک و تردید به نتایج چنین مدل‌هایی نگاه کنند.
- این انجمن از ریاضی‌دانان خواسته است همکاری با OpenAI را متوقف کرده و به شیوه‌ای از پژوهش بازگردند که در آن «درک انسانی» در کانون توجه است.
در حال حاضر بحث‌های جدی در محافل علمی درباره لزوم تغییر ساختار آکادمیک و برنامه‌های آموزشی شکل گرفته است؛ چرا که معیارهای سنتی مانند «تعداد مقالات» دیگر پاسخگوی دنیای جدید ابزارهای هوش مصنوعی نیستند.
باید دید آیا این واکنش‌ها محدود به رشته ریاضی باقی می‌ماند یا با ورود مدل‌های هوش مصنوعی به حوزه‌هایی مانند بیولوژی و فیزیک برای کشف فرمول‌ها و داروهای جدید، دایره مخالفت‌ها گسترده‌تر خواهد شد. آنچه مسلم است، روند توسعه این مدل‌ها توقف‌ناپذیر به نظر می‌رسد.
#OpenAI #Terence_Tao
به‌تازگی OpenAI مجموعه‌ای از راهکارهای مسائل ریاضی را منتشر کرده است که با واکنش تند «انجمن ریاضی‌دانان» (AHM) مواجه شد. ترنس تائو، ریاضی‌دان برجسته، بیانیه این انجمن را در وبلاگ شخصی خود بازنشر کرده است.
مهم‌ترین نکات این بیانیه عبارتند از:
- ریاضی‌دانان هرگز درخواستی برای انجام این کار یا انتشار راهکارها نداشته‌اند.
- آن‌ها ادعای OpenAI مبنی بر کمک این مدل به پیشرفت علم ریاضیات را رد کرده و از جامعه علمی خواسته‌اند با شک و تردید به نتایج چنین مدل‌هایی نگاه کنند.
- این انجمن از ریاضی‌دانان خواسته است همکاری با OpenAI را متوقف کرده و به شیوه‌ای از پژوهش بازگردند که در آن «درک انسانی» در کانون توجه است.
در حال حاضر بحث‌های جدی در محافل علمی درباره لزوم تغییر ساختار آکادمیک و برنامه‌های آموزشی شکل گرفته است؛ چرا که معیارهای سنتی مانند «تعداد مقالات» دیگر پاسخگوی دنیای جدید ابزارهای هوش مصنوعی نیستند.
باید دید آیا این واکنش‌ها محدود به رشته ریاضی باقی می‌ماند یا با ورود مدل‌های هوش مصنوعی به حوزه‌هایی مانند بیولوژی و فیزیک برای کشف فرمول‌ها و داروهای جدید، دایره مخالفت‌ها گسترده‌تر خواهد شد. آنچه مسلم است، روند توسعه این مدل‌ها توقف‌ناپذیر به نظر می‌رسد.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#OpenAI #Terence_Tao
🚀 افزایش سرعت اجرای LLM روی تراشه‌های Apple M5
موتور متن‌باز Uzu توسعه‌یافته توسط Mirai توانسته است با بهینه‌سازی فرآیند اجرا، سرعت پردازش مدل Qwen3.5 9B را روی تراشه Apple M5 از ۲۲ به ۱۱۷ توکن بر ثانیه برساند. این افزایش عملکرد با استفاده از تکنیک‌های زیر حاصل شده است:
* Quantization: کاهش دقت وزن‌های مدل برای کاهش فشار بر حافظه
* Speculative Decoding: پیش‌بینی توکن‌ها توسط یک مدل کوچک‌تر پیش از تأیید توسط مدل اصلی
* Weaver: مکانیزم اختصاصی برای مدیریت بهتر جریان داده‌ها
* مقایسه عملکرد: ثبت نتایج در بنچمارک‌های مستقیم در برابر
همچنین در مدل‌سازی برای توسعه Agentهای هوش مصنوعی، ۵ سطح بلوغ تعریف شده است که مسیر تکامل آن‌ها را از یک پرامپت ساده تا مرحله عملیاتی نشان می‌دهد:
* Context: سطح پایه برای ارائه اطلاعات به مدل
* Loop: اجرای چرخه‌های تکرار شونده
* Jev: مدیریت تعاملات و منطق‌های تصمیم‌گیری
* Harness: یکپارچه‌سازی ابزارها و محیط اجرا
* Evals: ارزیابی خودکار خروجی‌ها برای تضمین کیفیت در مقیاس تولید
🇮🇷 سایت | تلگرام
موتور متن‌باز Uzu توسعه‌یافته توسط Mirai توانسته است با بهینه‌سازی فرآیند اجرا، سرعت پردازش مدل Qwen3.5 9B را روی تراشه Apple M5 از ۲۲ به ۱۱۷ توکن بر ثانیه برساند. این افزایش عملکرد با استفاده از تکنیک‌های زیر حاصل شده است:
* Quantization: کاهش دقت وزن‌های مدل برای کاهش فشار بر حافظه
* Speculative Decoding: پیش‌بینی توکن‌ها توسط یک مدل کوچک‌تر پیش از تأیید توسط مدل اصلی
* Weaver: مکانیزم اختصاصی برای مدیریت بهتر جریان داده‌ها
* مقایسه عملکرد: ثبت نتایج در بنچمارک‌های مستقیم در برابر
llama.cpp و MLXهمچنین در مدل‌سازی برای توسعه Agentهای هوش مصنوعی، ۵ سطح بلوغ تعریف شده است که مسیر تکامل آن‌ها را از یک پرامپت ساده تا مرحله عملیاتی نشان می‌دهد:
* Context: سطح پایه برای ارائه اطلاعات به مدل
* Loop: اجرای چرخه‌های تکرار شونده
* Jev: مدیریت تعاملات و منطق‌های تصمیم‌گیری
* Harness: یکپارچه‌سازی ابزارها و محیط اجرا
* Evals: ارزیابی خودکار خروجی‌ها برای تضمین کیفیت در مقیاس تولید
🇮🇷 سایت | تلگرام
هوش مصنوعی و علم داده به فارسی
🤖 عرضه مدل Decision-1 توسط مایکروسافت مایکروسافت مدل جدیدی به نام Decision-1 را عرضه کرده است که صرفاً برای اتخاذ تصمیم طراحی شده است. این مدل بر پایه Qwen3.5-9B توسعه یافته و با دریافت یک درخواست و مجموعه‌ای از گزینه‌ها، احتمال کالیبره شده برای هر انتخاب…
This media is not supported in your browser
VIEW IN TELEGRAM
📊 معرفی مدل Microsoft-Decision-1 برای تصمیم‌گیری
مایکروسافت مدل جدیدی به نام Microsoft-Decision-1 عرضه کرده که به جای تولید متن، احتمال‌های کالیبره‌شده برای تصمیم‌گیری ارائه می‌دهد. این مدل که بر پایه Qwen3.5-9B آموزش دیده، برای استفاده در وظایفی مانند مسیریابی، طبقه‌بندی و کنترل ایجنت‌ها بهینه‌سازی شده است.
عملکرد این مدل بر اساس «امتیازدهی تصمیم در یک مرحله» است؛ به این صورت که با دریافت موقعیت، سوال و مجموعه‌ای از گزینه‌ها، برای هر گزینه یک احتمال دقیق باز می‌گرداند تا برنامه بتواند سریع تصمیم بگیرد یا درخواست را ارجاع دهد.
مهم‌ترین مشخصات فنی این مدل:
- دقت میانگین ۸۳.۵ درصد در ۳۶ بنچمارک مختلف.
- تاخیر ۸۵ میلی‌ثانیه‌ای (p50) که ۳۵ برابر سریع‌تر از GPT-6 Sol است.
- هزینه ۰.۰۴۲ دلار به ازای هر ۱ میلیون توکن ورودی.
محدودیت اصلی این مدل، عدم ارائه توضیح متنی، وزن‌های بسته و امتیاز کالیبراسیون ۹۲.۲ در مقابل ۹۳.۱ رقیب اصلی خود یعنی Quyet-1.0-Large است. جزئیات بیشتر در اعلامیه رسمی مایکروسافت در دسترس است.
مایکروسافت مدل جدیدی به نام Microsoft-Decision-1 عرضه کرده که به جای تولید متن، احتمال‌های کالیبره‌شده برای تصمیم‌گیری ارائه می‌دهد. این مدل که بر پایه Qwen3.5-9B آموزش دیده، برای استفاده در وظایفی مانند مسیریابی، طبقه‌بندی و کنترل ایجنت‌ها بهینه‌سازی شده است.
عملکرد این مدل بر اساس «امتیازدهی تصمیم در یک مرحله» است؛ به این صورت که با دریافت موقعیت، سوال و مجموعه‌ای از گزینه‌ها، برای هر گزینه یک احتمال دقیق باز می‌گرداند تا برنامه بتواند سریع تصمیم بگیرد یا درخواست را ارجاع دهد.
مهم‌ترین مشخصات فنی این مدل:
- دقت میانگین ۸۳.۵ درصد در ۳۶ بنچمارک مختلف.
- تاخیر ۸۵ میلی‌ثانیه‌ای (p50) که ۳۵ برابر سریع‌تر از GPT-6 Sol است.
- هزینه ۰.۰۴۲ دلار به ازای هر ۱ میلیون توکن ورودی.
محدودیت اصلی این مدل، عدم ارائه توضیح متنی، وزن‌های بسته و امتیاز کالیبراسیون ۹۲.۲ در مقابل ۹۳.۱ رقیب اصلی خود یعنی Quyet-1.0-Large است. جزئیات بیشتر در اعلامیه رسمی مایکروسافت در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
انتشار مدل Qwen-Image-2.1 Turbo برای تولید تصویر
شرکت علی‌بابا نسخه جدید
ویژگی‌های اصلی این نسخه عبارتند از:
- تولید و ویرایش یکپارچه: قابلیت ایجاد تصاویر معمولی یا با پس‌زمینه شفاف (RGBA) و استخراج سوژه از عکس‌ها.
- ویرایش چندمنظوره: پشتیبانی از ۱۰ تصویر مرجع و اعمال ویرایش‌های محلی از طریق ماسک یا حاشیه‌نویسی با حفظ هویت سوژه‌ها.
- بهینه‌سازی محاسباتی: استفاده از معماری سبک با
- بهبود جزئیات: افزایش کیفیت تایپوگرافی و نورپردازی در پرتره‌ها.
شما می‌توانید از طریق کتابخانه Diffusers از وزن‌های این مدل به‌صورت محلی استفاده کنید یا از طریق API رسمی علی‌بابا به آن دسترسی داشته باشید. جزئیات بیشتر و دموها نیز در ModelScope در دسترس است.
#Qwen_Image_2_1_Turbo #denoising
شرکت علی‌بابا نسخه جدید
Qwen-Image-2.1-Turbo را منتشر کرد. این مدل که بر پایه همان معماری 7B مدل قبلی ساخته شده، اکنون با تنها مهم‌ترین مراحل denoising تصاویر 2K تولید می‌کند.ویژگی‌های اصلی این نسخه عبارتند از:
- تولید و ویرایش یکپارچه: قابلیت ایجاد تصاویر معمولی یا با پس‌زمینه شفاف (RGBA) و استخراج سوژه از عکس‌ها.
- ویرایش چندمنظوره: پشتیبانی از ۱۰ تصویر مرجع و اعمال ویرایش‌های محلی از طریق ماسک یا حاشیه‌نویسی با حفظ هویت سوژه‌ها.
- بهینه‌سازی محاسباتی: استفاده از معماری سبک با
mixed-granularity attention برای کاهش هزینه‌های استنتاج.- بهبود جزئیات: افزایش کیفیت تایپوگرافی و نورپردازی در پرتره‌ها.
شما می‌توانید از طریق کتابخانه Diffusers از وزن‌های این مدل به‌صورت محلی استفاده کنید یا از طریق API رسمی علی‌بابا به آن دسترسی داشته باشید. جزئیات بیشتر و دموها نیز در ModelScope در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Qwen_Image_2_1_Turbo #denoising
⚠️ پیشرفت مدل‌های هوش مصنوعی در ریاضیات و چالش امنیت شبکه
شرکت OpenAI به‌تازگی ۷۲۲ مقاله ریاضی منتشر کرده است که شامل ۳۷۲ خانواده از نتایج علمی می‌شود. این مدل‌ها توانسته‌اند در حل حدود ۴۰۰۰ مسئله ریاضی که برای دهه‌ها بی‌پاسخ مانده بودند، پیشرفت ایجاد کنند. اسکات آرنسون، دانشمند علوم کامپیوتر، این حجم از دستاوردها را «ریاضی‌کالیپس» نامیده است.
نگرانی اصلی اینجاست که تسریع در کشف الگوریتم‌های جدید ریاضی می‌تواند امنیت سیستم‌های رمزنگاری کلید عمومی را تهدید کند؛ سیستم‌هایی که در حال حاضر از تبادلات بانکی، پیام‌های شخصی و ارزهای دیجیتال محافظت می‌کنند.
جاستین دریک، از محققان اتریوم، به فعالان صنعت بلاک‌چین هشدار داده است که برای شرایط اضطراری آماده باشند. اگرچه هوش مصنوعی هنوز موفق به شکستن رمزنگاری‌های مدرن نشده است، اما سرعت کنونی در اکتشافات ریاضی می‌تواند رقابت برای ایمن‌سازی زیرساخت‌های اینترنت را جدی‌تر از گذشته کند.
#Mathocalypse #رمزنگاری_کلید_عمومی
شرکت OpenAI به‌تازگی ۷۲۲ مقاله ریاضی منتشر کرده است که شامل ۳۷۲ خانواده از نتایج علمی می‌شود. این مدل‌ها توانسته‌اند در حل حدود ۴۰۰۰ مسئله ریاضی که برای دهه‌ها بی‌پاسخ مانده بودند، پیشرفت ایجاد کنند. اسکات آرنسون، دانشمند علوم کامپیوتر، این حجم از دستاوردها را «ریاضی‌کالیپس» نامیده است.
نگرانی اصلی اینجاست که تسریع در کشف الگوریتم‌های جدید ریاضی می‌تواند امنیت سیستم‌های رمزنگاری کلید عمومی را تهدید کند؛ سیستم‌هایی که در حال حاضر از تبادلات بانکی، پیام‌های شخصی و ارزهای دیجیتال محافظت می‌کنند.
جاستین دریک، از محققان اتریوم، به فعالان صنعت بلاک‌چین هشدار داده است که برای شرایط اضطراری آماده باشند. اگرچه هوش مصنوعی هنوز موفق به شکستن رمزنگاری‌های مدرن نشده است، اما سرعت کنونی در اکتشافات ریاضی می‌تواند رقابت برای ایمن‌سازی زیرساخت‌های اینترنت را جدی‌تر از گذشته کند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Mathocalypse #رمزنگاری_کلید_عمومی
📊 مخزن ابزارهای ارزیابی مدل‌های زبانی
این مخزن شامل فهرستی از بیش از ۳۰۰ ابزار مختلف برای ارزیابی مدل‌های زبانی بزرگ (LLM) است. اگر به دنبال راهکارهایی برای بررسی عملکرد مدل‌ها، سیستم‌های RAG، عامل‌ها، پایش (observability) یا اجرای بنچمارک‌ها هستید، این مجموعه می‌تواند جایگزین جست‌وجوی مداوم در گیت‌هاب باشد.
مهم‌ترین دسته‌بندی‌های موجود در ai-evaluation-tools عبارتند از:
- ابزارهای ارزیابی جامع مدل‌های زبانی
- راهکارهای اختصاصی برای سیستم‌های RAG
- پلتفرم‌های تست و پایش ایجنت‌ها
- ابزارهای مدیریت امنیت و Guardrails
- انواع بنچمارک‌های استاندارد برای سنجش کیفیت خروجی‌ها
#LLMEvaluation #Guardrails
این مخزن شامل فهرستی از بیش از ۳۰۰ ابزار مختلف برای ارزیابی مدل‌های زبانی بزرگ (LLM) است. اگر به دنبال راهکارهایی برای بررسی عملکرد مدل‌ها، سیستم‌های RAG، عامل‌ها، پایش (observability) یا اجرای بنچمارک‌ها هستید، این مجموعه می‌تواند جایگزین جست‌وجوی مداوم در گیت‌هاب باشد.
مهم‌ترین دسته‌بندی‌های موجود در ai-evaluation-tools عبارتند از:
- ابزارهای ارزیابی جامع مدل‌های زبانی
- راهکارهای اختصاصی برای سیستم‌های RAG
- پلتفرم‌های تست و پایش ایجنت‌ها
- ابزارهای مدیریت امنیت و Guardrails
- انواع بنچمارک‌های استاندارد برای سنجش کیفیت خروجی‌ها
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#LLMEvaluation #Guardrails
Media is too big
VIEW IN TELEGRAM
📊 معرفی قابلیت Claude Dashboards و Claude Motion
نسخه بتای دو قابلیت جدید در کلود عرضه شد که امکان تبدیل داده و ایده به خروجی‌های بصری را فراهم می‌کند.
ویژگی Claude Dashboards به کاربران اجازه می‌دهد با اتصال مستقیم به پلتفرم‌های داده یا ابزارهای CRM، پرسش‌های خود را با زبان ساده مطرح کنند. کلود به‌صورت خودکار کوئری مورد نیاز را می‌نویسد و یک داشبورد زنده می‌سازد که با تغییر داده‌ها، به‌روزرسانی می‌شود. این قابلیت برای پلن‌های اشتراکی در دسترس است.
ویژگی Claude Motion نیز امکان تبدیل گزارش‌ها، نمودارها یا راهنمای محصولات را به انیمیشن‌های کوتاه فراهم می‌کند. این ابزار به جای استفاده از مدل‌های ویدیویی، هر انیمیشن را به صورت کد تولید می‌کند؛ بنابراین امکان ویرایش کلمات، اعداد و زمان‌بندی در آن وجود دارد و خروجی نهایی به صورت فایل MP4 قابل دریافت است. این قابلیت در حال حاضر برای پلن‌های Team و Enterprise فعال شده است.
اطلاعات بیشتر در سایت کلود در دسترس است.
#Claude_Dashboards #Claude_Motion
نسخه بتای دو قابلیت جدید در کلود عرضه شد که امکان تبدیل داده و ایده به خروجی‌های بصری را فراهم می‌کند.
ویژگی Claude Dashboards به کاربران اجازه می‌دهد با اتصال مستقیم به پلتفرم‌های داده یا ابزارهای CRM، پرسش‌های خود را با زبان ساده مطرح کنند. کلود به‌صورت خودکار کوئری مورد نیاز را می‌نویسد و یک داشبورد زنده می‌سازد که با تغییر داده‌ها، به‌روزرسانی می‌شود. این قابلیت برای پلن‌های اشتراکی در دسترس است.
ویژگی Claude Motion نیز امکان تبدیل گزارش‌ها، نمودارها یا راهنمای محصولات را به انیمیشن‌های کوتاه فراهم می‌کند. این ابزار به جای استفاده از مدل‌های ویدیویی، هر انیمیشن را به صورت کد تولید می‌کند؛ بنابراین امکان ویرایش کلمات، اعداد و زمان‌بندی در آن وجود دارد و خروجی نهایی به صورت فایل MP4 قابل دریافت است. این قابلیت در حال حاضر برای پلن‌های Team و Enterprise فعال شده است.
اطلاعات بیشتر در سایت کلود در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude_Dashboards #Claude_Motion
🪐 کشف سیاره احتمالی در داده‌های ناسا با کمک AI
یک پژوهشگر مستقل با استفاده از ابزار Claude Code موفق شد یک سیاره احتمالی را در داده‌های تلسکوپ فضایی TESS ناسا شناسایی کند که از سال ۲۰۱۸ تا امروز کشف‌نشده باقی مانده بود.
این پژوهشگر با به‌کارگیری مدل‌های Opus 5.5 و Fable 5.1، فرآیند تحلیل داده‌های درخشش ستاره‌ای، جستجوی گذرهای سیاره‌ای و حذف خطاهای احتمالی را انجام داد. بر اساس یافته‌های اولیه، این سیاره در فاصله حدود ۱۱۶ سال نوری قرار دارد و هر ۳.۱۸ روز یک‌بار از مقابل ستاره خود عبور می‌کند که باعث کاهش ۰.۰۵ درصدی نور آن برای دو ساعت می‌شود. ابعاد این جرم حدود ۱.۴ برابر زمین تخمین زده شده است.
این یافته هنوز تأیید نهایی نشده و مأموریت TESS ناسا قرار است بین ۳۱ اکتبر تا ۲۶ نوامبر امسال، رصدهای جدیدی از این منظومه انجام دهد تا شواهد بیشتری برای اثبات وجود آن جمع‌آوری شود.
#Claude_Code #TESS_Mission
یک پژوهشگر مستقل با استفاده از ابزار Claude Code موفق شد یک سیاره احتمالی را در داده‌های تلسکوپ فضایی TESS ناسا شناسایی کند که از سال ۲۰۱۸ تا امروز کشف‌نشده باقی مانده بود.
این پژوهشگر با به‌کارگیری مدل‌های Opus 5.5 و Fable 5.1، فرآیند تحلیل داده‌های درخشش ستاره‌ای، جستجوی گذرهای سیاره‌ای و حذف خطاهای احتمالی را انجام داد. بر اساس یافته‌های اولیه، این سیاره در فاصله حدود ۱۱۶ سال نوری قرار دارد و هر ۳.۱۸ روز یک‌بار از مقابل ستاره خود عبور می‌کند که باعث کاهش ۰.۰۵ درصدی نور آن برای دو ساعت می‌شود. ابعاد این جرم حدود ۱.۴ برابر زمین تخمین زده شده است.
این یافته هنوز تأیید نهایی نشده و مأموریت TESS ناسا قرار است بین ۳۱ اکتبر تا ۲۶ نوامبر امسال، رصدهای جدیدی از این منظومه انجام دهد تا شواهد بیشتری برای اثبات وجود آن جمع‌آوری شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude_Code #TESS_Mission
🛠 عرضه ابزار REA برای مهندسی معکوس
ابزار REA یک پروتکل MCP (Model Context Protocol) جدید است که برای مهندسی معکوس باینری‌ها، اپلیکیشن‌ها و رفتار نرم‌افزارها در زمان اجرا طراحی شده است.
این ابزار به شما اجازه می‌دهد جزئیات فنی و منطق پیاده‌سازی هر قابلیتی را که در یک برنامه مشاهده می‌کنید، تا سطح باینری بررسی و تحلیل کنید. هدف این پروژه، ساده‌سازی فرایند درک نحوه عملکرد درونی سیستم‌های نرم‌افزاری است.
#REA #Model_Context_Protocol
ابزار REA یک پروتکل MCP (Model Context Protocol) جدید است که برای مهندسی معکوس باینری‌ها، اپلیکیشن‌ها و رفتار نرم‌افزارها در زمان اجرا طراحی شده است.
این ابزار به شما اجازه می‌دهد جزئیات فنی و منطق پیاده‌سازی هر قابلیتی را که در یک برنامه مشاهده می‌کنید، تا سطح باینری بررسی و تحلیل کنید. هدف این پروژه، ساده‌سازی فرایند درک نحوه عملکرد درونی سیستم‌های نرم‌افزاری است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#REA #Model_Context_Protocol
🧠 انتشار جزئیات فنی و وزن‌های مدل MiMo-V2.6
شیائومی برای توسعه مدل MiMo-V2.6 حدود ۲.۶ میلیون دلار هزینه کرده است. این مدل بر پایه یادگیری تقویتی (RL) توسعه یافته و با هدف بهبود خودکار عملکرد ایجنت‌های هوش مصنوعی طراحی شده است.
تیم توسعه‌دهنده برای مقیاس‌پذیری آموزش این مدل روی سه محور اصلی تمرکز کرده است:
• افزایش تعداد تلاش‌ها و پهنای باند یادگیری
• تنوع محیط‌های کاری شامل کدنویسی، سناریوهای بصری و امنیت سایبری
• افزایش توان محاسباتی برای تأیید صحت پاسخ‌ها
یکی از ویژگی‌های این نسخه، استفاده از مکانیزم مقایسه راه‌حل‌ها توسط مدل‌های ناظر برای تشویق مسیرهای بهینه‌تر و کوتاه‌تر است. همچنین تدابیری برای مقابله با Reward Hacking در نظر گرفته شده تا مدل برای کسب امتیاز، از مسیرهای میان‌بر و غیرمنطقی استفاده نکند.
در پی این به‌روزرسانی، امتیاز مدل Pro در بنچمارک DeepSWE v1.1 از ۵۸.۴٪ به ۷۲.۶٪ افزایش یافته است. شیائومی علاوه بر انتشار مقاله، وزن‌های مدل، فریم‌ورک RL و بیش از ۷ هزار محیط آموزشی را برای دسترسی عمومی منتشر کرده است.
🇮🇷 سایت | تلگرام
شیائومی برای توسعه مدل MiMo-V2.6 حدود ۲.۶ میلیون دلار هزینه کرده است. این مدل بر پایه یادگیری تقویتی (RL) توسعه یافته و با هدف بهبود خودکار عملکرد ایجنت‌های هوش مصنوعی طراحی شده است.
تیم توسعه‌دهنده برای مقیاس‌پذیری آموزش این مدل روی سه محور اصلی تمرکز کرده است:
• افزایش تعداد تلاش‌ها و پهنای باند یادگیری
• تنوع محیط‌های کاری شامل کدنویسی، سناریوهای بصری و امنیت سایبری
• افزایش توان محاسباتی برای تأیید صحت پاسخ‌ها
یکی از ویژگی‌های این نسخه، استفاده از مکانیزم مقایسه راه‌حل‌ها توسط مدل‌های ناظر برای تشویق مسیرهای بهینه‌تر و کوتاه‌تر است. همچنین تدابیری برای مقابله با Reward Hacking در نظر گرفته شده تا مدل برای کسب امتیاز، از مسیرهای میان‌بر و غیرمنطقی استفاده نکند.
در پی این به‌روزرسانی، امتیاز مدل Pro در بنچمارک DeepSWE v1.1 از ۵۸.۴٪ به ۷۲.۶٪ افزایش یافته است. شیائومی علاوه بر انتشار مقاله، وزن‌های مدل، فریم‌ورک RL و بیش از ۷ هزار محیط آموزشی را برای دسترسی عمومی منتشر کرده است.
🇮🇷 سایت | تلگرام
Media is too big
VIEW IN TELEGRAM
🤖 عرضه مدل Magnific One با قابلیت کارگردانی هنری هوشمند
پلتفرم Magnific از مدل جدید خود به نام Magnific One رونمایی کرد که با بهره‌گیری از یک «کارگردان هنری» داخلی، ترکیب‌بندی، نورپردازی و سبک بصری تصاویر را به‌طور خودکار تنظیم می‌کند.
کاربران می‌توانند با بارگذاری Brand Kit شامل پالت رنگی، فونت و منابع بصری، خروجی‌های هوش مصنوعی را با هویت بصری برند خود هماهنگ کنند.
مهم‌ترین قابلیت‌های این ابزار:
* حالت Draft: ارائه ۸ تا ۱مهم‌ترین گزینه‌ها ترکیب‌بندی متفاوت در یک مرحله.
* حالت Final: تولید تصویر نهایی با رزولوشن حداکثر 4K.
* قابلیت Auto Layers: تفکیک خودکار اجزای تصویر در لایه‌های قابل ویرایش پس از تولید.
* بخش Designer: امکان کار با المان‌های برداری (Vector) و ویرایش جداگانه متن، رنگ و فونت بدون نیاز به تولید مجدد تصویر.
این مدل برای تولید انواع خروجی‌ها از جمله تصاویر واقع‌گرایانه، پوستر و طرح‌های تبلیغاتی طراحی شده است.
#MagnificOne #AutoLayers
پلتفرم Magnific از مدل جدید خود به نام Magnific One رونمایی کرد که با بهره‌گیری از یک «کارگردان هنری» داخلی، ترکیب‌بندی، نورپردازی و سبک بصری تصاویر را به‌طور خودکار تنظیم می‌کند.
کاربران می‌توانند با بارگذاری Brand Kit شامل پالت رنگی، فونت و منابع بصری، خروجی‌های هوش مصنوعی را با هویت بصری برند خود هماهنگ کنند.
مهم‌ترین قابلیت‌های این ابزار:
* حالت Draft: ارائه ۸ تا ۱مهم‌ترین گزینه‌ها ترکیب‌بندی متفاوت در یک مرحله.
* حالت Final: تولید تصویر نهایی با رزولوشن حداکثر 4K.
* قابلیت Auto Layers: تفکیک خودکار اجزای تصویر در لایه‌های قابل ویرایش پس از تولید.
* بخش Designer: امکان کار با المان‌های برداری (Vector) و ویرایش جداگانه متن، رنگ و فونت بدون نیاز به تولید مجدد تصویر.
این مدل برای تولید انواع خروجی‌ها از جمله تصاویر واقع‌گرایانه، پوستر و طرح‌های تبلیغاتی طراحی شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#MagnificOne #AutoLayers
🛍️ عرضه ابزار MCP اختصاصی برای دیجی‌کالا
امکان اتصال ایجنت‌های هوش مصنوعی به داده‌های دیجی‌کالا با استفاده از digikala-mcp فراهم شد. این پروژه شامل ۲۳ ابزار Read-only است که بدون نیاز به API Key یا ورود به حساب کاربری، امکانات زیر را در اختیار مدل‌های هوش مصنوعی قرار می‌دهد:
* جستجوی محصولات و مقایسه قیمت فروشندگان
* تحلیل تاریخچه تغییرات قیمت
* استخراج امتیازات، پرسش‌وپاسخ‌ها و اعتبار فروشنده
* بررسی رتبه‌بندی و وضعیت موجودی کالا
* شناسایی پیشنهادهای ویژه و شرایط خرید اقساطی
این ابزار به‌صورت محلی (Local) اجرا می‌شود و برای استفاده از آن در محیط Claude، کافی است دستور زیر را در ترمینال اجرا کنید:
#digikala_mcp #Claude
امکان اتصال ایجنت‌های هوش مصنوعی به داده‌های دیجی‌کالا با استفاده از digikala-mcp فراهم شد. این پروژه شامل ۲۳ ابزار Read-only است که بدون نیاز به API Key یا ورود به حساب کاربری، امکانات زیر را در اختیار مدل‌های هوش مصنوعی قرار می‌دهد:
* جستجوی محصولات و مقایسه قیمت فروشندگان
* تحلیل تاریخچه تغییرات قیمت
* استخراج امتیازات، پرسش‌وپاسخ‌ها و اعتبار فروشنده
* بررسی رتبه‌بندی و وضعیت موجودی کالا
* شناسایی پیشنهادهای ویژه و شرایط خرید اقساطی
این ابزار به‌صورت محلی (Local) اجرا می‌شود و برای استفاده از آن در محیط Claude، کافی است دستور زیر را در ترمینال اجرا کنید:
claude mcp add digikala -- uvx digikala-mcp🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#digikala_mcp #Claude
📊 توقف موقت برنامه‌ی حمایتی آنتروپیک برای استارتاپ‌ها
شرکت Anthropic اعلام کرد که برنامه ویژه استارتاپ‌های این شرکت با استقبال غیرمنتظره‌ای روبرو شده است. در ۴۸ ساعت نخستِ بازگشایی این برنامه، تعداد درخواست‌های ارسالی ۲۱ برابر مجموع ۵ ماه گذشته بوده و صدها هزار متقاضی جدید ثبت‌نام کرده‌اند.
به دلیل حجم بالای تقاضا و پذیرش اشتباه برخی متقاضیان غیر استارتاپی، ارائه اعتبار ۱۰۰۰ دلاری API و طرح یک‌ساله رایگان Claude Team فعلاً متوقف شده است. آنتروپیک اعلام کرده که حتی برخی از درخواست‌های تأییدشده پیشین نیز دوباره بررسی خواهند شد. مزایایی که کاربران تا پیش از این وقفه دریافت کرده‌اند، همچنان معتبر باقی می‌مانند.
#Anthropic #Claude_Team
شرکت Anthropic اعلام کرد که برنامه ویژه استارتاپ‌های این شرکت با استقبال غیرمنتظره‌ای روبرو شده است. در ۴۸ ساعت نخستِ بازگشایی این برنامه، تعداد درخواست‌های ارسالی ۲۱ برابر مجموع ۵ ماه گذشته بوده و صدها هزار متقاضی جدید ثبت‌نام کرده‌اند.
به دلیل حجم بالای تقاضا و پذیرش اشتباه برخی متقاضیان غیر استارتاپی، ارائه اعتبار ۱۰۰۰ دلاری API و طرح یک‌ساله رایگان Claude Team فعلاً متوقف شده است. آنتروپیک اعلام کرده که حتی برخی از درخواست‌های تأییدشده پیشین نیز دوباره بررسی خواهند شد. مزایایی که کاربران تا پیش از این وقفه دریافت کرده‌اند، همچنان معتبر باقی می‌مانند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Anthropic #Claude_Team
🤖 هشدار در مورد امنیت امضای دیجیتال با هوش مصنوعی
جاستین دریک، از محققان اتریوم، نسبت به احتمال شکسته شدن الگوریتم ECDSA توسط هوش مصنوعی هشدار داد. این الگوریتم پایه امنیتی کیف‌پول‌های بیت‌کوین و اتریوم است. طبق تحلیل او، پیشرفت‌های اخیر مدل‌های هوش مصنوعی در حل مسائل ریاضی ممکن است زودتر از رایانه‌های کوانتومی، امنیت این امضاها را تهدید کند.
دریک برای کاهش ریسک، موارد زیر را توصیه می‌کند:
* استفاده از آدرس‌هایی که تاکنون هیچ تراکنشی با آن‌ها انجام نشده است، چرا که در این حالت فقط هش کلید عمومی در شبکه دیده می‌شود.
* انتقال باقی‌مانده دارایی به یک آدرس جدید پس از هر بار انجام تراکنش.
* تقویت ساختار ذخیره‌سازی سرد توسط صرافی‌ها و نهادهای بزرگ.
ویتالیک بوترین با تأیید این ریسک، نسبت به جابه‌جایی‌های عجولانه هشدار داد و تأکید کرد که خطاهای انسانی در فرآیند مهاجرت کیف‌پول‌ها اغلب خسارت‌بارتر از حملات احتمالی است. فعلاً هیچ حمله عملیاتی علیه ECDSA ثبت نشده و این هشدار صرفاً یک ارزیابی پیشگیرانه است.
جاستین دریک، از محققان اتریوم، نسبت به احتمال شکسته شدن الگوریتم ECDSA توسط هوش مصنوعی هشدار داد. این الگوریتم پایه امنیتی کیف‌پول‌های بیت‌کوین و اتریوم است. طبق تحلیل او، پیشرفت‌های اخیر مدل‌های هوش مصنوعی در حل مسائل ریاضی ممکن است زودتر از رایانه‌های کوانتومی، امنیت این امضاها را تهدید کند.
دریک برای کاهش ریسک، موارد زیر را توصیه می‌کند:
* استفاده از آدرس‌هایی که تاکنون هیچ تراکنشی با آن‌ها انجام نشده است، چرا که در این حالت فقط هش کلید عمومی در شبکه دیده می‌شود.
* انتقال باقی‌مانده دارایی به یک آدرس جدید پس از هر بار انجام تراکنش.
* تقویت ساختار ذخیره‌سازی سرد توسط صرافی‌ها و نهادهای بزرگ.
ویتالیک بوترین با تأیید این ریسک، نسبت به جابه‌جایی‌های عجولانه هشدار داد و تأکید کرد که خطاهای انسانی در فرآیند مهاجرت کیف‌پول‌ها اغلب خسارت‌بارتر از حملات احتمالی است. فعلاً هیچ حمله عملیاتی علیه ECDSA ثبت نشده و این هشدار صرفاً یک ارزیابی پیشگیرانه است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما