هوش مصنوعی و علم داده به فارسی
6.06K subscribers
2.38K photos
554 videos
369 files
2.54K links
DataPlusScience | هوش مصنوعی و علم داده به فارسی
اخبار، تحلیل، آموزش و ابزارهای کاربردی

🌐 DataPlusScience.ir

📩 ارتباط با ما: @Contact2Mebot

📂 کانال فایل‌ها: @Datascientists_Files

💎 بله: ble.ir/dataplusscience

💡 ایتا: eitaa.com/DataPlusScience
Download Telegram
‏مهندسی معکوس برنامه‌ها با Claude Opus 5.5

‏این راهنما فرآیند استفاده از Opus 5.5 را برای درک منطق نرم‌افزارها و بازسازی آن‌ها به صورت قانونی شرح می‌دهد. مبنای این کار متد «اتاق تمیز» (Clean-room) است که ۴۰ سال در دادگاه‌ها سابقه تایید دارد.

‏در این روش، هوش مصنوعی از طریق ابزار REA به یک دیس‌اسمبلر متصل می‌شود تا فایل‌ها و توابع را تحلیل کند. برخلاف روش‌های کرک یا سرقت کد، در اینجا شما فقط رفتار برنامه را استخراج کرده و سپس با کد اختصاصی خود آن را بازسازی می‌کنید.

‏مهم‌ترین نکات برای شروع:
‏- استفاده از ابزار REA برای اجرای محلی و بدون آپلود کدها.
‏- تکیه بر تحلیل فایل‌های اجرایی مانند .exe یا .NET (بدون نیاز به موتور در بازی‌های Unity).
‏- رعایت تفکیک کامل: مطالعه رفتار در تیم اول و کدنویسی مستقل در تیم دوم برای حفظ مالکیت معنوی.
‏- استفاده از دستورات (Prompts) متناسب با پیچیدگی کد برای استخراج لاجیک دقیق.
‏- بررسی خروجی‌ها از طریق گزارش تطابق (Parity Report) جهت اطمینان از عملکرد مشابه.

🔗 راهنمای کامل در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
‏🧬 طراحی پروتئین توسط مدل هوش مصنوعی Claude

‏یک شرکت تحقیقات مالی با صرف ۲۰۰ هزار دلار، توانایی مدل Claude را در طراحی پروتئین‌های جدید آزمایش کرد. در این پروژه، تیمی پنج‌نفره که سه عضو آن فاقد پیش‌زمینه علمی بودند، با استفاده از مدل پیشرفته و داخلی Anthropic اقدام به طراحی کردند.

‏این تیم با اجرای بیش از ۳۰۰ زیر-عامل (Sub-agents) روی ۳۰۰ واحد پردازش گرافیکی (GPU) در یک شب، موفق به طراحی و ارزیابی پروتئین‌ها شد. تمرکز نهایی این آزمایش بر بررسی زهر عقرب قرار گرفت تا روشی متفاوت از تحقیقات پیشین بر روی زهر مار باشد.

‏اگرچه این آزمایش نشان داد که ابزارهای هوش مصنوعی دسترسی به تحقیقات زیستی پیچیده را تسهیل کرده‌اند، اما این پروژه با محدودیت‌های جدی روبرو شد:

‏- لزوم پاسخ به پرسش‌نامه‌های ایمنی زیستی با بیش از ۶۰ سوال فنی.
‏- دشواری دسترسی به زیرساخت‌های آزمایشگاهی فیزیکی.
‏- ضرورت وجود پروتکل‌های ایمنی که تیم از آن‌ها بی‌بهره بود.

‏نتیجه این تجربه، تضاد میان توانایی محاسباتی هوش مصنوعی در تولید ساختارهای زیستی و مانع جدیِ آزمایش‌های فیزیکی و الزامات ایمنی را به وضوح نمایش می‌دهد.

🔗 ادامه مطلب در سایت
Media is too big
VIEW IN TELEGRAM
‏🤖 نمایش قابلیت‌های فیزیکی ربات انسان‌نمای Unitree H2-X

‏شرکت Unitree ویدئوی جدیدی از ربات انسان‌نمای خود با نام H2-X منتشر کرده که در آن با نام مستعار «Kung Fu Legend Guardian» حرکات نمایشی از جمله پشت‌ک‌وارو، پریدن از ارتفاع چهار متری و بلند کردن بدنه خودرو را اجرا می‌کند.

‏در این ویدئو قابلیت‌های حرکتی ربات در سناریوهای مختلفی از جمله امداد و نجات به نمایش درآمده است. با این حال، جزئیات فنی زیر همچنان مبهم باقی مانده است:

‏- میزان استقلال ربات در تصمیم‌گیری‌ها طی این صحنه‌های عملیاتی مشخص نیست.
‏- حداکثر شارژدهی باتری حدود ۸ ساعت اعلام شده، اما شرایط بار کاری (Load) برای رسیدن به این عدد ذکر نشده است.

‏سازنده در پایان این ویدئو از کاربران خواسته است که در استفاده از این ربات، اصول ایمنی و رفتار دوستانه را رعایت کنند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما


#Unitree_H2X #ربات_انسان
‏🤖 انتشار مدل زبانی Kimi K3.1 Pro

‏مدل Kimi K3.1 Pro به‌تازگی معرفی شد. وزن‌های این مدل قرار است از تاریخ ۴ نوامبر منتشر شود، اما در حال حاضر از طریق پلتفرم رسمی در دسترس است. قیمت استفاده از API این مدل نسبت به نسخه K3 کاهش یافته، هرچند نسخه Highspeed آن که سرعت تولید بالاتری دارد، با قیمت کمی متفاوت ارائه می‌شود.

‏نتایج بنچمارک‌های منتشر شده برای این مدل نشان‌دهنده عملکرد آن در کنار مدل‌هایی نظیر Opus 5.5 و GPT-6 Astra است. مهم‌ترین امتیازات کسب‌شده توسط Kimi K3.1 Pro در آزمون‌های مختلف به شرح زیر است:

‏* SWE Marathon: امتیاز ۵۱.۷ (رتبه اول)
‏* Agents' Last Exam: امتیاز ۴۳.۲ (رتبه اول)
‏* OfficeQA Pro v2: امتیاز ۶۴.۴ (رتبه اول)
‏* Kimi Code Bench 3.0: امتیاز ۶۱.۲ (رتبه دوم)
‏* Terminal-Bench 4.0: امتیاز ۶۵.۷ (رتبه دوم)

🔗 بررسی کامل در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما


#Kimi_K3_1_Pro #SWEMarathon
❤1
‏🧠 مقایسه عملکرد مدل‌های Claude، GPT-6، Gemini و DeepSeek

‏شاخص مستقل Artificial Analysis در جدیدترین ارزیابی خود، مدل Claude Opus 5.5 را در بخش توانمندی هوشی با کسب ۵۸ امتیاز در رتبه نخست قرار داده است. در این رده‌بندی، GPT-6 Astra و Gemini 4 Argon به ترتیب ۵۳ امتیاز کسب کرده‌اند.

‏با این حال، در تست صداقت یا AA-Omniscience نتایج متفاوتی مشاهده می‌شود:

‏* مدل Argon در ۱۵٪ مواقع پاسخ‌های ساختگی ارائه می‌دهد و تمایل بیشتری به پاسخ ندادن دارد.
‏* مدل Astra در ۵۱٪ موارد دچار خطا در پاسخ‌دهی می‌شود.
‏* مدل Opus 5.5 در ۵۸.۶٪ موارد پاسخ‌های نادرست یا ساختگی تولید می‌کند.

‏از نظر هزینه‌ها، DeepSeek V4.1 Flash به عنوان تنها مدل متن‌باز این لیست، با قیمت ۱.۲ دلار به ازای هر میلیون توکن خروجی، ارزان‌ترین گزینه است. در مقابل، هزینه مدل‌های Claude و Astra به ترتیب ۲۰ و ۵۰ دلار است و مدل Argon نیز با قیمت ۱۰ دلار در حال عرضه است.

🔗 بررسی کامل در سایت
‏🚨 اخراج سه محقق ایمنی OpenAI به اتهام افشای اطلاعات

‏طبق گزارش وال‌استریت ژورنال، شرکت OpenAI سه پژوهشگر حوزه ایمنی شامل ژاسمین وانگ، تومک کورباک و میکیتا بالاسنی را به اتهام به اشتراک‌گذاری طرح‌های داخلی مدل‌ها با یک محقق بیرونی اخراج کرده است. گفته می‌شود این ارتباطات از طریق پیام‌های خودحذف‌شونده در پیام‌رسان سیگنال صورت گرفته است.

‏OpenAI این رویداد را نقض جدی مقررات داده‌های حساس دانسته، اما پژوهشگران روایت متفاوتی دارند. کورباک و بالاسنی علت اخراج را نحوه تعامل خود با سازمان‌های ارزیابی ایمنی مثل METR می‌دانند و وانگ می‌گوید به‌دلیل بازکردن تصادفی یک ایمیل حساس و گزارش سریع آن برکنار شده است.

‏این سه نفر پس از اخراج، در نامه‌ای به هیئت‌مدیره خواستار توقف توسعه مدل‌هایی شدند که نحوه استدلال آن‌ها برای انسان قابل راستی‌آزمایی نیست.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
‏مهندسی معکوس با ابزار REA و مدل Opus 5.5

‏ابزار REA (مخفف Reverse Engineer Anything) به همراه مدل Opus 5.5، امکان بررسی و بازسازی ویژگی‌های نرم‌افزارهای بسته (بدون دسترسی به سورس‌کد) را فراهم کرده است. این ابزار با تحلیل باینری، به ایجنت‌های کدنویسی اجازه می‌دهد تا منطق یک برنامه را استخراج و نسخه شخصی‌سازی‌شده‌ای از آن را بازسازی کنند.

‏در این فرآیند، نقش Oracle (تأییدکننده) حیاتی است. از آنجا که مدل‌های هوش مصنوعی ممکن است در بازسازی کد دچار خطا شوند، «اوراکل» مجموعه‌ای از تست‌ها و کنترل‌هاست که صحت عملکرد خروجی را با معیارهای دقیق (مانند خروجی عددی یا رفتار برنامه) می‌سنجد.

‏مهم‌ترین نکات برای استفاده از این متدولوژی:

‏* تست اوراکل: پیش از اعتماد به نتایج، باید برای اوراکل تست‌های منفی طراحی کنید (مثلاً وارد کردن مقادیر اشتباه) تا مطمئن شوید ابزار کنترلی شما دچار خطای پنهان نیست.
‏* معماری اتاق تمیز (Clean-Room): برای رعایت مسائل حقوقی، تیم‌های موفق به جای کپی کد، رفتار برنامه را مشاهده و از نو پیاده‌سازی می‌کنند.

🔗 راهنمای کامل در سایت

🇮🇷 سایت | تلگرام
Media is too big
VIEW IN TELEGRAM
‏🎬 شرکت Tencent مدل جهان ویدیویی تعاملی Hy-Nomas را منتشر کرد

‏شرکت Tencent مدل متن‌باز Hy-Nomas را منتشر کرد؛ یک مدل جهان ویدیویی تعاملی که قابلیت اجرا روی یک کارت گرافیک RTX 4090 را دارد.

‏این مدل ویدیو را بخش‌به‌بخش می‌سازد و کنترل آن از طریق متن و مسیر حرکت دوربین انجام می‌شود. کاربر می‌تواند در هر مرحله صحنه، سبک، عمل یا زاویه دید را تغییر دهد، در حالی که حافظه محیط میان بخش‌های مختلف حفظ می‌شود. خروجی ویدیو با رزولوشن 1280×720 و سرعت ۲۴ فریم بر ثانیه تولید می‌شود و امکان شخصی‌سازی آن برای حوزه‌هایی مانند رباتیک با استفاده از LoRA وجود دارد.

‏پیکربندی استاندارد این مدل برای هشت کارت گرافیک طراحی شده، اما با کوانتایز INT8 وزن‌ها، KV-cache و انتقال بخشی از پردازش به CPU، روی یک RTX 4090 هم اجرا می‌شود.

‏کد آموزش و اینفرنس تحت مجوز Apache-2.0 منتشر شده و وزن‌های مدل به همراه دموی آنلاین در دسترس است. هنوز بنچمارک رسمی برای Hy-Nomas ارائه نشده و گزارش فنی آن بعداً منتشر خواهد شد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما


#Hy_Nomas #LoRA
‏🤖 استفاده از Claude برای اثبات ریاضی کدهای متن‌باز

‏شرکت Anthropic با همکاری Theorem از مدل Claude برای تأیید رسمی (Formal Verification) کدهای ۱۲۳ کتابخانه متن‌باز استفاده کرده است. در این پروژه، مدل به جای تکیه بر تست‌های تصادفی، تست‌های موجود در سرویس OSS-Fuzz گوگل را به قضایای ریاضی تبدیل کرده و صحت عملکرد آن‌ها را اثبات کرد.

‏نتایج این آزمایش شامل موارد زیر است:
‏* تولید ۱۸۰ میلیون خط کد اثبات برای ۲۳۹ نقطه ورود در کتابخانه‌های مختلف.
‏* تأیید نهایی توسط نرم‌افزار Rocq برای اطمینان از اجرای بدون نقص کد با هر ورودی تا ۶۴ مگابایت.
‏* شناسایی و رفع صدها باگ پیچیده، از جمله خطای سرریز بافر در الگوریتم‌های فشرده‌سازی و دسترسی خارج از محدوده آرایه در دیکودرهای تصویر که با تست‌های معمولی قابل کشف نبودند.

‏اگرچه این روش در گذشته به دلیل هزینه بالای زمانی بسیار دشوار بود، اما اکنون خودکارسازی آن سرعت کار را به شدت افزایش داده است.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما


#Formal_Verification #Rocq