خبر فوری

آسترا، هوش مصنوعی جدید OpenAI، تونسته 10 مسئله‌ی قدیمی و حل‌نشده‌ی ریاضی رو حل کنه؛ از جمله اولین ساختار صریح یک گروه غیرصوفی. جالب‌تر اینکه کل این کار با هزینه‌ای حدود 2000 دلار انجام شده.

راه‌حل‌هایی که ارائه داده، فقط ایده‌های خام نیستن؛ همگی تأیید شدن و روی گیت‌هاب منتشر شدن. این دستاوردها حوزه‌های مختلفی مثل علوم کامپیوتر نظری و پیچیدگی مدارهای حسابی رو پوشش می‌دن.

بین این نتایج، رد حدس صلبیت کانز (Connes's rigidity conjecture) و حل مسئله‌ی 183 پاول اردوش (Paul Erdős) هم دیده می‌شه؛ مسائلی که سال‌ها جزو چالش‌های جدی ریاضی بودن.

این اتفاق می‌تونه یه نقطه‌ی عطف برای استدلال علمی با هوش مصنوعی باشه؛ چون نشون می‌ده AI داره از حل مسئله‌های معمولی عبور می‌کنه و وارد مرحله‌ی کشف‌های واقعی علمی می‌شه.

@Linuxor

اگه به هک و امنیت علاقه دارید این پست هکرنون رو بخونید درباره امنیت مدل های هوش مصنوعیه

چون Prompt Injection شبیه SQL Injection نیست که با یک تکنیک استاندارد بشه اونو کاملاً حذف کرد. این حمله از نحوه‌ی کار خود LLMها هستش پس هیچ فیلتر جادویی وجود نداره. راهکار واقعی، طراحی سیستم با فرض اینه که مدل ممکنه هر لحظه فریب بخوره.

این مقاله مفاهیمی مثل «مثلث مرگبار»، «قانون دو»، الگوی Dual-LLM سایمون ویلیسون، سیستم CaMeL گوگل دیپ‌مایند و شش الگوی طراحی از یه مقاله سال 2025 رو معرفی می‌کنه:

hackernoon.com/you-cannot-filter-your-way-out-of-prompt-injection


@Linuxor

خیلیا براشون سواله شایان اویس‌قرن، ایرانی‌ای که مدال آباکوس گرفت، دقیقا چیکار کرد؟

اول بگم مدال آباکوس یکی از معتبرترین جایزه‌ها توی حوزه ریاضیات علوم کامپیوتره. شایان مسئله فروشنده دوره‌گرد (TSP) رو حل نکرد؛ چون این مسئله هنوز حل نشده. کاری که کرد این بود که بعد از چند دهه، یک روش تقریبی برای حل این مسئله رو کمی بهتر کرد.

شاید بگید خب یه بهبود کوچیک چرا مهمه؟ چون TSP یکی از سخت‌ترین مسائل محاسباتیه. با زیاد شدن تعداد شهرها، تعداد مسیرهای ممکن به شکل وحشتناکی زیاد میشه و پیدا کردن بهترین مسیر خیلی سخت میشه.

بهبود همین روش‌های تقریبی می‌تونه روی کلی حوزه مثل طراحی تراشه، مهندسی، شبکه‌ها و بهینه‌سازی اثر بذاره. ارزش کار شایان اینه که یه قدم کوچیک، مرز دانش رو توی یکی از سخت‌ترین مسائل کامپیوتر جلوتر برده.


@Linuxor

احتمالا خیلی هاتون با اکوسیستم skills که vercel ساخته اشنا باشید.

skills.sh

هرکسی میتونه اسکیل خودشو بسازه بذاره github و اگر ساحتار اسکیل منطبق بر چهارچوب ارائه شده توسط vercel باشه همه میتونن دسترسی داشته باشن و استفاده کنن.

من اما میخوام بهتون یک اسکیل خاص رو معرفی کنم به اسم find-skills که از اسمش معلومه کمک میکنه به جای نصب تک تک اسکیل ها خود مدل بتونه tool_calling بهتری انجام بده و اسکیل مشخص رو پیدا کنه.

ادرسش اینجاس:

skills.sh/vercel-labs/skills/find-skills

روی پروژه یا به شکل گلوبال میتونید نصب کنید.

روی هرمس ترکیب برنده رو میده به شما چرا که خود هرمس سیستم skill_discovery بسیار خوبی داره اما روی اسکیل های نصب شده و فعال و این اسکیل به شما کمک میکنه بیرون اکوسیستم اسکیل داخلی هرمس اسکیل جدیدی پیدا کنید و بهش اضافه کنید و حالا شما هم internal_discovery دارین و هم external_discovery.

@Linuxor ~ Thatssoheil

من که شغلی ندارم هوش مصنوعی بگیرتش، منتظرم یه شغل ایجاد کنه برم توش.


@Linuxor

آمازون در حال سرمایه‌گذاری عظیمی روی هوش مصنوعی هستش (بیش از 200 میلیارد دلار سرمایه‌گذاری برنامه‌ریزی‌شده)، اما به گفته جف بزوس، مزیت رقابتی واقعی این شرکت نه توی فناوری‌های جدیده، بلکه تمرکز بر چیزهایی است که هرگز تغییر نمی‌کنن مثلا‌:

مشتری‌ها همیشه قیمت پایین‌تر می‌خواهند.
همیشه تحویل سریع‌تر را ترجیح می‌دهند.
همیشه انتخاب‌های بیشتر را دوست دارند.

جف بزوس معتقده شرکت‌هایی که روی نیازهای دائمی مشتریان تمرکز کنن، حتی توی دوران تحول‌های بزرگی مثل هوش مصنوعی نیز مزیت رقابتی خودشونو حفظ خواهند کرد.

دوستان این خیلی نکته مهمیه ها جف بزوس خیلی خوب می‌دونه نیاز های اصلی انسان هیچ وقت تغییر نمی‌کنن و روی اونا تمرکز می‌کنه بجای اینکه بچسبه به چیز های جدید تست نشده.


@Linuxor

بزرگ‌ترین مشکل تست پروژه اینه که معمولاً بعضی سناریوها از یادت میرن؛ همون‌هایی که بعداً تبدیل به باگ میشن.

برای حل همین مشکل، یکی از بچه ها به اسم سبحان یه Prompt متن‌باز منتشر کرده که سورس پروژه رو تحلیل می‌کنه و بی‌نهایت سناریوی تست فارسی و انگلیسی در قالب ( عمل + انتظار ) با استایل چک لیست داخل یک فایل HTML تولید می‌کنه. کافیه مرحله‌به‌مرحله تست‌ها رو اجرا کنی و ببینی آیا نتیجه‌ی مورد انتظار رخ می‌ده یا نه.

github.com/sobhanrajabi31/test-scenario-prompts

@Linuxor

برگای آدم می‌ریزه ببینید چه شطرنج سه بعدی با هوش مصنوعی ساختن توسعه دهندش می‌گه فقط توی 2 ساعت ساختتش!

تست آنلاین :
medieval-3d-chess.rork.app

سورس کد :
github.com/alexngdev99/rork-medieval-3d-chess

@Linuxor

وقتی یه مدل روی لپ تاپ خودت بالا آوردی و ازش سوال می‌پرسی

@Linuxor

این سایتم ‌خیلی قشنگه برای تازه کار هایی که توی ساخت وبسایت مشکل چیدمان سایتشون رو دارن، اکثر چیدمان های رایج رو پوشش می‌ده

سایت اصلی :
flexboxlabs.netlify.app

سورس کد سایت (خواستین ببینید خود این سایته چطوری طراحی شده) :
github.com/prazzon/flexbox-labs

@Linuxor

دیپ سیک فلش 4 خیلی بین کاربرا سرو صدا کرد این ویدیو دیپ سیک با مدل 102 گیگیش رو روی مک 128 گیگی اجرا کرده با فقط یه پرامپت، خودش بازی مین‌یاب (Minesweeper) رو نوشته، کد خودش رو با Node.js بررسی کرده، و در نهایت یک بازی کاملاً قابل اجرا تحویل داد.

ابزار استفاده شده توی ویدیو osaurus هستش‌:
github.com/osaurus-ai/osaurus


می‌دونم الان شاید بگید مک 128 گیگی از کجا بیاریم؟ امیدوارم وضع مملکت درست بشه و همه بتونن بخرن.

@Linuxor

بازی ترسناک و بقای TAKEN توی مرورگر

به تازگی با هوش مصنوعی و ThreeJS ساخته شده :

taken-game.com/play

بازی اوپن سورس نیست و فقط می‌تونید آنلاین بازیش کنید.

@Linuxor

شرکت Firecrawl ادعا کرده که سریع ترین موتور پردازش pdf رو اوپن سورس کرده که سرعتی برابر 0.002 ثانیه برای هر صفحه داره.

نکته خوبش اینه که کاملا لوکاله البته رقبای دیگه ای هم برای این کار وجود داره مثل Docling / Marker / MinerU ولی این مثل اونا OCR نیست این بیشتر خودشو پارسر معرفی کرده

تست آنلاینش که فارسی هم ساپورت می‌کنه :

firecrawl.github.io/pdf-inspector/#demo

سورس کدش جهت اجرا روی سیستم خودتون :

github.com/firecrawl/pdf-inspector

@Linuxor

تویی که تاحالا یادگیری عمیق نداشتی معلومه ماشینی که یادگیری عمیق (Deep Learning) داشته جاتو میگیره.

بفرست براش بزار یکم به خودش بگیره نگران بشه.

@Linuxor

دیروز یه خبر عجیب از دنیای بیت‌کوین منتشر شد چندین کیف‌پول سخت‌افزاری Coldcard هک شدن و ده‌ها میلیون دلار بیت‌کوین از دست رفت. نکته ترسناک ماجرا اینه که هکرها دستگاه‌ها رو نشکستن؛ مشکل از جایی بود که فکر می‌کردیم امن‌ترین بخش ماجراست: ساختن کلید خصوصی.

ماجرا اینه که هر کیف‌پول بیت‌کوین اول یه عدد کاملاً تصادفی می‌سازه و از اون Seed Phrase (همون 12 یا 24 کلمه بازیابی) تولید می‌کنه. اگر این تصادفی‌سازی ضعیف باشه، فضای حدس زدن کوچیک میشه و مهاجم می‌تونه Seedهای احتمالی رو یکی‌یکی امتحان کنه تا به کیف‌پول‌های دارای موجودی برسه.

یعنی هکر لازم نیست دستگاه رو بدزده، PIN رو پیدا کنه یا رمزنگاری بیت‌کوین رو بشکنه. فقط کافیه Seedهای ضعیف رو بازسازی کنه، آدرس‌ها رو روی بلاک‌چین چک کنه و اگر پولی داخلش بود، با کلید خصوصی اون رو منتقل کنه.

درس بزرگ این اتفاق اینه که امنیت فقط به آفلاین بودن کیف‌پول بستگی نداره. اگر ریشه کلید اشتباه ساخته بشه، حتی یک Cold Wallet هم می‌تونه تبدیل به یک گاوصندوق با قفل قابل حدس بشه. برای کاربران آسیب‌دیده، ساختن Seed جدید و انتقال دارایی تنها راه امنه.

@Linuxor

این ابزار رایگان بهت اجازه می‌ده افکت‌های خیره‌کننده‌ی Glassmorphism رو با کلی گزینه برای شخصی‌سازی بسازی. حتی از طراحی‌های Liquid Glass و Neumorphism هم پشتیبانی می‌کنه.

aethercss.lovable.app

@Linuxor

دیگه منتظر GTA-6 نباشید ملت دارن با هوش مصنوعی میسازنش😁

یکی یه بازی ساخته شبیه به گوگل ارث می‌تونی توی دنیای باز بچرخی، به گفته خودش ترکیبی از بازی نید ‌فور اسپید و گوگل ارث هستش. البته من تستش کردم پیاده بودم ماشین نداشتم!

تست آنلاین توی مرورگر (روی ساخت حساب بزنید و یه اطلاعات الکی پر کنید)

https://hop.earth


@Linuxor

این پروژه کلاً معادلات کارهای پیچیده‌ی بینایی کامپیوتر رو به هم زده و تا الان هم توی گیت‌هاب بیشتر از 48 هزار ستاره گرفته.

اسمش Supervision هستش؛ کاملاً با پایتون خالص ساخته شده و فقط با یه دستور pip install نصب می‌شه. دیگه خبری از دردسرهای تنظیم محیط، نصب وابستگی‌ها و کلی سر و کله زدن با کانفیگ‌ها نیست.

تقریباً هر چیزی که برای پردازش تصویر لازم داشته باشی رو پوشش می‌ده؛ از ردیابی افراد، سگمنت‌بندی اشیا و تشخیص اشیا گرفته تا امکانات کامل پردازش داده. می‌تونی داده‌ها رو بارگذاری کنی، سگمنت کنی، با هم ادغامشون کنی و در نهایت ذخیره‌شون کنی؛ همه توی یه جریان کاری یکپارچه.

مثلاً می‌تونه از خودروهای داخل اتوبان عکس بگیره و سرعتشون رو اندازه‌گیری کنه، مسیر حرکت بازیکن‌ها رو توی مسابقه‌های ورزشی رسم کنه، یا حتی از روی باکس‌های تشخیص (Bounding Box) اطلاعات مهم رو از عکس‌های ثابت استخراج کنه.

این پروژه هر ماه بیشتر از یک میلیون بار از PyPI دانلود می‌شه و کاملاً متن‌بازه:

github.com/roboflow/supervision

@Linuxor

اگه هنوز داری از 9router (9Router یه پروکسی هوشمند برای مدل‌های هوش مصنوعیه که درخواست‌های ابزارهایی مثل Cursor و Claude Code رو بین چندین مدل و ارائه‌دهنده مدیریت و مسیریابی می‌کنه) استفاده میکنی دیگه وقتشه به یه رقیب کله گنده ترش مهاجرت کنی و اون چیزی نیس جز OmniRoute

- حدود 200 پروایدر در دسترس + 90 پروایدر رایگان
- انواع routing strategy ها مختلف
- تا ۹۵ درصد صرفه جویی در مصرف توکن
- اپلیکیشن برای پلتفرم های مختلف
- اضافه کردن اکانت با Cookie Session به جای Api Key
نکته مهم اینه که قابلیت نصب روی termux رو هم میده و به راحتی میشه روی یه گوشی راه اندازیش کرد و مثل یک مودم جیبی حمل اش کرد.

این ابزار فراتر و قوی تر از 9router عمل میکنه ولی باید بگم منابع و resource بیشتری هم به نسبت 9router مصرف میکنه!

github.com/diegosouzapw/OmniRoute

@Linuxor ~ MamJayDev

مدل MiniMax H3 به صورت عمومی برای استفاده local در دسترس قرار گرفت! (حجم تقریبی 500 گیگ!)

تولید ویدیو 4 تا 15 ثانیه‌ای
رزولوشن تا 2K
پشتیبانی از نسبت‌های تصویر مختلف (16:9، 9:16 1:1 و ...)
خروجی با صدای استریو 32 کیلوهرتز
پشتیبانی پایدار از 11 زبان

huggingface.co/MiniMaxAI/MiniMax-H3

@Linuxor ~ CallMeDiegoJr

این OfficeCLI یه ابزار متن‌بازه که به AI Agentها اجازه میده مستقیم با فایل‌های Office کار کنن. یعنی بخونن، بسازن، ویرایش کنن و حتی خروجی رو بررسی کنن.

می‌تونی مثلا بگی: «از این دیتا یه گزارش Excel بساز» یا «یه پرزنتیشن برای جلسه آماده کن»؛ OfficeCLI می‌تونه پشت صحنه این کارها رو انجام بده، بدون اینکه نیاز باشه Microsoft Office نصب باشه.

خلاصه اینکه OfficeCLI یه جور دست و پای اداری برای AIهاست؛ پلی بین مدل‌های هوش مصنوعی و فایل‌هایی که هر روز باهاشون کار می‌کنیم. برای ساخت Agentهای کاربردی، ابزار خیلی جذابیه.

github.com/iOfficeAI/OfficeCLI


@Linuxor