این توییت از Lisan al Gaib در X درباره محدودیت‌های مدل‌های هوش مصنوعی در حل مسائل پیچیده مانند مسئله برج هانوی (Tower of Hanoi) صحبت می‌کند. او اشاره می‌کند که مدل Sonnet 3.7 هنگام حل این مسئله برای n=9 و n=10، به دلیل طولانی بودن پاسخ، زود متوقف می‌شود.
@WearebiTs
چند نکته کلیدی از این پست:
مدل‌ها تصمیم می‌گیرند که زودتر متوقف شوند، زیرا از نظر آن‌ها محاسبه تمام مراحل، زمان‌بر و غیرضروری است.
مدل Sonnet 3.7 تا ۸ دیسک محاسبه را انجام می‌دهد، اما برای تعداد بالاتر متوقف می‌شود.
خطای ناشی از نمونه‌گیری مدل باعث کاهش دقت می‌شود، زیرا احتمال اشتباه در پیش‌بینی هر توکن هرچند اندک، در تعداد بالا جمع شده و تأثیرگذار می‌شود.
مدل‌های مختلف محدودیت خروجی دارند (مثلاً Sonnet 3.7 دارای محدودیت 128k توکن، DeepSeek R1 دارای 64k توکن).
این پست به طور کلی بحث می‌کند که چگونه مدل‌های زبانی هوش مصنوعی با افزایش پیچیدگی مسئله، به دلیل محدودیت‌های خروجی و استراتژی‌های خود، دقتشان کاهش پیدا می‌کند.
https://x.com/scaling01/status/1931817022926839909
@WearebiTs
چند نکته کلیدی از این پست:
مدل‌ها تصمیم می‌گیرند که زودتر متوقف شوند، زیرا از نظر آن‌ها محاسبه تمام مراحل، زمان‌بر و غیرضروری است.
مدل Sonnet 3.7 تا ۸ دیسک محاسبه را انجام می‌دهد، اما برای تعداد بالاتر متوقف می‌شود.
خطای ناشی از نمونه‌گیری مدل باعث کاهش دقت می‌شود، زیرا احتمال اشتباه در پیش‌بینی هر توکن هرچند اندک، در تعداد بالا جمع شده و تأثیرگذار می‌شود.
مدل‌های مختلف محدودیت خروجی دارند (مثلاً Sonnet 3.7 دارای محدودیت 128k توکن، DeepSeek R1 دارای 64k توکن).
این پست به طور کلی بحث می‌کند که چگونه مدل‌های زبانی هوش مصنوعی با افزایش پیچیدگی مسئله، به دلیل محدودیت‌های خروجی و استراتژی‌های خود، دقتشان کاهش پیدا می‌کند.
https://x.com/scaling01/status/1931817022926839909
X (formerly Twitter)
Lisan al Gaib (@scaling01) on X
Even for n=9 and n=10 Sonnet 3.7 Thinking stops the reasoning early because it thinks the output is too long.
I don't have the funds to run this 25 times for all the number of disks, but I think it is fair to say that at least some of the accuracy degradation…
I don't have the funds to run this 25 times for all the number of disks, but I think it is fair to say that at least some of the accuracy degradation…
آیا استفاده از مرورگر Tor کاملن امن است؟
@WearebiTs
https://youtube.com/shorts/7m77AwkGq4Q?si=erN06mwsJeMgU924
@WearebiTs
https://youtube.com/shorts/7m77AwkGq4Q?si=erN06mwsJeMgU924
YouTube
Does Tor Browser make you completely anonymous online?!
@ai_python Telegram Channel
این نوشتار مفهوم جدول توزیع سرویس سیستم (SSDT) را تشریح می‌کند، که یک آرایه حاوی آدرس‌ها یا آفست‌های نسبی برای روتین‌های کرنل در سیستم‌عامل‌های ویندوز است. این جدول به عنوان یک پل ارتباطی حیاتی بین فراخوان‌های API از فضای کاربر و روتین‌های متناظر کرنل عمل می‌کند و تعیین می‌کند که کدام عملیات کرنل باید در پاسخ به یک فراخوان سیستمی اجرا شود. داکیومنت به صورت دقیق توضیح می‌دهد که چگونه آفست‌های SSDT در سیستم‌های ۶۴ بیتی به آدرس‌های مطلق تبدیل می‌شوند و اهمیت SSDT را در شناسایی فراخوان‌های سیستمی و عملکردهای مرتبط کرنل نشان می‌دهد. همچنین به اختصار به تاریخچه دستکاری SSDT توسط آنتی‌ویروس‌ها و روت‌کیت‌ها و مقابله مایکروسافت با آن از طریق PatchGuard اشاره شده است.
@WearebiTs
https://www.ired.team/miscellaneous-reversing-forensics/windows-kernel-internals/glimpse-into-ssdt-in-windows-x64-kernel
@WearebiTs
https://www.ired.team/miscellaneous-reversing-forensics/windows-kernel-internals/glimpse-into-ssdt-in-windows-x64-kernel
Forwarded from DLeX: AI Python (NaviD DariYa)
🥇 تاپ ترین Paper های در حوزه ماشین لرنینگ، از دیدگاه DAIR.AI :
@ai_python
🥇 Many-shot Jailbreaking : Paper
🥇 SWE-Agent : Paper
🥇 Mixture-of-Depths : https://arxiv.org/abs/2404.02258
🥇 Local Context LLMs Struggle with Long In-Context Learning : https://arxiv.org/abs/2404.02060
🥇 Visualization-of-Thought : https://arxiv.org/abs/2404.03622
🥇 The Unreasonable Ineffectiveness of the Deeper Layers : https://arxiv.org/abs/2403.17887v1
🌐 🌐 🌐 @ai_python
🥇 JetMoE : https://research.myshell.ai/jetmoe
🥇 Representation Finetuning for LMs : https://arxiv.org/abs/2404.03592
🥇 Advancing LLM Reasoning : https://github.com/OpenBMB/Eurus/blob/main/paper.pdf
🥇 Training LLMs over Neurally Compressed Text : https://arxiv.org/abs/2404.03626
@ai_python
Please open Telegram to view this post
VIEW IN TELEGRAM
DAIR.AI
Democratizing Artificial Intelligence Research, Education, and Technologies
@WearebiTs
فعال سازی مدل جمینای در کلاود Oracle :
https://www.googlecloudpresscorner.com/2025-08-14-Oracle-to-Offer-Googles-Gemini-Models-to-Customers,-Accelerating-Enterprises-Agentic-AI-Journeys
فعال سازی مدل جمینای در کلاود Oracle :
https://www.googlecloudpresscorner.com/2025-08-14-Oracle-to-Offer-Googles-Gemini-Models-to-Customers,-Accelerating-Enterprises-Agentic-AI-Journeys
Audio
@navidcasts
این پادکست، از ویدیویی آموزشی از مایکروسافت لرن است که به معرفی و پیکربندی فضای کاری Azure Machine Learning می‌پردازد. این ویدیو توضیح می‌دهد که چگونه دانشمندان داده می‌توانند از سرویس Azure Machine Learning برای آموزش و مدیریت مدل‌های یادگیری ماشینی خود استفاده کنند. همچنین، به بررسی منابع و دارایی‌های مرتبط با این سرویس، مانند حساب ذخیره‌سازی، Key Vault، Application Insights و Container Registry، و نحوه تعامل با آن‌ها از طریق رابط کاربری پورتال Azure، Azure Machine Learning Studio، Azure CLI و Python SDK می‌پردازد. در نهایت، این منبع به تشریح مدیریت دسترسی‌ها، پیکربندی داده‌ها (Data Stores و Data Assets)، انواع منابع محاسباتی (Compute) و نحوه تعریف و استفاده از محیط‌های (Environments) Docker-based برای اطمینان از سازگاری و تکرارپذیری در فرآیندهای یادگیری ماشینی می‌پردازد.
این پادکست، از ویدیویی آموزشی از مایکروسافت لرن است که به معرفی و پیکربندی فضای کاری Azure Machine Learning می‌پردازد. این ویدیو توضیح می‌دهد که چگونه دانشمندان داده می‌توانند از سرویس Azure Machine Learning برای آموزش و مدیریت مدل‌های یادگیری ماشینی خود استفاده کنند. همچنین، به بررسی منابع و دارایی‌های مرتبط با این سرویس، مانند حساب ذخیره‌سازی، Key Vault، Application Insights و Container Registry، و نحوه تعامل با آن‌ها از طریق رابط کاربری پورتال Azure، Azure Machine Learning Studio، Azure CLI و Python SDK می‌پردازد. در نهایت، این منبع به تشریح مدیریت دسترسی‌ها، پیکربندی داده‌ها (Data Stores و Data Assets)، انواع منابع محاسباتی (Compute) و نحوه تعریف و استفاده از محیط‌های (Environments) Docker-based برای اطمینان از سازگاری و تکرارپذیری در فرآیندهای یادگیری ماشینی می‌پردازد.
این منبع یک نمای کلی از Cloud NGFW (نسل بعدی فایروال) گوگل کلود ارائه می‌دهد و بر قابلیت‌های آن برای مدیریت بهینه قوانین فایروال در محیط‌های ابری تأکید دارد. بخش اصلی به به‌روزرسانی‌های دسته‌ای (Batch Updates) می‌پردازد که به کاربران امکان می‌دهد چندین قانون فایروال را به صورت همزمان به‌روزرسانی کنند، که این امر یکپارچگی و کارایی مجموعه قوانین فایروال را تضمین می‌کند.
همچنین، این سند مراحل سه‌گانه صادرات، تغییر، و وارد کردن قوانین فایروال را برای انجام به‌روزرسانی‌های دسته‌ای توضیح می‌دهد و مجوزهای لازم برای این عملیات را مشخص می‌کند.
https://youtu.be/41diP8-dS94?si=YpnoUL7ZTIICWLmd
همچنین، این سند مراحل سه‌گانه صادرات، تغییر، و وارد کردن قوانین فایروال را برای انجام به‌روزرسانی‌های دسته‌ای توضیح می‌دهد و مجوزهای لازم برای این عملیات را مشخص می‌کند.
https://youtu.be/41diP8-dS94?si=YpnoUL7ZTIICWLmd
YouTube
مدیریت قدرتمند فایروال در گوگل کلود به روزرسانی گروهی قوانین امنیتی - پادکست مصنوعی فارسی
گروه تلگرام پرسش و پاسخ علوم کامپیوتر : https://t.me/+vHq2KHlW8AljNTc0این
پادکست یک نمای کلی از
Cloud NGFW
گوگل کلود ارائه می‌دهد و بر قابلیت‌های آن برای مدیریت بهینه قوانین فایروال در محیط‌های ابری تأکید دارد. بخش اصلی به به‌روزرسانی‌های دسته‌ای …
پادکست یک نمای کلی از
Cloud NGFW
گوگل کلود ارائه می‌دهد و بر قابلیت‌های آن برای مدیریت بهینه قوانین فایروال در محیط‌های ابری تأکید دارد. بخش اصلی به به‌روزرسانی‌های دسته‌ای …
@WearebiTs
قابلیت Loss of Pulse Detection که برای تشخیص از کار افتادن ضربان قلب / نبضِ صاحب ساعت هست، در بسیاری از کشورها از جمله اتریش، فعال خواهد بود. این قابلیت مربوط به ساعت هوشمند Google Pixel Watch 3 و 4 هست.
@WearebiTs
اطلاعات تکمیلی در خصوص این قابلیت را می توانید در این لینک بخوانید :
لینک پرسش و پاسخ در این خصوص در پشتیبانی گوگل
قابلیت Loss of Pulse Detection که برای تشخیص از کار افتادن ضربان قلب / نبضِ صاحب ساعت هست، در بسیاری از کشورها از جمله اتریش، فعال خواهد بود. این قابلیت مربوط به ساعت هوشمند Google Pixel Watch 3 و 4 هست.
@WearebiTs
اطلاعات تکمیلی در خصوص این قابلیت را می توانید در این لینک بخوانید :
لینک پرسش و پاسخ در این خصوص در پشتیبانی گوگل
We all are BiTs
@WearebiTs قابلیت Loss of Pulse Detection که برای تشخیص از کار افتادن ضربان قلب / نبضِ صاحب ساعت هست، در بسیاری از کشورها از جمله اتریش، فعال خواهد بود. این قابلیت مربوط به ساعت هوشمند Google Pixel Watch 3 و 4 هست. @WearebiTs اطلاعات تکمیلی در خصوص این…
YouTube
نجات جان با ساعت هوشمند بررسی ویژگی تشخیص قطع نبض گوگل پیکسل واچ - پادکست مصنوعی فارسی
گروه تلگرام ما : https://t.me/+vHq2KHlW8AljNTc0
قابلیت «تشخیص از دست دادن نبض» در ساعت هوشمند گوگل پیکسل (Google Pixel Watch) یک ویژگی ایمنی است که به‌طور خودکار با خدمات اضطراری تماس می‌گیرد اگر ضربان قلبی تشخیص داده نشود، حتی زمانی که فرد بی‌هوش است. این…
قابلیت «تشخیص از دست دادن نبض» در ساعت هوشمند گوگل پیکسل (Google Pixel Watch) یک ویژگی ایمنی است که به‌طور خودکار با خدمات اضطراری تماس می‌گیرد اگر ضربان قلبی تشخیص داده نشود، حتی زمانی که فرد بی‌هوش است. این…