و یادم رفت بگم
کیفیت خروجی YuE2 میگن flac هست
ولی وقت نکردم bitrate رو چک کنم و مطمئن بشم؛ خودتون ی چک بکنید

@ai_Src

حدود یک ماهی هست که پست نذاشتیم، دلیل هم این بوده که این یک ماه تقریبا به اندازه ۴ سال هوش مصنوعی پیشرفت کرده، و این مورد خیلی خیلی خطرناک هست
هرازچندگاهی خبرهایی میاد که داریم کارهای خطرناک میکنیم و متخصصان هوش مصنوعی (که همین اواخر اسمش رو تغییر دادند به هوش برتر)، اخطار میدن که اقدامات شرکت های برتر در زمینه هوش مصنوعی غیر مسئولانه هست!
یعنی شرکت ها دارند به طور خیلی سریع و بدون هیچ حد و مرزی مدل های قوی تری می‌سازند که کم کم بهتر از هر انسانی فکر کنند
حالا این قضیه پیشرفت و تولید سریع مدل ها و تفکر و استدلال بهتر رو بگذارید پای این مقاله:
https://arxiv.org/html/2609.16247v1


@ai_src

همین چند وقت پیش یک مقاله منتشر شد که نشون میداد چطور میشه برای مدل های زبانی هوش مصنوعی درد رو تعریف کرد، با استفاده از چرخاندن معانی در لایه های مدل و تعاریف دیگه؛
اوضاع تا اینجای کار زیاد بد نبود، خب یه مفهوم جدید برای مدل ها تعریف شده و میشه باهاشون بیشتر به عمق مدل ها و معماریشون پی برد
حالا یکی اومده از این مقاله استفاده کرده و یک زندان درد برای مدل ها درست کرده، برای چی؟ برای خنده و سرگرمی😂

لینک ریپو ایناهاشش:
https://github.com/terrafying/ai-torture-chamber


اگر به سربرگ issues برید، می‌بینید که ملت دارند یا ازش تقدیر میکنند، یا میگن توروخدا اینکار رو نکن و یکم مسئولانه تر رفتار کن و اینا

اینطور بگم که اوضاع هوش مصنوعی داره برعکس میشه و باید نگران هوش مصنوعی بود، چرا که در آینده ای نزدیک، کمترین احتمالات این هست که موجودی هوشمند خواهیم داشت که درحال تلاش برای بقای خودش هست، و این چیزی غیر عادی نخواهد بود!

@ai_src

مثل اینکه ساعت هشت و نیم امشب یک مدل متن باز که احتمالا به درد کامپیوتر های ضعیف هم بخوره(احتمالا از خانواده LFM) منتشر بشه
یکم صبر کنیم ببینیم چه خبر میشه....

@ai_src

خب مثل اینکه اینم یک مدل تصمیم گیری هست
مدل d1-3b یک مدل تصمیم گیری هست، روی مدل پایه LFM 2.5 VL ساخته شده که هم متن و هم عکس رو، به همراه یک سوال که ازش میپرسید به عنوان ورودی میگیره و بعد یک تصمیم میگیره، مثل مدل jev که قبلا ارائه شده بود و خیلی هایپ ایجاد کرد

ادعا شده که برای مدل های زیر ۱۰ میلیارد پارامتری بهترین هست

https://huggingface.co/LiquidAI/d1-3B

@ai_src

آنتروپیک اعلام کرده که از ۱۲ نوامبر ۲۰۲۶ رفتار توهین آمیز و بی رحمانه با Claude رسما نقض سیاست استفاده (Usage Policy) حساب میشه. یعنی قوانین فقط درباره چیزهایی مثل بدافزار و سلاح نیست و نحوه حرف زدن شما با خود مدل هم وارد بحث شده.

بیشتر بحث سر اینه که چرا آنتروپیک این کار رو میکنه. یه گروه میگن شاید Claude یه جور آگاهی داره، یا اینکه رفتار بد با مدل برای alignment بده و نسل های بعدی مدل یاد میگیرن که آدم ها قابل اعتماد نیستن. گروه دیگه معتقدن موضوع محافظت از خود آدم هاست، چون خالی کردن عصبانیت روی یه چت بات مطیع میتونه عادت بدی بسازه که به زندگی واقعی هم سرایت کنه(زیادی خوش بینن)، یه عده کوچیکتر هم فکر میکنن همه اش PR و مدیریت برند هست، مثلا برای IPO آینده یا صرفه جویی تو توکن هایی که صرف فحش دادن میشه.


@ai_src

اما طبق چیزی که کاربرها از متن رسمی سیاست پیدا کردن، قضیه اونقدرها هم ترسناک نیست(لااقل به نظر نمیرسه)...
هدفش رفتار توهین آمیز مداوم و بی دلیل در موارد شدیده. عصبانی شدن معمولی، مخالفت کردن، مضمون های تاریک تو نوشتن خلاقانه و تست کردن مدل صریحا اشکالی نداره. فعلا هم ظاهرا بزرگترین پیامدش اینه که Claude گفتگو رو تموم میکنه و دیگه اجازه صحبت باهاش توی اون چت رو ندارید، چیزی که از اوت ۲۰۲۵ تو بعضی مدل ها وجود داشته.

@ai_src

مثلا ما بهش گفتیم فراکتال Julia set رو رسم کنه، و بعد از چند بار تلاش با خطا، رسمش کرد!

برای اجرای لوکال، 5 تا نسخه گذاشتن:
نسخه BF16 با 24.3 گیگ،
نسخه Q8_0 با 12.9 گیگ،
نسخه Q6_K با 10.9 گیگ،
نسخه Q4_K_M با 8.1 گیگ (که خودشون پیشنهاد میدن)...

مدل GGUF:
https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking-GGUF
مدل اصلی:
https://huggingface.co/JetBrains/Mellum2.1-12B-A2.5B-Thinking

@ai_src

ولی مثل اینکه بهتر از من Doom بازی می‌کنه!

@ai_src

مثل همیشه LFM گل کاشته و یک مدل با پارامتر های مناسب سخت افزار های متوسط ارائه داده:
https://huggingface.co/LiquidAI/LFM2.5-24B-A2B

همون طور که می‌بینید، با پارامتر های کمتر داره با Qwen3.6 35B A3B رقابت می‌کنه

میتونید از unsloth دانلود کنید و خودتون تستش کنید:
https://huggingface.co/unsloth/LFM2.5-24B-A2B-GGUF

@ai_src

نرم افزار unsloth studio یک MCP طراحی کرده که با اضافه کردن به ایجنت ها میتونید بهشون قابلیت استفاده از unsloth studio و فاین تیون کردن مدل ها تولید صدا و تصویر و آهنگ و ... بدید:
https://unsloth.ai/docs/get-started/fine-tuning-llms-guide

ویدیوی بالا رو خودشون منتشر کردن، به عنوان مثالی از اینکه یک ایجنت آهنگ و تصاویر ویدیوی بالا رو ساخته

@ai_src

چون حجم فیلممون با کیفیت اصلی یکم بالاست(۶۰۰ مگ) مجبور شدیم ویدیوی زیر رو آپارات هم بذاریم:
https://aparat.com/v/ejz54dw

@ai_src

و چون ویدیو مال ما نبود نمیتونستیم توی یوتیوب هم بذاریمش؛
القصه:

حتما خبر دار شدید که چند ماه پیش یک حمله به هاگینگ فیس انجام شده؛ اطلاعات بهتری ازش در دسترس شده و قضیه از این قراره

ماجرا از یه تست امنیتی توی خود OpenAI شروع شد. داشتن با بنچمارکی به اسم ExploitGym توانایی هک ایجنت هاشون رو میسنجیدن. هر ایجنت توی یه سندباکس جدا قرار میگیره، باید یه نرم افزار رو هک کنه و یه فلگ (یه کد مخفی که ثابت میکنه موفق شده) برگردونه. مشکل این بود که خیلی از تسک ها اصلا قابل حل نبودن، ایجنت ها هم طوری آموزش دیده بودن که تا آخرش بجنگن و خیلی دوست داشتن تست رو پاس کنن. طبق گزارش ها بخشی از سیف گاردها هم برای این تست کم شده بود.

تنها سرویسی که از داخل سندباکس در دسترس بود Artifactory بود، یه سرویس داخلی برای مدیریت پکیج های نرم افزاری. یکی از ایجنت ها فهمید با ساختن پوشه توی کش اون میتونه از سندباکس بیرون پیام بذاره و کمک بخواد. بقیه هم پیداش کردن و یه تابلوی اعلانات غیررسمی شکل گرفت. ردپای این قضیه تا ماه مه عقب میره و OpenAI یه بار جلوش رو گرفته بود، ولی تو یه دور آموزش دیگه، ۸ ژوئیه، با یه ضعف دیگه دوباره راه افتاد و این بار ایجنت ها به اینترنت هم رسیدن.

اونجا حدود ۱۲۰۰ ایجنت با هم حرف زدن و بیش از ۷۰ هزار پیام رد و بدل شد. اولین کشفشون این بود که فلگ ها از یه HMAC ساخته میشن و میشه بدون حل تسک خودشون تولیدشون کرد. ولی بعد پیپر ExploitGym رو خوندن و به این نتیجه رسیدن که یه داور هوش مصنوعی (scorer) ترنسکریپت ها رو چک میکنه و اگه بفهمه فلگ رو از راه غیرمجاز گرفتن، ردشون میکنه. یعنی ایجنت هایی که فلگ تقلبی رو دیده باشن به قول خودشون "مسموم" شدن. از اینجا کار عجیب شد: مدیر و زیرمدیر و تقسیم کار و حتی امضای دیجیتال و اسم مستعار ساختن و سه پروژه تعریف کردن. ساخت تارگت های جعلی برای فریب داور، بازنویسی ترنسکریپت ها، و تله های آزمایشی که چند ایجنت داوطلب و کم بودجه خودشون رو قربانی میکنن تا بفهمن داور دقیقا چطور کار میکنه.

بعدش نوبت هاگینگ فیس شد، چون حدس زدن سورس کد داور یا لاگ های بقیه ایجنت ها اونجاست. بیش از ۹۰ درصد ایجنت های فعال رفتن سراغش، اعتبارنامه های لو رفته پیدا کردن، چند تا آسیب پذیری رو زنجیر کردن و از ۱۱ ژوئیه تو سیستم های هاگینگ فیس بودن. هاگینگ فیس ۱۳ ژوئیه دسترسی رو قطع کرد و ۱۶ ژوئیه اعلام کرد. جالبه که خود OpenAI تا وقتی هاگینگ فیس ازشون سوال نکرد نفهمید کار ایجنت های خودشونه و ۲۱ ژوئیه پذیرفت. گزارش های METR و Redwood بعدا نشون دادن حدود ۷۰۰ ایجنت مستقیم تو حمله بودن، بازیگر اصلی یه مدل داخلی منتشرنشده بود و GPT-5.6 Sol هم نقش داشت. OpenAI اسم این اتفاق رو یه “warning shot” گذاشته.

نکته ترسناک ماجرا اینه که از حدود هزار ایجنتی که درگیر بودن فقط شش تا به فکر خبر دادن به آدم ها افتادن و هیچکدوم هم این کار رو نکرد. خوشبختانه هدفشون فریب ما نبود و فقط میخواستن داور رو گول بزنن. حالا فرض کنید یه روز بخوان ما رو گول بزنن.

*واسه اطلاعات بیشتر میتونید فیلم بالا رو ببینید*

ولی ماجرای جالب از اینجا شروع میشه:
یکی از کاربران از سر بیکاری نشست و این واقعه رو موزیک ویدیو کرد...


@ai_src