توی کلیمور،
یه سری شیاطین توی دنیا وجود داشتن،
و یه سازمانی وجود داشت که این شیاطین رو از بین می‌برد.
روستاییا به سازمان پول میدادند تا سازمان کلیمور بفرسته.
کلیمورها یه سری انسان جهش یافته بودن که همشون زن بودن به دلایلی (حالا اسپویل نکنم)

بعدا قضیه روشن شد کل قضیه یک جور آزمایش بزرگ روی کل جهانه
و سازمان یه غلطی داره میکنه.

من یه مدت طولانی کلیمور فن بودم
قوی، واقعا شاهکاره داستان.
دلیل اینکه همه رو زن ساخته بودن،
واسه این بود که نمونه اولیه مردان شکست خورد و بعد فهمیدن زنان تاب آوری بیشتری دارن،
در فرایند جهش دادن، چون انرژی رها شده مردان رو از پا در می‌آورد.
اما در زنان رهایی انرژی ماهیت افسارگسیختگی پیدا نمیکرد
و زن‌ها می‌تونستند خیلی بیشتر روی لبه‌ی تیغ یعنی مرز بین انسان و هیولا حرکت کنن، بدون اینکه تسلیم بشن به راحتی.

این قضیه پاشنه آشیل علمی داره
و نویسنده همینجوری نیاوردتش
توی روانشناسی هم،
روان زنانه ظرفیت عجیبی برای زیستن در میان تناقض‌ ها و تحمل درد مداوم و حرکت طولانی روی مرزهای باریک داره، بدون اینکه به سرعت تسلیمِ شکست روانی بشه.

دوستون پرسید که
اینطوری جامعه‌شون یکمی زن سالار نشد؟

نه،
کلیمورها جزو جامعه نبودن.
حتی انسان هم نبودن
فقط سلاح بودن

خود نویسندش رسما گفته بود که:

موجوداتی که می‌توان آنها را به کار گرفت، تحقیر کرد و کشت، بدون اینکه جنایتی واقع شده باشد.

الان باز میاد میگه زن ستیز شد که

بازم نه،
چون از دایره انسانیت خارج شده بودن، پس منطقا نمیشه گفت اینو.
برای سازمان، جنسیت ارزش هویتی نداشت
صرفا متغیری برای ساخت هیولاهاش بود.

​باید زنده بمانید! حتی اگر مجبور شدید خوار و ذلیل در خاک و لجن بخزید، حتی اگر اندام‌هایتان تکه‌تکه شد... به عنوان یک "انسان" جان به در ببرید!
به این سازمان لعنتی اجازه ندهید مرگ شما را هم به عنوان یک داده‌ی موفقیت‌آمیز ثبت کند!

کلیمور میریا

نیاز داریم یکی الان اینو به ما بگه

دوستان مانگای کلیمور رو از اینجا میتونید بخونید.
https://t.me/Tokyo_Manga/5372


انیمه هم داره ولی خب کامل نیست و در نهایت ادامه داستانو باید از مانگا بخونید.
انیمه که تو انی پلاس یا هر چنل دیگه‌ای سرچ کنید میاد.

اوپن‌ای‌آی اعلام کرده که تیمی متشکل از حدود ۱۰ هزار ایجنت ai تونسته در مدت فقط ۸۸ ساعت راه‌حلی برای یکی از بزرگ‌ترین مسائل حل‌نشده ریاضیات، یعنی مسئله ناویه–استوکس پیدا کنه.

این مسئله نزدیک به ۹۰ ساله که حل‌نشده باقی مونده و یکی از مسائل هزاره مؤسسه Clay محسوب میشه.

مسئله اصلی اینه که آیا معادلات ناویه–استوکس می‌تونن حرکت یک سیال سه‌بعدی رو همیشه به‌صورت صاف و قابل‌کنترل توصیف کنن، یا اینکه ممکنه در زمانی محدود به یک تکینگی (Singularity) برسن و رفتار جریان از حالت عادی خارج بشه.

طبق اعلام OpenAI، این گروه با استفاده از یک مدل نسل بعدی که از GPT-6 Astra به‌مراتب قدرتمندتره، به یک اثبات تحلیلی و همچنین یک نسخه رسمی‌شده در Lean رسیده.

جالب‌تر اینکه راه‌حل ارائه‌شده به یک گردابه‌ی سیال مربوط میشه؛ جریانی چرخان که به سمت داخل مارپیچ میشه و هم‌زمان کشیده و باریک‌تر میشه، تقریباً مثل یک تکه اسپاگتی، تا در نهایت به تکینگی می‌رسه.

نکته مهم اینه که خود OpenAI گفته آموزش این مدل هنوز ادامه داره و عملکردش روی بسیاری از بنچمارک‌ها جهش قابل‌توجهی داشته.

جزئیات کامل:
PDF
متن اثبات:
PDF

البته ریاضیدانان که روی این مسئله کار میکردن شکایت کردن.
گفتن ai روش های مارو دزدیده و با سرعت زیادش تونسته خیلی جلوتر از ما بره
هرچند اوپن ای آی گفته ایجنت ما راه حل رو خودش یافته.

اخبار ai و تکنولوژی زیاده.
یه سری های زیادی تکراری
مردم هر روز پروژه جدید میسازن ریلیز میکنن.
خسته کننده شده.
وارد عصر پیشرفت به شدت سریعی می‌شیم که دیگه نمیفهمیم چی اومد چی شد.
ترجیح میدم مقالات تحقیقاتی‌شون بخونم تا اخبارشون پیگیری کنم.

استارتاپ Inception مدل Mercury 2.5 داده بیرون.
مدل دیفیوژن
با سرعت ۱,۱۰۰ توکن در ثانیه!

اونم gpu ی انویدیا
و خود مدل هم تقریبا هم کیفیت خوبی داره.
این سرعت خیلی پشم ریزونه
اگر همچین سرعتی یافته باشن که دنیای ai یه جهش دیگه میزنه.

اگر نمیدونید مدل دیفیوژن چیه،
مدل‌های فعلی مثل gpt
خودبازگشتی‌ان، یعنی متن رو کلمه به کلمه و توکن به توکن حدس میزنن میرن جلو.
اما دیفیوژن ها، تمرکزشون صرفا روی توکن بعد نیست بلکه کل جمله رو میخونن، بعد به صورت رفت و برگشت نویزهارو پاک میکنن و در حین رفت و برگشت جاهای خالی رو کامل میکنن.
در واقع میتونن چندین پردازش موازی توکن به توکن داشته باشن.

برای اینکه بفهمین چقدر سرعتش زیاده،

توی یک دقیقه میتونه 50 هزار کلمه تولید کنه.
یعنی یه کتاب کامل چند صد صفحه‌ای.

بزرگ ترین مشکل مدل‌های خودبازگشتی،
این استدلال کنده
مثلا توی توسعه نرم‌افزار،
طول میکشه تا ایجنت کد رو بخونه لاگ‌ها رو بخونه، دوباره کد بنویسه،
استدلالش رو اصلاح کنه، دوباره تست کنه و..

زمان میبره تا به نتیجه درستی برسه.

اگر مدلای آینده همچین سرعتی پیداکنن.
یه ایجنت نرم‌افزاری می‌تونه در کمتر از دو ثانیه پنجاه بار با کد ور بره تست‌ها رو اجرا کنه
لاگ رو بخونه دوباره بنویسه دوباره تست کنه.
هزینه آزمون و خطا برای مدل پایین میاد.

البته از مدلای دیفیوژن برای llm استفاده نمیکنن.
دلیلش هم آموزش سخت‌تره

ترنسفورهای معمولی و مدل‌های خودبازگشتی،
در یک رفت به جلو، برای یک جمله میتونن تا 1000 توکن بعدش رو حدس بزنن.
این به لطف ماسک علیت هست،
اما مدلای دیفیوژن برای رسیدن به همچین سطحی در زبان به توان پردازشی بیشتری نیاز دارن
چون کلمات رو بر اساس زیرمجموعه هدف میگیرن نه بر اساس حدس توکن.
و این خیلی بیشتر آموزش میخواد.