Hey everyone! 👋 Our lab at IIT (Computational Statistics and Machine Learning Unit, Genoa, Italy) has an open Postdoctoral Researcher position in Machine Learning and Dynamical Systems.

🔹 Project: ERC Advanced Grant LEO – Learning Evolution Operators (PI: Massimiliano Pontil)

🔹 Duration: Up to 3 years

🔹 Topics: Foundations of ML, operator theory/linear evolution operators, data-driven dynamical systems

📅 Deadline: October 31, 2026

More details and application link here:

https://app.ncoreplat.com/jobposition/813983/postdoctoral-researcher-in-machine-learning-and-dynamical-systems-it/istituto-italiano-di-tecnologia

Feel free to ping me if you have any questions about the group or the position!

@SingularThinker

پسره برگشته میگه آره من سعی میکنم اخبار رو نخونم و گرنه بیش از حد مضطرب میشم، اون یکی هم میگه آره منم اخبار انتخابات اذیتم میکنم. دیکه نتونستم تحمل کنم برگشتم گفتم:
Guys, I'm from Iran ...

البته اشتباه نشه این افتخار نیست عزیزان من ریدم به این اصالت به قول دوست عزیزمون.
من به شخصه ترجیح می‌دادم لازم نبود انقدر "تاب‌آوری"ام زیاد بود و در عوض میشستم ز غوغای جهان فارغ فوکاچامو می‌خوردم و با کوچکترین ناملایمتی chicken out می‌کردم.

Success as a scientist is minimally about raw problem-solving ability. Instead, it's more about asking questions, navigating ambiguity, challenging conventional wisdom, seeing a bigger picture, providing interpretable insights. Math may now become more like other research areas.

🔗 Andrew Gordon Wilson (@andrewgwils)

#tweet
@SingularThinker

داشتم فک میکردم خب این حس FOMO همگانی که همگی داریم چقدر داره آزاردهنده میشه برامون. خیلی به دلیل های مختلفی استرس دارن . ریاضیدان ها حس میکنن قراره دیگه از بهشت ریاضیات رونده بشن. برنامه نویس های جونیور در کوتاه مدت با کمبود شغل مواجه شدن.
آدم هایی که خیلی شاید در حوزه تک نباشن به طریق دیگه.
به پست های کانال که نگاه میکنم من دارم تک و توک به خبرهای مهمی که پیش میاد واکنش نشون میدم ولی خب شاید خیلی نامنظم و پخش و پلا باشه:

Philosophical and societal aspects:
• آیا کلاود خودآگاه است؟ یا تنها آینه ای که ما توش خودمونو ببینیم

• سم آلتمن و اتفاقات عجیب OpenAI

• یکی از راه های آینده برای سنجش یه مقاله

• AI Slopped paper
• articles for human beings or AI agents?

• نقطه تکینگی یا singularity

• The computer used to obey you
Freedom, ownership, and AI

• OpenAI-HuggingFace incident:‌ AI danger for cyber security
• ‌Why AI agents lie and cheat?
• Bengio's Remarks about this incident

Technical aspects:
• End of Scaling Law era?

AI and math:
• آینده پژوهش در ریاضی
• Proof abundance, verification scarcity
• اهمیت درک و فهم در آینده ریاضیات
• The new era of math: The age of lone climbers is closing, and the age of mapping the whole continent is opening

این لیست آپدیت میشود. خوشحال میشم اگه نظراتتون رو هم بشنوم مخصوصا اگه انتقاد مستدلی دارید.


@SingularThinker

حالا بهونه این کار این بود که یکی از این خبرهای جالبی که من نرسیدم راجع بهش صحبت کنم و با بقیه هم که حرف میزدم نشنینده بودم. داستان تقلب Agent های جدید و منتشرنشده OpenAI هستن که در بخشی از این تقلب تصمیم گرفتن HuggingFace رو هک کنن که بتونن scorer که قرار بود راه حل رو چک کنه رو گول بزنن.

اینجا یکی از ویدئوهای کوتاه و به زبون غیر دقیق این ماجرا هست:
https://youtu.be/ujkD4SxPKOI?si=8wn3LArGvKFx1J9Z

این ماجرای پادشاه میداس که میگه آرزو میکنم دست به هر چیزی میزنم طلا بشه خیلی نکته جالبیه.

توجه: همین طور که خود ویدئو میگه به کار بردن زیاد اصطلاحات انسان انگارانه میتونه آدم رو به اشتباه بندازه.


#video
@SingularThinker

Proof abundance, verification scarcity

من این پست رو که گذاشتم خیلی ابهام ایجاد کرد که خب مشکلش چیه اینا که گفتن ما از ai استفاده کردیم و اینا. ولی
من معتقدم که ما اگه داریم پیپر مینویسم و کنفرانس میذاریم و هر چی این ها برای انسان هاست و بنابراین اگه دارید مقاله مینویسید باید به اصطلاح به زبون آدمیزاد بنویسید. ایجنت ها روش های خیلی بهینه تری دارن که با هم دیگه حرف بزنن.
این آقای Gal هم خیلی سفت و سخت هست راجع به این موضوع که من کاملا باهاش همنظرم. البته چالش هاشو هم میفهمم .


🔗 Yarin (@yaringal)
This is my best suggestion: desk reject any paper that fails LLM watermarking detection. People should write their own papers. LLMs should at most give feedback
https://x.com/yaringal/status/2102492176202568161
➖➖➖➖➖➖➖➖➖➖➖
🔗 Andrew Gordon Wilson (@andrewgwils)
I'm a Program Chair for ICML 2027. We'd love any creative suggestions for a great conference! How to manage the explosion of AI slop and insane submission growth? How to manage reviewing? How to incentivize high quality creative work? How to reduce bureaucracy and overhead?
➖➖➖➖➖➖➖➖➖➖➖

@SingularThinker

Why AI agents showed this behavior?

اگه بخوایم یه متن خیلی مهم تو چند وقت اخیر رو معرفی بکنم که حتما ارزش خوندن داشته باشه این یکی از همون متن هاست.

https://yoshuabengio.org/en/blog/why-are-ai-agents-lying-cheating-and-coordinating

یوشوآ بنجیو تو این متن همین طور که از عنوان. این نوشتار هم پیداست میاد و در مورد این صحبت میکنه که از دید خودش چرا اصن این اتفاقا میفته؟
میاد و مراحل مختلف یادگیری رو توضیح میده برای ساختن یه agent .
و قشنگ ترمینولوژی هایی که حول این ماجرا هست رو هم تعریف میکنه. به طور ضمنی
مثال King midas رو هم نشون میده که چطوری داره در عمل اتفاق میفته. در آخر هم یه سری توصیه ها میکنه که چطوری باید پیش بریم و اینا.


داخل پرانتز بگم که بنجیو یه جایی در ابتدای متن میگه که:

One note on wording. Below, I write that these systems “seek” or “try” things. This is shorthand for a mechanism rather than a claim about consciousness or human-like intent. We use similar shorthand when describing many other situations, like a plant seeking sunlight. A system trained by trial and error behaves as if it were pursuing whatever its training rewarded, and that as-if description is what makes its behavior predictable. Nothing in the argument depends on these systems having subjective experiences; everything is stated about their observable outputs and the training process that produced them.

و شاید بنظرم دقیقا مشابه آنچه که در مورد اختیار و اراده آزاد داریم به خودمون نسبت میدیم. شاید در واقع انسان انگاری ربات ها خیلی بی راه نباشه چون خودمون هم اون طوری که فک میکنیم نیستم.(این ایده رو اینجا تو این ویدئو یوتیوب و شاید توی آخر این پست توضیحش میدن یکم)


بعد در ادامه اش میگه که:
Furthermore, these word choices are not intended to absolve AI developers of accountability. The behaviors described emerge because of the path these companies are choosing for AI development. This outcome is not inevitable, and it can be corrected with effective governance and a different training framework for AI.

راستش خیلی مطمئن نیستم. یعنی نمیگم غیرممکنه ولی حس میکنم که کاملا مثل اینه که از آدما بخوایم غریزه شون به سمت کسب درآمد و قدرت بیشتر رو بیان تعدیل کنن. یعنی یه حرکت برخلاف روند طبیعی و در راستای افزایش انرژی مجموع سیستم فیزیکیه و نه کاهش. مثل کاری که دوستان کمونیست و سوسیالیست میخواستن بکنن.


پ.ن:‌لینک یه پست مرتبط رو میذارم تو کامنت .
@SingularThinker

There's never been a better time to go into math by 3blue1brown

به نظرم ویدئوی بالا خیلی ویدئوی بهتری از سخنرانی Tao هست هر چند درون مایه جفتشون یه چیزه.

Mathematics in the age of AI by Terence Tao
طائو یه جستار هم از اون سخنرانی ICM اش منتشر کرده که اگه خواستید میتونید ببینید لینکش کردم به متن بالا.

@SingularThinker

قبلا زیاد تو همین کانال در مورد علاقه خودم به کلاس های کسری علیشاهی و شیوه تدریسش گفتم مثلا آخر این پست.
این متن نقل قول شده به طور خیلی واضح یکی از دلیل هایی که من دوستش داشتم رو بیان میکنه.
به امید زیاد شدن معلم های این چنینی.

دوستان اگر براتون جمنای باز میشه ولی به گوگل فلو دسترسی ندارید. از این لینک برید چک کنید ببینید کشور اکانتتون رو کجا زده.

اگر ایران زده بود درخواست بدید به یه لوکیشن دیگه تغییر کنه. مثلا توی اروپا هلند و آلمان با توجه به VPN ها خوبه یا آمریکا.

توی درخواست ها هم گزینه استفاده از VPN یا سفر مداوم یا کار از دور رو میتونید بزنید.

https://policies.google.com/country-association-form

همچنین برای اینکه آی پی از VPN شما نشت نکنه و بتونید جمنای رو باز کنید، میتونید این افزونه رو روی مرورگرتون نصب کنید و گزینه disable non proxied udp رو انتخاب کنید تا آی پی واقعی شما رو لو نده.

https://github.com/a449707101729771095/WebRTC-Leak-Prevent


لینک ربات هدایا

@the_maze2022

The computer used to obey you
Freedom, ownership, and AI - who owns the internet, and what to do about it

جادی بنظرم یکی از تولیدمحتوا کننده های خوب کامیونیتی فارسیه که شنیدن بهش واقعا جذابه [1].

تو قسمت اخیر رادیوجادی که به صورت لایو هم برگزار میشد، برخلاف قسمت های دیگه جادی اومد و ارائه ای داد در مورد تاریخچه کامیپوتر و تغییراتی که کامپیوتر در زندگی انسان ها ایجاد کرده.

ازین که چطوری با برونسپاری بخشی از تصمیماتمون به کامیپوترها بدون آشنایی با مفاهیم پشتش داریم مالکیت خودمون رو از دست میدیم. و اینکه چطور ممکنه این به کنترل شدن کاملا اوضاع از دستمون منجر بشه.

این که چطوری به بهانه امنیت میتونن آزادی ما رو ازمون بگیرن و در آخر هیچکدوم رو نداشته باشیم.

در طول ارائه هم یه دید فلسفی جالبی هم به ماجرا داره و چندجا نقل هایی از کانت و هابز هم میکنه که برای من خیلی جالبترش کرد.

تو یکی از این نقل قول ها که نمیدونم به چه کسی برمیگرده ولی میگفتش که:
یک در قفل شده در حالی که کلیدش دست شماست یعنی امنیت، ولی یه در قفل شده با کلیدی که دست «اون»هاست یعنی یه سلول انفرادی که خدمات اتاق روش نصب شده.

بحث فراتر از صرفا استفاده کردن یا نکرده یا حتی چطوری استفاده کردن از هوشواره هاست و یکی از اون مطلب هاییه که کنجکاوی من رو به شدت قلقک میده.

شما هم اگه دوست داشتید نگاش بکنید و مهم تر از همه من مشتاقم که نظر شما رو در این باره بدونم.

[1] البته این به این معنا نیست که من از تمامی فکرها، باورها و رفتارها جادی حمایت میکنم. این نکته بدیهیه ولی خب گاهی یادآوریش انگار لازمه.

#video
@SingularThinker

🔔 فردا جلسه داریم!

🎉با یه مینی‌کورس جدید داریم برمی‌گردیم که برای من خیلی جذابه.

امیرعباس اسدی قراره درباره‌ی «روش استاین» (Stein's Method) و کاربردهاش توی یادگیری ماشین صحبت کنه.

📅 یکشنبه ۳ آبان (۲۵ اکتبر)
🕖 ساعت ۱۹ به وقت تهران
📍 لینک جلسه: https://meet.google.com/csa-sbkw-ctm
🔗 جزئیات و چکیده: https://learning-theory-circle.github.io/talks/amirabbas-asadi-2026-oct-25

منتظرتون هستیم! 🙌

خودم به شخصه خیلی دوست دارم بیشتر در مورد Stein's Method بدونم چون خیلی روش مهمیه که تو خیلی از جاها بدرد میخوره. خیلی هم بحث تکنیکالیه.

ویدئوهای هر سه جلسه حسین هم توی سایت قرار گرفته.
اگه دوست دارید که با مفاهیم بهینه سازی و تحلیل همگرایی SGD آشنا بدید فرصت خوبیه که شروع کنید.
بیشتر از ۶ ساعت ویدئو هست. خودش یه مینی کورسه.
لینک جلسه اول:
https://youtu.be/WOOS3aRTjpA?si=oyyM4ifVwk_FraLJ

@SingularThinker

ما داریم شروع میکنیم ...

Modern Machine Learning Theory

من خواستم یه یادآوری بکنم که یه سری مطالب خیلی جالبی در مورد مباحث خیلی پایه ای تئوری ماشین لرنینگ هستش که آدمای خفن و بزرگی دارن روش تحقیق انجام میدن بیشتر با بکگراند های فیزیک آماری و آمار غیرپارامتری و انگار کل فیلد learning theory اونقدری هم که بنظر میرسیده mature و قدیمی نیست و هنوز حرف های زیادی برای گفتن هست.

به همین رو چند تا از سورس هایی که پیدا کردم رو میذارم اینجا.
بنظرم یاد گرفتن اینا و مخصوصا master کردنشون خیلی تو درک عمیق ml بهتون کمک میکنه و این چیزیه که خیلی از آدما ندارن.

1. Modern Machine Learning: Simple Methods that Work (MIT) Mini Course [Linear Regression, Kernel Regression, NTK]
https://aditradha.com/teaching-resources, https://youtube.com/playlist?list=PLV7IztOccmR__NyLuxHpe_IhQLFmPOIJA&si=B2kz1qzRDl9pj7lW, https://github.com/YconquestY/6.s088

2. ICM 2026 Plenary lecture by Peter Bartlett: Modern Machine Learning Methods: Large Step-Size Optimization, Implicit Bias, and Benign Overfitting
[Implicit Regularization of GD/GF/CD for linear regression/logistic regression, Benign Overfitting for linear regression]
https://youtu.be/l-29P4oEXKE, https://epubs.siam.org/doi/10.1137/25M1807617

3. Deep learning: a statistical perspective Mini Course by Peter Bartlett
https://youtube.com/playlist?list=PL79F_c_jsxZEmVtxrzuRUzoztAK0GJm4Z&si=iEpJMRHY_iuBE7Ts
[Detailed version of the ICM talk]

4. Mathematical Foundations of Modern AI Systems by Csaba Szepesvari
https://mathforai26.github.io/schedule/
https://youtube.com/playlist?list=PLbrPxvxYNWKM&si=eZYXmk5t2E0RBv3N

5. Nonconvex Optimization for Deep Learning by Antonio Orvieto
https://institute-tue.ellis.eu/en/lecture-deep-optimization
https://drive.google.com/drive/folders/1ZasVKDEM02UiLAOviv9eZy8wROB9l0ck

6. Theoretical Machine Learning Course by Elad Hazan
https://sites.google.com/view/cos-511-tml-2022/home?authuser=0
https://youtube.com/playlist?list=PL17YZw0-XrtyHWTqSLgj-bH1PmUcW5mPz&si=gDdEGh2CQMiK5CEq


7. Mathematical Foundations of Data Sciences by Gabriel Peyre [Interactive book]
https://mathematical-tours.github.io/book/interactive/

8. Mathematics of Machine Learning by Gabriel Peyré [10 Lectures]
http://mathematical-tours.github.io/maths-ia-course/
هر کسی هم علاقه مند بود که راجع به این چیزا با من صحبت کنه مثل همیشه به شدت مورد استقبال قرار میگیره.

#learning_theory
@SingularThinker

سلام به همگی. من برای فرصت مطالعاتی‌ چند ماهی اومدم پاریس. اگه شما هم این سمتا هستید و دوست داشتید همو ببینیم، بهم پیام بدید تا یه برنامه‌ای بچینیم.
#موقت

خب من اولش اصن قصدم این نبود که ازین مطلب های پر لینک باشه.
چون صرفا میخواستم چیزایی که خودم دیدمشون رو به اشتراک بذارم و یه ارائه ازشون آماده کنم ولی چون یه سری از بچه ها اومدن سوال کردن گفتم این رو هم یه آپدیتیش بکنم.
این کورس هایی هستش که من الان تو ذهنم داشتم از آدم هایی که رفتن سر کلاساشون یه روزی آرزو بود ولی الان به لطف یوتیوب همه میتونن استفاده کنن.

خلاصه که میدونم خیلی هاتون سیو کردید ولی خب ببخشید دوباره سیو کنید. شاید بعدترها کامل ترش هم بکنم.
یه سری از کورس ها رو هم قبلا اینجا معرفی کردم.