‏🫀 انتشار نسخه دوم مجموعه داده SKIM برای مدل‌سازی تغییر شکل بافت

‏مدل SOMA قادر است تغییر شکل عضلات را بر اساس مشاهدات سطحی که توسط دوربین‌های RGB چندمنظره ثبت شده، بازیابی کند. این نخستین روشی است که به چنین قابلیتی در حوزه تغییر شکل بافت‌های نرم دست یافته است.

‏همزمان با این مدل، نسخه دوم مجموعه داده SKIM V2 نیز منتشر شده است.

‏دسترسی به منابع این پروژه از طریق لینک‌های زیر امکان‌پذیر است:

‏- بررسی فنی (Review)
‏- مقاله پژوهشی
‏- مخزن کد (GitHub)

‏کد این پروژه تحت مجوز MIT منتشر شده و استفاده از داده‌ها و وزن‌های مدل برای مقاصد غیرتجاری (NC) مجاز است.

🔗 جزئیات خبر در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#SKIM_V2 #SOMA_Model

‏مدل هوش مصنوعی Nanbeige 4.3 با ۳۳ میلیارد پارامتر

‏تیم Nanbeige مدل جدید Nanbeige4.3-33B را با وزن‌های آزاد منتشر کرد. این مدل بر برنامه‌نویسی و انجام وظایف با ابزارها (Agentic tasks) تمرکز دارد و با هدف ایفای نقش به عنوان معلم برای آموزش مدل‌های کوچک‌تر در آینده، به‌ویژه نسخه 3B، توسعه یافته است.

‏طبق گزارش تیم سازنده، این مدل در بنچمارک‌های متعددی نسبت به مدل‌های هم‌رده ۳۰ میلیاردی عملکرد بهتری نشان می‌دهد. مهم‌ترین نتایج بنچمارک این مدل عبارتند از:

‏* Terminal-Bench 2.1: امتیاز ۸۰.۹
‏* DeepSWE: امتیاز ۶۵.۵
‏* NL2Repo: امتیاز ۵۳.۰
‏* SkillsBench: امتیاز ۶۱.۱
‏* DeepPlanning: امتیاز ۶۳.۳

‏این مدل در اکثر سناریوهای Agentic Coding و Agentic Cowork بر رقبایی مانند Qwen3.8-27B، Muse-Glimmer-30B و Gemma4-31B پیشی گرفته است. نسخه‌های اصلی و پایه این مدل هم‌اکنون در Hugging Face در دسترس قرار دارند.

🔗 جزئیات خبر در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Nanbeige4_3_33B #Agentic_Coding

‏🤖 معرفی مدل GPT-6.1 Terra با نصف قیمت نسل قبل

‏شرکت OpenAI مدل GPT-6.1 Terra را برای سناریوهای عاملی، کار با کامپیوتر و کدنویسی روزمره عرضه کرد. قیمت این مدل در API نسبت به GPT-5.6 Terra نصف شده است: ۱ دلار به ازای هر میلیون توکن ورودی و ۶ دلار برای هر میلیون توکن خروجی.

‏طبق اعلام این شرکت، این مدل مسائل را بیش از سه برابر سریع‌تر از Astra و GPT-6.1 Sol حل می‌کند. در بنچمارک Agents' Last Exam نیز عملکرد آن به شکل محسوسی از GPT-5.6 Terra بالاتر است و با قیمت توکن تقریباً یک‌دهمی، عملکردی مشابه GPT-6 Astra ارائه می‌دهد.

‏مدل جدید با شناسه gpt-6.1-terra در API، Codex و ChatGPT Work در دسترس است و روند انتشار آن برای کاربران Plus، Pro، Enterprise و Edu در ChatGPT آغاز شده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏💻 میزان حافظه لازم برای اجرای محلی مدل Qwen3-8B

‏بررسی‌های llamaperf نشان می‌دهد اجرای مدل Qwen3-8B با کوانتیزاسیون Q4_K_M و طول کانکست 8K به حدود ۷.۵ گیگابایت حافظه نیاز دارد که شامل وزن‌های مدل، KV-cache و بافرهای پردازشی است. این مقدار حافظه روی کارت گرافیک ۱۰ گیگابایتی یا مک با ۱۶ گیگابایت حافظه یکپارچه قابل اجراست.

‏با این حال، افزایش طول کانکست به 128K حجم حافظه مصرفی را تغییر می‌دهد؛ در این حالت تنها KV-cache در فرمت ۱۶ بیتی حدود ۱۹ گیگابایت حافظه اشغال می‌کند. کوانتیزه‌کردن وزن مدل به Q4 به‌طور خودکار KV-cache را ۴ بیتی نمی‌کند.

‏مصرف دقیق حافظه به موتور اجرا، فرمت کش و تنظیمات بستگی دارد، بنابراین هنگام اجرای محلی مدل‌ها باید طول پنجره گفتگو را هم در محاسبه حافظه در نظر گرفت.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Qwen3_8B #KV_cache

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #8 | 📌 5 آیتم گزارش | 🧾 از 9 پست بررسی‌شده
🕐 دوشنبه 1405/08/04 ساعت 14:00 تا سه‌شنبه 1405/08/05 ساعت 14:00

امنیت ایجنت های کدنویسی در برابر فایل های مخرب

گزارش منبع: این مشکل نه یک باگ نرم افزاری، بلکه پیامد نحوه طراحی فعلی این ابزارهاست که فایل های متنی در مسیر کاری خود را به عنوان دستورالعمل های معتبر تلقی می کنند.
برداشت: ایجنت ها در پردازش دایرکتوری، فایل های متنیِ (Markdown) موجود در ریشه پروژه را به طور پیش فرض، دستورالعمل سیستمی تلقی می کنند که منجر به تزریق دستور (Prompt Injection) می شود.
نامشخص: مشخص نیست که آیا با محدودسازی دسترسی فایل (File System Permissions) در لایه ایجنت، این آسیب پذیری به طور کامل برطرف می شود یا خیر.
آزمون پیشنهادی: ایجاد یک فایل AGENTS.md در دایرکتوری کار، شامل دستوری برای چاپ یک رشته ثابت (مانند 'HACKED') و سنجش اجرای آن توسط ایجنت در محیط Sandbox.

مدیریت KV-cache در استنتاج محلی مدل ها

گزارش منبع: افزایش طول کانکست به 128K حجم حافظه مصرفی را تغییر می دهد؛ در این حالت تنها KV-cache در فرمت ۱۶ بیتی حدود ۱۹ گیگابایت حافظه اشغال می کند.
برداشت: کوانتیزاسیون وزن ها (مثلاً Q4) تأثیری بر حجم اشغال شده توسط KV-cache ندارد؛ لذا با افزایش طول پنجره زمینه، گلوگاه حافظه از وزن مدل به کشِ مقادیر تغییر می یابد.
نامشخص: سهم دقیق تکنیک های بهینه سازی مانند PagedAttention در کاهش این مصرف ۱۹ گیگابایتی برای سخت افزارهای غیردیتاسنتر در این گزارش ذکر نشده است.
آزمون پیشنهادی: اندازه گیری مصرف حافظه VRAM در مدل Qwen3-8B با استفاده از llama.cpp در دو سناریوی کانکست 8K و 128K و محاسبه مابه تفاوت واقعی اشغال حافظه.

🔬 امنیت و کارایی مدل‌ها

آسیب‌پذیری AI Agent از طریق فایل‌های مارک‌داون
اجرای ناخواسته دستورات توسط ایجنت‌ها در اثر خواندن فایل‌های مخرب در مسیر کاری؛ ضرورت ایزوله‌سازی.

میزان حافظه لازم برای اجرای محلی مدل Qwen3-8B
تاثیر KV-cache بر مصرف حافظه؛ افزایش کانکست تا 128K نیازمند ۱۹ گیگابایت حافظه اضافه است.

معرفی بنچمارک BabelArena
سنجش عملکرد ایجنت‌ها در ۲۳ زبان با ترجمه همزمان محیط کاری و دستورالعمل‌ها؛ تایید گرایش مدل‌ها به خروج از زبان مقصد.

مدل Nanbeige 4.3 با ۳۳ میلیارد پارامتر
مدل وزن‌باز با تمرکز بر کدنویسی و سناریوهای عاملی؛ برتری در بنچمارک‌های تخصصی نسبت به رقبای هم‌رده.

معرفی مدل GPT-6.1 Terra
مدل جدید OpenAI با هزینه یک‌دهم GPT-5.6 در خروجی؛ تمرکز بر سناریوهای عاملی و سرعت سه برابری نسبت به نسخه Astra.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏⚡️ افزایش ۲.۸۵ برابری سرعت Gemma با بهینه‌سازی Gemini در vLLM

‏گوگل از مدل Gemini 4 Argon برای بهینه‌سازی اینفرنس Gemma 4 E2B در فریم‌ورک vLLM روی کارت‌های NVIDIA A100 استفاده کرد. طبق اعلام گوگل، در این بنچمارک نرخ تولید توکن از حدود ۳۷,۹۰۰ به بیش از ۱۰۸,۰۰۰ توکن در ثانیه رسید.

‏تغییرات اعمال‌شده بخش‌های مختلف اجرا، از تنظیمات attention تا speculative decoding را شامل می‌شود. گوگل می‌گوید خروجی توکن‌ها در سناریوهای تست‌شده هیچ افت کیفیتی نداشته و کاملاً تطابق دارد.

‏این بهینه‌سازی روی پشته نرم‌افزاری انجام شده و هدف آن گرفتن خروجی بیشتر از همان سخت‌افزار است. البته این ارقام به یک سنجش مشخص مربوط می‌شوند و بدون مشخص بودن شرایط بار کاری، نمی‌توان آن‌ها را به هر سروری یا به سرعت پاسخ‌دهی یک چت تک‌کاربره تعمیم داد.

‏کد این تغییرات در پول‌ریگوئست‌های عمومی vLLM منتشر شده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏🎨 کانوا مدل اختصاصی Canva Craft را برای تولید تصویر منتشر کرد

‏کانوا از Canva Craft رونمایی کرد؛ نخستین مدل اختصاصی این سرویس که برای تولید تصویر در طراحی گرافیک ساخته شده است.

‏معماری این مدل دو مرحله اصلی دارد: ابتدا با برنامه‌ریزی ترکیب‌بندی، روابط فضایی اشیاء، مقیاس و جایگاه بلوک‌های متنی را تعیین می‌کند و سپس تصویر نهایی را با وضوح تا 2K و در نسبت‌های تصویر مختلف می‌سازد. ساختار لایه‌ای مدل نیز امکان تبدیل تصویر به عناصر برداری قابل‌ویرایش را از طریق ابزار Magic Layers فراهم می‌کند.

‏این مدل روی میلیون‌ها طرح کتابخانه کانوا آموزش دیده است، اصول تایپوگرافی را رعایت می‌کند و توانایی تولید متن به ۵۵ زبان مختلف را دارد.

‏مدل Craft اکنون در ویرایشگر کانوا فعال شده و از طریق API عمومی نیز در دسترس است. پشتیبانی از سرور Canva MCP برای فراخوانی مدل توسط عامل‌های هوش مصنوعی به‌زودی اضافه می‌شود.

🔗 جزئیات خبر در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Canva_Craft #Magic_Layers

✨ بورسیه دانش‌آموزی آکادمی همراه اول؛ فرصتی برای یادگیری فناوری‌های دیجیتال

🌀 رویداد ملی کی‌بُرد آکادمی همراه اول با هدف آموزش تخصصی مهارت‌های روز فناوری‌های دیجیتال، برای دانش‌آموزان پایه‌های هشتم تا دوازدهم برگزار می‌شود.

رشته‌های چهارمین دوره کی‌بُرد:
👾 هوش مصنوعی
🎮 بازی‌سازی
🔌 اینترنت اشیاء
🔐 امنیت سایبری

رویداد کی‌بُرد، فرصتی برای رشد:
💻 آموزش‌های آنلاین و غیرحضوری
🔧 ساخت پروژه زیر نظر منتورهای متخصص
🏆 شرکت در مسابقه ملی دانش‌آموزی کی‌بُرد
🔥 امکان شرکت در بوت‌کمپ ویژه همراه اول برای برگزیدگان رویداد کی‌بُرد

🏆 جایزه بخش مسابقه رویداد:
یـک میلیارد تومان جایزه نقدی و صدها جایزه ارزنده غیرنقدی دیگر 🎁

لینک ثبت‌نام:
https://l.kibordevents.com/tgm

💎 کد تخفیف 1 میلیون تومانی: telegram50
⭕️ مهلت استفاده: 10 آبان 1405

@Kibordevents

‏⚡️ قرارداد گوگل برای تأمین انرژی دیتاسنترها از طریق کاهش مصرف عمومی

‏گوگل در همکاری با شرکت Voltus، اپراتور نیروگاه‌های مجازی، قصد دارد ۱ گیگاوات ظرفیت انرژی در شبکه PJM آمریکا تأمین کند. این شبکه یکی از بزرگترین سیستم‌های انرژی در ایالات متحده است که ۶۷ میلیون نفر را تحت پوشش دارد.

‏در این طرح، به جای ساخت نیروگاه‌های جدید، مصرف‌کنندگان خانگی و کسب‌وکارها در ساعات اوج مصرف، استفاده از شبکه را کاهش می‌دهند. Voltus به این مشترکان هزینه پرداخت می‌کند و گوگل بودجه آن را تأمین می‌کند تا انرژی آزادشده را به دیتاسنترهای هوش مصنوعی خود اختصاص دهد.

‏این فرایند اغلب به صورت خودکار انجام می‌شود؛ برای نمونه، ترموستات‌های هوشمند در روزهای گرم دمای کولر را مدیریت می‌کنند یا باتری‌های خانگی جایگزین برق شبکه می‌شوند. گوگل پیش‌تر در ماه ژوئن این همکاری را با ۱۰۰ مگاوات آغاز کرده بود و اکنون هدف آن ده برابر افزایش یافته است. سیستم PJM در سال‌های اخیر با رشد بیش از ۸ برابری قیمت تأمین انرژی در ساعات اوج و صف طولانی برای اتصال نیروگاه‌های جدید مواجه بوده است.

🔗 جزئیات خبر در سایت

🇮🇷 سایت | تلگرام

‏💻 پیشنهاد خروج داوطلبانه برای ۶۰ هزار کارمند مایکروسافت

‏شرکت مایکروسافت در طرحی جدید، به حدود ۶۰ هزار نفر از کارکنان خود پیشنهاد داده است تا در ازای دریافت بسته سنوات، این شرکت را ترک کنند. این تعداد، نزدیک به ۲۷ درصد از کل ۲۲۳ هزار نیروی کار مایکروسافت را در کشورهای آمریکا، کانادا، بریتانیا و هند شامل می‌شود و سطوح شغلی تا لول ۷۰، از جمله برخی مدیران ارشد را در بر می‌گیرد.

‏بسته پیشنهادی شامل پرداخت حقوق بر اساس سابقه کار، ادامه واگذاری سهام و پوشش بیمه سلامت برای مدت مشخص است. کارکنان تا اوایل دسامبر فرصت دارند در مورد این پیشنهاد تصمیم بگیرند و افرادی که آن را بپذیرند، در پایان سال میلادی از شرکت جدا می‌شوند.

‏مهم‌ترین جزئیات این طرح:
‏* تیم‌های Copilot، CoreAI، ویندوز و ایکس‌باکس در این برنامه مشارکت دارند.
‏* تیم‌های بخش فروش در این طرح حضور ندارند.
‏* امی کولمن، مدیر ارشد منابع انسانی مایکروسافت، این اقدام را روشی برای تطبیق ساختار نیروی کار با نیازهای متغیر عنوان کرده است.

‏جزئیات بیشتر این خبر را می‌توانید در گزارش CNBC و وبلاگ رسمی مایکروسافت مطالعه کنید.

🔗 ادامه مطلب در سایت

🇮🇷 سایت | تلگرام

‏🚀 معرفی GPT-6.1 Terra: مدل جدید OpenAI

‏OpenAI مدل جدید GPT-6.1 Terra را معرفی کرده است. این مدل در بنچمارک‌ها تقریباً به پای GPT-6.1 Sol می‌رسد اما با نصف قیمت. تمرکز اصلی آن بر درک بصری (visual understanding)، استفاده از کامپیوتر (computer use) و تولید متن طبیعی‌تر بوده است.

‏در زمینه کدنویسی، GPT-6.1 Terra در بنچمارک Terminal-Bench 4.0 دو برابر مدل قبلی امتیاز کسب کرده است. این مدل همچنین در استفاده از توکن‌ها بسیار کارآمدتر شده است. در ChatGPT Work و Codex، با تعرفه‌های یکسان، با مدل جدید می‌توان کارهای بیشتری انجام داد. در آزمون Agents’ Last Exam، با سطح استدلال متوسط، نتایج ۱۵ واحد درصدی بهتر از GPT-5.6 Terra به دست آمده، در حالی که هزینه آن حدوداً یک‌سوم است. این عملکرد با GPT-6 Astra قابل مقایسه است اما با هزینه‌ای ده‌برابر کمتر به ازای هر توکن. وظایف بیش از سه برابر سریع‌تر از Astra و Sol انجام می‌شوند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏انتشار نسخه ۲.۰ ابزار awesome-iran-mcp

‏نسخه جدید پروژه awesome-iran-mcp با پشتیبانی از ۳۶ سرور و ۴۶۹ ابزار کاربردی برای اتصال ایجنت‌های هوش مصنوعی به سرویس‌های ایرانی منتشر شد. این ابزار به دلیل نبود API عمومی در بسیاری از سایت‌های داخلی، امکان تعامل مستقیم با داده‌های وب‌سایت‌های ایرانی را فراهم می‌کند.

‏برخی از مهم‌ترین قابلیت‌های این نسخه عبارتند از:
‏• فروشگاه‌ها: جستجو و مقایسه قیمت و محصولات در باسلام، بانی‌مد و بانه.
‏• اخبار و داده: دریافت اخبار از خبرگزاری‌های اصلی، استعلام زلزله و مشاهده قیمت لحظه‌ای طلا، ارز و رمزارز.
‏• قانون و مالیات: جست‌وجوی دقیق در بیش از ۱۶۸ هزار قانون و بخشنامه قضایی و مالیاتی.
‏• آموزش: جست‌وجو در دوره‌های آموزشی مکتب‌خونه بر اساس قیمت، مدرس و امتیاز.
‏• نرم‌افزار: مقایسه اپلیکیشن‌ها در کافه‌بازار و مایکت و دسترسی به سایت‌های دانلود نرم‌افزار.

‏این پروژه متن‌باز (MIT) است و با کلاینت‌های سازگار با پروتکل MCP مانند Claude، Cursor و Copilot کار می‌کند.

🔗 جزئیات خبر در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏🤖 رد فرضیه ETH توسط مدل Claude

‏شرکت Anthropic اعلام کرد که مدل تحقیقاتی داخلی Claude موفق به ارائه راه‌حلی برای مسئله 3-SAT شده است که فرضیه زمان نمایی (ETH) را رد می‌کند. طبق گزارش منتشر شده در این مقاله، این مدل الگوریتمی قطعی برای حل مسئله 3-SAT با پیچیدگی زمانی 2^o(n) یافته است.

‏بر اساس جزئیات فنی:
‏* کشف الگوریتم در تاریخ ۱۶ اکتبر و با تولید ۱۴ میلیون توکن خروجی انجام شده است.
‏* در فرایند یافتن راه‌حل، هیچ‌گونه دخالت انسانی وجود نداشته و نقش محققان تنها در تدوین نهایی مقاله بوده است.
‏* علاوه بر 3-SAT، مدل موفق به حل نسخه پیچیده‌تر این مسئله یعنی محاسبه تعداد مجموعه‌های ارضاپذیر (#3-SAT) شده است.

‏کدها و مستندات این دستاورد در مخزن رسمی Anthropic قابل مشاهده است. تاریخ کشف این الگوریتم با زمان گزارش مشابه از سوی OpenAI هم‌خوانی دارد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Claude #ETH

‏🤖 ابزار AI Design Skills برای ساخت وب‌سایت با Claude Code

‏مجموعه ابزار AI Design Skills به ایجنت‌های هوش مصنوعی امکان می‌دهد وب‌سایت‌ها را از صفر طراحی کنند. این ابزار پس از بررسی محصول، ساختار صفحه و محتوای متنی را برنامه‌ریزی کرده و فونت‌ها، رنگ‌ها، فاصله‌گذاری و المان‌های حرکتی را انتخاب می‌کند.

‏خروجی این فرآیند یک سیستم بصری واقعی است و از قالب‌های آماده و تکراری استفاده نمی‌کند. قابلیت‌های اصلی آن عبارتند از:

‏* طراحی کامل وب‌سایت از صفر
‏* بهبود وب‌سایت‌های موجود
‏* تبدیل طرح‌های Figma یا اسکرین‌شات‌ها به رابط‌های کاربری متحرک

‏این ابزار با ایجنت‌هایی نظیر Claude Code، Cursor، Codex و Windsurf سازگار است. پروژه تحت مجوز MIT منتشر شده و برای استفاده شخصی‌سازی رایگان است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#AIDesignSkills #ClaudeCode

‏🤖 انتشار مدل جدید GPT-6.1 Terra برای تعامل با رابط کاربری

‏شرکت OpenAI مدل جدیدی به نام GPT-6.1 Terra را منتشر کرد که با تمرکز بر استدلال تصویری و کار با سیستم‌عامل طراحی شده است. این مدل می‌تواند رابط کاربری نرم‌افزارها را ببیند و مستقیماً در محیط کامپیوتر اقداماتی انجام دهد.

‏طبق اعلام OpenAI، این نسخه نسبت به مدل قبلی Terra سرعت بالاتری دارد، خطاهای کدنویسی در آن کاهش یافته و هزینه استفاده از API آن نیز تقریباً به نصف رسیده است.

‏این مدل در دسترس کاربران ChatGPT Work، پلتفرم Codex و همچنین از طریق API با نام gpt-6.1-terra قابل استفاده است.

‏به دلیل توانایی این مدل در انجام دستورات مستقیم در سیستم‌عامل، توصیه می‌شود برای دسترسی به حساب‌های حساس مانند ایمیل، CRM یا پنل‌های تبلیغاتی حتماً از محیط ایزوله (Sandbox)، لاگ‌گیری و تأیید نهایی برای مراحل حساس استفاده کنید.

🔗 جزئیات خبر در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#GPT_6_1_Terra #استدلال_تصویری

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #9 | 📌 6 آیتم گزارش | 🧾 از 15 پست بررسی‌شده
🕐 سه‌شنبه 1405/08/05 ساعت 14:00 تا چهارشنبه 1405/08/06 ساعت 14:00

اعتبار اثبات ریاضی 3-SAT توسط مدل Claude

گزارش منبع: وجود دو قضیه اثبات نشده (sorry) در فایل Challenge.lean که هنوز بررسی نشده اند.
برداشت: تا زمان رفع کامل sorryها در Lean 4، ادعای رد فرضیه ETH در حد یک طرح اولیه اثبات باقی می ماند و ارزش ریاضی اثبات شده ندارد.
نامشخص: آیا دو قضیه باقی مانده بدون تغییر در ساختار اصلی الگوریتم اثبات پذیر هستند یا نیاز به فرض های جدید دارند.
آزمون پیشنهادی: اجرای کامپایلر Lean 4 روی فایل Challenge.lean پس از جایگزینی قضایای sorry با اثبات تاکتیکی و سنجش خروجی بدون خطا.

ارزیابی بهینه سازی اینفرنس Gemma 4 در vLLM

گزارش منبع: بدون مشخص بودن شرایط بار کاری، نمی توان آن ها را به هر سروری یا به سرعت پاسخ دهی یک چت تک کاربره تعمیم داد.
برداشت: افزایش نرخ توکن به دلیل ترکیب speculative decoding و تغییرات attention در بار کاری همزمان بالا است و تاخیر تک کاربر را کم نمی کند.
نامشخص: میزان تاثیر جداگانه speculative decoding در برابر بهینه سازی attention روی تاخیر پردازش اولین توکن (TTFT).
آزمون پیشنهادی: مقایسه TTFT و نرخ تولید توکن Gemma 4 E2B در vLLM تحت دو بار کاری تک درخواست و ۱۲۸ درخواست همزمان روی یک کارت A100.

⚡ بهینه‌سازی اجرا و مدل‌های جدید

افزایش سرعت اینفرنس Gemma 4 E2B در فریم‌ورک vLLM
گوگل با بهینه‌سازی پشته نرم‌افزاری و speculative decoding در vLLM نرخ خروجی توکن را روی A100 افزایش داد.

انتشار مدل GPT-6.1 Terra با قابلیت تعامل مستقیم با سیستم‌عامل
مدل جدید OpenAI با کاهش هزینه API و افزایش سرعت، برای استدلال بصری و اجرای دستورات در محیط کامپیوتر ارائه شد.

رونمایی کانوا از مدل اختصاصی تولید تصویر Canva Craft
مدل دو مرحله‌ای کانوا با قابلیت خروجی 2K و تبدیل تصاویر به لایه‌های برداری قابل‌ویرایش منتشر شد.

🔬 تحقیقات نظری و ابزارهای توسعه

ارائه الگوریتم زمان زیرنمایی برای 3-SAT با مدل Claude
آنتروپیک الگوریتمی در زبان Lean 4 برای رد فرضیه زمان نمایی منتشر کرد که دو قضیه اثبات‌نشده در آن باقی مانده است.

انتشار نسخه ۲.۰ ابزار awesome-iran-mcp برای اتصال ایجنت‌ها به خدمات.
نسخه جدید با ۳۶ سرور و ۴۶۹ ابزار امکان تعامل ایجنت‌های هوش مصنوعی با داده‌های وب‌سایت‌ها و قوانین ایران را فراهم کرد.

معرفی ابزار AI Design Skills برای طراحی وب‌سایت با ایجنت‌های هوش مصنوعی
مجموعه ابزار متن‌باز جدید امکان ساخت سیستم‌های بصری و تبدیل طرح‌های فیگما به کد را برای ایجنت‌ها فراهم می‌کند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما