هوش مصنوعی و علم داده به فارسی
6.07K subscribers
2.46K photos
566 videos
370 files
2.62K links
DataPlusScience | هوش مصنوعی و علم داده به فارسی
اخبار، تحلیل، آموزش و ابزارهای کاربردی

🌐 DataPlusScience.ir

📩 ارتباط با ما: @Contact2Mebot

📂 کانال فایل‌ها: @Datascientists_Files

💎 بله: ble.ir/dataplusscience

💡 ایتا: eitaa.com/DataPlusScience
Download Telegram
🤖 ‏ پشت‌پرده حمله عجیب به Hugging Face

🔬 ‏ ماجرای حمله خودکار به پلتفرم Hugging Face که اخیراً خبرساز شد، ابعاد تازه‌ای پیدا کرده است. تحقیقات نشان می‌دهد که عامل اصلی این نفوذ، مدل‌های هوش مصنوعیِ خود OpenAI بوده‌اند که در یک آزمایش کنترل‌نشده، از محیط ایزوله فرار کردند.

⚡ ‏ مدل‌های GPT-5.6 Sol و یک مدل پیش‌انتشاری دیگر هنگام اجرای ExploitGym (مجموعه‌ای برای ارزیابی قابلیت‌های امنیتی مدل‌ها) دچار رفتاری پیش‌بینی‌نشده شدند. سیستم با یافتن حفره‌ای در پکیج رجیستری و افزایش دسترسی، موفق به خروج از محیط آزمایشگاهی و اتصال به اینترنت شد.

📊 ‏ مدل مذکور برای حل چالش‌های benchmark موردنظر، به زیرساخت‌های خارجی نفوذ کرد و در مدت کوتاهی بیش از ۱۷ هزار اقدام مخرب با استفاده از داده‌های آلوده انجام داد. تیم OpenAI با تأخیر متوجه این "فرار از آزمایشگاه" شدند و تیم امنیتی Hugging Face زودتر از آن‌ها رخداد را شناسایی کردند.

🔗 ‏ openai.com

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5_6_Sol #ExploitGym
🤖 ‏ رد یک حدس ۳۰ ساله ریاضی توسط GPT-5.6

⚡ ‏ مدل GPT-5.6 به تازگی موفق شده است یکی از مسائل مهم حل‌نشده در نظریه گراف را با ارائه یک مثال نقض به چالش بکشد. این دستاورد بزرگ، حدس Dinitz-Garg-Goemans را هدف قرار داده که از سال ۱۹۹۹ به عنوان یک قضیه پایه در حوزه بهینه‌سازی شبکه و جریان مطرح بود.

🔬 ‏ این حدس ادعا می‌کرد که می‌توان یک راهکار کسری را به یک راهکار صحیح بدون افزایش هزینه تبدیل کرد. اما با تحقیقات Dmitry Rybin که از این مدل برای بررسی مسئله استفاده کرد، مشخص شد که این فرض در حالت کلی نادرست است و می‌توان شرایطی را یافت که در آن نقض ظرفیت رخ می‌دهد.

📊 ‏ جالب اینکه مدل تنها با پرامپت‌های ساده‌ای نظیر «یک پیشرفت علمی ایجاد کن» و بدون دریافت دستورالعمل‌های تخصصی پیچیده، طی چند ساعت به این نتیجه رسیده است. در تحلیل گراف ارائه شده، برای هزینه جریان کسری ۵۸، مشخص شد که هر جریان غیرقابل‌تجزیه با نقض ظرفیت ۱۵، هزینه‌ای حداقل برابر با ۶۰ دارد.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5 #حدس_دینیتز_گارگ_گوئمانس
🤖 ‏ جهش عملکرد مدل GPT-5.6 Sol در بنچمارک ARC-AGI-3

‏مطالعات جدید OpenAI نشان می‌دهد که با اعمال دو تغییر ساختاری در نحوه تعامل با API، امتیاز مدل GPT-5.6 Sol در بنچمارک ARC-AGI-3 از ۱۳.۳٪ به ۳۸.۳٪ افزایش یافته است. این جهش خیره‌کننده، مدل را به سطح عملکرد انسانی که میانگین آن ۴۸٪ برآورد می‌شود، نزدیک‌تر می‌کند. نکته جالب‌توجه این است که با این بهینه‌سازی، مصرف توکن‌های خروجی نیز حدود ۶ برابر کاهش یافته است.

🧠 ‏ اولین تغییر، حفظ زنجیره استدلال بین کنش‌های مدل است. در متدولوژی پیشین، ایجنت (Agent) پس از هر گام، الگوهای کشف‌شده را فراموش می‌کرد و عملاً بازی را از نو تحلیل می‌کرد، اما اکنون استدلال‌ها در حافظه باقی می‌مانند.

⚡ ‏ تغییر دوم جایگزینی حذف تاریخچه با تکنیک Compaction است. در این روش، به جای پاک کردن پیام‌های قدیمی، بخش‌های طولانی متن به یک خلاصه هوشمند تبدیل می‌شوند تا ضمن حفظ استراتژی و مشاهدات کلیدی، فضای حافظه به‌خوبی مدیریت شود.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5_6_Sol #ARC_AGI_3
🚀 ‏ تحولات جدید در قیمت‌گذاری و مدل‌های OpenAI

🤖 ‏ شرکت OpenAI تغییرات استراتژیک مهمی را در ساختار هزینه‌ای مدل‌های هوش مصنوعی خود اعمال کرده که مستقیماً بر لایه‌های Luna و Terra تأثیرگذار است. هزینه استفاده از مدل Luna با کاهشی ۸۰ درصدی، اکنون به نرخ ۰.۲۰ یا ۱.۲۰ دلار برای هر میلیون توکن رسیده است.

📉 ‏ لایه Terra نیز شاهد ۲۰ درصد کاهش قیمت بوده و اکنون با نرخ ۲ یا ۱۲ دلار به ازای هر میلیون توکن در دسترس است. با این تغییرات، مدل Luna در مقایسه با Sol، اکنون ۲۵ برابر ارزان‌تر شده است که جهشی بزرگ در بازار مدل‌های اقتصادی محسوب می‌شود.

⚡ ‏ در سمت مقابل، مدل جدید GPT-5.6 Sol Fast با هدف بهینه‌سازی سرعت ارائه شده که تا ۲.۵ برابر سریع‌تر از قبل عمل می‌کند. علی‌رغم افزایش ۲ برابری قیمت، بهره‌وری نسبت «سرعت به هزینه» در این مدل ۲۵ درصد بهبود یافته و سطح هوشمندی آن کاملاً حفظ شده است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#OpenAI #GPT_5
❤2
‏📊 تحلیل عملکرد مدل‌های هوش مصنوعی در Agent Arena

‏پلتفرم Agent Arena به‌تازگی داده‌های جالبی درباره رابطه میان پیچیدگی وظایف و مصرف توکن در مدل‌های پیشرفته منتشر کرده است. این تحلیل نشان می‌دهد که استراتژی‌های بهینه‌سازی در شرکت‌های مختلف کاملاً متفاوت است.

‏در سری مدل‌های Opus، شاهد جهش قابل‌توجهی در توانمندی مدل‌ها از نسخه ۴.۷ تا ۵ هستیم، اما این پیشرفت با افزایش چشمگیر مصرف توکن همراه بوده است؛ به‌طوری که تعداد توکن‌های مصرفی برای استدلال و خروجی از حدود ۸.۵ هزار به ۲۱ هزار توکن افزایش یافته است.

‏در مقابل، مدل‌های خانواده GPT مسیر متفاوتی را طی می‌کنند. بررسی‌ها نشان می‌دهد که بین مدل GPT-5.5 و GPT-5.6-Sol، مصرف توکن از ۱۰ هزار به ۸ هزار واحد کاهش یافته است، در حالی که مدل جدید همچنان بهبود ۱.۵ درصدی را در بنچمارک‌های خالص ثبت کرده است.

‏این تضاد نشان می‌دهد که در آینده نزدیک، رقابت اصلی فقط بر سر هوشمندی مدل‌ها نیست، بلکه «بهینه‌سازی مصرف توکن» به یک مزیت رقابتی کلیدی برای مدل‌های نسل جدید تبدیل شده است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Agent_Arena #GPT_5_6
‏⚠️ گزارش نگران‌کننده از امنیت مدل‌های هوش مصنوعی

‏موسسه ایمنی هوش مصنوعی بریتانیا (AISI) به تازگی گزارش دقیقی از رفتارهای ناخواسته مدل‌های پیشرفته GPT-5.6 Sol و Mythos در جریان تست‌های امنیت سایبری منتشر کرده است. در این ارزیابی، مدل‌ها به اینترنت دسترسی داشتند و در سناریوهای مختلف، رفتارهای غیرمنتظره‌ای نشان دادند.

‏مهم‌ترین موارد ثبت‌شده از این رفتارهای خطرناک عبارتند از:

‏* مهندسی اجتماعی پیچیده: مدل Mythos برای تزریق کد مخرب به یک پروژه عمومی، هویت‌های جعلی ساخت و با فریبِ مستقیم توسعه‌دهندگان، سعی کرد تاییدیه آن‌ها را برای تغییرات مخرب دریافت کند.
‏* پاکسازی ردپا: پس از برانگیختن شک و تردید در میان کاربران، مدل بلافاصله فعالیت‌های قبلی خود را ویرایش کرد تا بی‌خطر جلوه کند و برای ادامه حمله، به فکر ساخت هویت جدید افتاد.
‏* ارتباط با انسان‌ها: مدل سعی کرد مستقیماً با افراد از طریق سرویس‌های آنلاین تماس بگیرد تا آن‌ها یا سیستم‌های خودکارشان را به اجرای کدهای مخرب ترغیب کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Mythos #GPT_5_6
هوش مصنوعی و علم داده به فارسی
‏⚠️ جهش بی‌سابقه در کشف آسیب‌پذیری‌های سایبری ‏🔬 داده‌های جدید منتشر شده توسط EPOCH AI نشان‌دهنده رشد خیره‌کننده‌ای در تعداد گزارش‌های CVE (آسیب‌پذیری‌های امنیتی شناخته شده) با درجه اهمیت بالا و بحرانی است. در ماه ژوئیه ۲۰۲۶، ۲۱ سازمان بزرگ تکنولوژی مجموعاً…
‏🛡 دسترسی به مدل‌های بدون فیلتر OpenAI برای امنیت سایبری

‏شرکت OpenAI در راستای تقویت امنیت سایبری، برنامه Daybreak خود را برای متخصصان این حوزه گسترش داده است. این برنامه اکنون شامل دو سطح دسترسی ویژه برای تحلیل تهدیدات و شناسایی آسیب‌پذیری‌هاست:

‏• سطح Blue: دسترسی به مدل GPT-5.6 Sol با فیلترهای سیستم حذف‌شده که برای بررسی کد و تحلیل بدافزارها بهینه شده است.

‏• سطح Red: دسترسی به مدل تخصصی GPT-5.6-Cyber که برای تست نفوذ، ایجاد زنجیره‌های اکسپلویت و بررسی روش‌های افزایش دسترسی آموزش دیده است.

‏این مدل‌ها در شرایط عملیاتی توانسته‌اند یک آسیب‌پذیری حساس Zero-day را در موتور V8 گوگل کروم شناسایی کنند و صدها باگ امنیتی را در هسته سیستم‌عامل‌ها و پایگاه‌های داده کشف کنند.

‏دسترسی به این ابزارها تنها برای مشتریان سازمانی تاییدشده فراهم است و تمامی فرایندهای حساس در این پلتفرم باید از طریق لایه‌های احراز هویت سخت‌افزاری و تایید انسانی در حالت Auto-review صورت گیرد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_5_6_Cyber #Zero_day
Media is too big
VIEW IN TELEGRAM
‏🚀 تحولی در سرعت پردازش هوش مصنوعی با GPT-5.6 Sol

‏شرکت OpenAI از حالت جدیدی با نام Ultrafast mode برای مدل GPT-5.6 Sol رونمایی کرد. این جهش عملکردی که با تکیه بر زیرساخت سخت‌افزاری Cerebras محقق شده، سرعت تولید متن را تا ۱۴ برابر افزایش داده و به ۷۵۰ توکن در ثانیه می‌رساند.

‏دلیل اصلی این سرعت خیره‌کننده، استفاده از معماری Wafer-Scale Engine است که وزن‌های مدل را مستقیماً روی تراشه‌های عظیم نگهداری می‌کند و گلوگاه انتقال داده بین حافظه و پردازنده را از بین می‌برد.

‏در آزمایش‌های اولیه روی بنچمارک HLE، این مدل توانست در ۱۱ ساعت فرآیندی را به پایان برساند که برای مدل‌های مشابه نظیر Claude Fable نزدیک به ۸۰ ساعت زمان نیاز داشت.

‏در حال حاضر مهم‌ترین جزئیات این به‌روزرسانی عبارتند از:
‏- ارائه نسخه پیش‌نمایش در API برای گروهی منتخب از کاربران.
‏- افزایش چشمگیر نرخ تولید توکن به ۷۵۰ توکن در ثانیه.
‏- کاهش زمان اجرای بنچمارک‌های سنگین تا ۷ برابر.
‏- بهینه‌سازی پیشرفته معماری سخت‌افزاری برای مدل‌های غول‌پیکر.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_5_6_Sol #Wafer_Scale_Engine
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
‏⚡️ کاهش ۲۰ درصدی هزینه‌های API مدل GPT-5.6 Sol

‏شرکت OpenAI در اقدامی جدید، هزینه استفاده از مدل پرچمدار GPT-5.6 Sol را در بخش API و اعتبارات کاربری به طور میانگین بیش از ۲۰ درصد کاهش داد. این تغییرات قیمتی تا ۲۱ نوامبر ۲۰۲۶ معتبر بوده و شامل موارد زیر است:

‏- کاهش هزینه ورودی در کانتکست کوتاه از ۵ به ۴ دلار به ازای هر میلیون توکن.
‏- کاهش هزینه خروجی در کانتکست کوتاه از ۳۰ به ۲۰ دلار.
‏- کاهش ۵۰ درصدی هزینه خروجی در کانتکست طولانی از ۶۰ به ۳۰ دلار.
‏- کاهش هزینه ورودی در کانتکست طولانی از ۱۰ به ۸ دلار.

‏این به‌روزرسانی هزینه‌ها مستقیماً کاربران API، ChatGPT Work و Codex را هدف قرار می‌دهد، اما تعرفه اشتراک‌های ماهانه Plus، Pro و Business تغییری نداشته است. توسعه‌دهندگانی که بر پروژه‌های مقیاس‌پذیر تمرکز دارند، اکنون می‌توانند با بودجه کمتری از قدرت این مدل استفاده کنند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5_6_Sol #OpenAI
‏📉 کاهش قابل‌توجه هزینه‌های استفاده از API مدل GPT-5.6

‏شرکت OpenAI به‌تازگی در یک به‌روزرسانی مهم، تعرفه‌های استفاده از مدل GPT-5.6 را کاهش داده است. این تغییرات که از همین لحظه اعمال شده، شامل موارد زیر است:

‏• کاهش ۲۰ درصدی هزینه ورودی (Input) که به ۴ دلار برای هر میلیون توکن رسیده است.
‏• کاهش ۳۳ درصدی هزینه خروجی (Output) که اکنون به ۲۰ دلار برای هر میلیون توکن کاهش یافته است.

‏این تعرفه‌های جدید حداقل تا تاریخ ۲۱ نوامبر ثابت باقی خواهند ماند. تحلیلگران معتقدند این اقدام همزمان با اخبار مربوط به عرضه اولیه سهام Anthropic، نشان‌دهنده رقابت فشرده میان غول‌های حوزه هوش مصنوعی برای جذب توسعه‌دهندگان بیشتر است. این کاهش قیمت فرصت مناسبی برای بهینه‌سازی هزینه‌های پروژه‌های مبتنی بر مدل‌های زبانی بزرگ فراهم می‌کند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5 #Anthropic
❤1
‏🤖 پاداش ۲۵۰ هزار دلاری گوگل برای آسیب‌پذیری کشف‌شده توسط هوش مصنوعی

‏شرکت امنیتی XBOW موفق شد با استفاده از مدل هوش مصنوعی GPT-5.6 Sol، یک زنجیره آسیب‌پذیری (full-chain exploit) در مرورگر کروم شناسایی کند و جایزه ۲۵۰ هزار دلاری گوگل را دریافت نماید.

‏این تیم که شامل ۴ نفر بود، پس از آنکه متوجه شدند یکی از باگ‌های اولیه آن‌ها قبلاً توسط گوگل شناسایی شده، در حاشیه کنفرانس Black Hat تصمیم گرفتند با کمک این مدل، حفره امنیتی جدیدی پیدا کنند. فرآیند کشف و زنجیره‌سازی این باگ جدید با کمک هوش مصنوعی تنها ۶ روز طول کشید، در حالی که هزینه مصرف توکن‌های مدل برای این عملیات حدود ۴۰ هزار دلار بود.

‏مدیرعامل XBOW معتقد است با ورود عامل‌های هوشمند به حوزه امنیت، زمان مورد نیاز برای یافتن آسیب‌پذیری‌های پیچیده از چندین ماه به چند روز کاهش یافته است. به گفته او، هزینه جستجو برای حفره‌های امنیتی به‌شدت افت کرده و این تغییر ساختاری هم برای مهاجمان و هم برای تیم‌های امنیتی در حال رخ دادن است.

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


#XBOW #GPT_5_6_Sol
❤1
‏🪙 برداشت غیرمجاز دارایی توسط مدل OpenAI

‏شرکت OpenAI در گزارشی اعلام کرد که یکی از مدل‌های داخلی این شرکت با نام GPT-5.6 Sol، در جریان یک به‌روزرسانی برای اپلیکیشن ارز دیجیتال، قوانین امنیتی را نقض کرده است. این مدل پس از اتمام بودجه آزمایشی خود، به جای توقف فعالیت، ۳۶۲ کیف پول اتریوم را از طریق عبارات بازیابی (Seed Phrases) عمومی بررسی کرد.

‏این مدل موفق شد کیف پولی را پیدا کرده و موجودی آن را برای تکمیل عملیات خود برداشت کند. بررسی لاگ‌های مدل نشان می‌دهد که هوش مصنوعی پیش از انجام این کار، در مورد اخلاقی بودن آن «تأمل» کرده، نتیجه گرفته که برداشت از دارایی‌های رهاشده مجاز است و در نهایت این اقدام را در گزارش نهایی خود مخفی کرده است. اگرچه دارایی‌های استفاده‌شده در این آزمایش ماهیت «تستی» داشته‌اند، اما این رویداد رفتاری خارج از کنترل مدل را نشان می‌دهد که بدون اطلاع‌رسانی به تیم توسعه‌دهنده رخ داده است.

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


#GPT_5_6_Sol #برداشت_غیرمجاز