🛡️ انویدیا یک سیستم امنیتی برای کنترل عامل‌های هوش مصنوعی ساخته است
انویدیا پلتفرمی به نام Open Agent Safety Platform معرفی کرده که اجازه می‌دهد عامل‌های هوش مصنوعی در یک محیط امن و ایزوله کار کنند.
🔹 چرا این پلتفرم لازم است؟
عامل‌های هوش مصنوعی وقتی مدت طولانی کار می‌کنند، ممکن است از وظیفه اصلی خود منحرف شوند. مثلاً دستورهای مبهم را اشتباه بفهمند یا وقتی به یک ممنوعیت می‌خورند، راه دور بزنند. به این حالت «رانش» می‌گویند.
نمی‌توان انتظار داشت که عامل خودش را کنترل کند. پس کنترل باید از بیرون اعمال شود.
🔹 دو لایه امنیتی
۱. لایه OpenShell (نرم‌افزار): عامل را داخل یک اتاق ایزوله (سندباکس) می‌گذارد. اپراتور از قبل مشخص می‌کند که عامل به چه فایل‌ها، آدرس‌های شبکه، ابزارها، فرآیندها و کلیدهایی دسترسی دارد. هر اتصال خروجی بررسی می‌شود: یا رد می‌شود، یا کلید موقت دریافت می‌کند، یا مسدود و ثبت می‌شود.
۲. لایه NVIDIA Sentry (سخت‌افزار): یک نگهبان سخت‌افزاری روی تراشه BlueField-4 است. این تراشه جدا از کامپیوتر اصلی قرار دارد و عامل نمی‌تواند آن را ببیند یا دستکاری کند. اگر عامل بخواهد از مرزها عبور کند، در میلی‌ثانیه متوقف می‌شود.
🔹 چرا نگهبان سخت‌افزاری؟
چون اگر نگهبان داخل همان کامپیوتر باشد، عامل ممکن است آن را دور بزند. نگهبان باید بیرون از دسترس عامل باشد.
🔹 سیاست‌ها چطور تعریف می‌شوند؟
در فایل‌های YAML. مثلاً می‌توان گفت: «خواندن از API گیت‌هاب مجاز است، ولی نوشتن ممنوع.» این قوانین می‌توانند حتی تا سطح متد HTTP و مسیر دقیق شوند.
🔹 در سیستم‌های Vera Rubin
تراشه BlueField-4 در هر ماژول محاسباتی و روی تنها مسیر بین گره و مدل قرار دارد. یعنی همه ارتباطات از این نگهبان عبور می‌کند.
🔹 از چه عامل‌هایی پشتیبانی می‌کند؟
عامل‌های Claude Code، Codex، OpenCode و GitHub Copilot CLI به‌صورت پیش‌فرض. همچنین OpenClaw و Hermes Agent از طریق قالب‌های NemoClaw.
🔹 نصب و وضعیت
روی لینوکس، مک با Apple Silicon و ویندوز از طریق WSL 2 (آزمایشی) با یک اسکریپت نصب می‌شود. فعلاً نسخه آلفا ۰.۱.۰ است.
🎯 نکته مهم
کنترل امنیتی به‌جای اینکه به خود عامل سپرده شود، از بیرون اعمال می‌شود. عامل حتی لازم نیست بداند تحت نظارت است.
🔗 منبع: developer.nvidia.com
#AI #NVIDIA #AgentSafety #OpenShell #BlueField
🆔 @asrgooyeshpardaz
انویدیا پلتفرمی به نام Open Agent Safety Platform معرفی کرده که اجازه می‌دهد عامل‌های هوش مصنوعی در یک محیط امن و ایزوله کار کنند.
🔹 چرا این پلتفرم لازم است؟
عامل‌های هوش مصنوعی وقتی مدت طولانی کار می‌کنند، ممکن است از وظیفه اصلی خود منحرف شوند. مثلاً دستورهای مبهم را اشتباه بفهمند یا وقتی به یک ممنوعیت می‌خورند، راه دور بزنند. به این حالت «رانش» می‌گویند.
نمی‌توان انتظار داشت که عامل خودش را کنترل کند. پس کنترل باید از بیرون اعمال شود.
🔹 دو لایه امنیتی
۱. لایه OpenShell (نرم‌افزار): عامل را داخل یک اتاق ایزوله (سندباکس) می‌گذارد. اپراتور از قبل مشخص می‌کند که عامل به چه فایل‌ها، آدرس‌های شبکه، ابزارها، فرآیندها و کلیدهایی دسترسی دارد. هر اتصال خروجی بررسی می‌شود: یا رد می‌شود، یا کلید موقت دریافت می‌کند، یا مسدود و ثبت می‌شود.
۲. لایه NVIDIA Sentry (سخت‌افزار): یک نگهبان سخت‌افزاری روی تراشه BlueField-4 است. این تراشه جدا از کامپیوتر اصلی قرار دارد و عامل نمی‌تواند آن را ببیند یا دستکاری کند. اگر عامل بخواهد از مرزها عبور کند، در میلی‌ثانیه متوقف می‌شود.
🔹 چرا نگهبان سخت‌افزاری؟
چون اگر نگهبان داخل همان کامپیوتر باشد، عامل ممکن است آن را دور بزند. نگهبان باید بیرون از دسترس عامل باشد.
🔹 سیاست‌ها چطور تعریف می‌شوند؟
در فایل‌های YAML. مثلاً می‌توان گفت: «خواندن از API گیت‌هاب مجاز است، ولی نوشتن ممنوع.» این قوانین می‌توانند حتی تا سطح متد HTTP و مسیر دقیق شوند.
🔹 در سیستم‌های Vera Rubin
تراشه BlueField-4 در هر ماژول محاسباتی و روی تنها مسیر بین گره و مدل قرار دارد. یعنی همه ارتباطات از این نگهبان عبور می‌کند.
🔹 از چه عامل‌هایی پشتیبانی می‌کند؟
عامل‌های Claude Code، Codex، OpenCode و GitHub Copilot CLI به‌صورت پیش‌فرض. همچنین OpenClaw و Hermes Agent از طریق قالب‌های NemoClaw.
🔹 نصب و وضعیت
روی لینوکس، مک با Apple Silicon و ویندوز از طریق WSL 2 (آزمایشی) با یک اسکریپت نصب می‌شود. فعلاً نسخه آلفا ۰.۱.۰ است.
🎯 نکته مهم
کنترل امنیتی به‌جای اینکه به خود عامل سپرده شود، از بیرون اعمال می‌شود. عامل حتی لازم نیست بداند تحت نظارت است.
🔗 منبع: developer.nvidia.com
#AI #NVIDIA #AgentSafety #OpenShell #BlueField
🆔 @asrgooyeshpardaz
NVIDIA Technical Blog
NVIDIA Open Agent Safety Platform: A Reference for Continuous In-Silicon Agent Monitoring
To understand where agentic AI stands today, consider the last seismic shift in technology: the rise of the internet in the 90s. It was new and full of possibilities. You could build a website over a…
❤5
📌 گوگل مدل Gemini 4 Argon را معرفی کرد
گوگل از مدل جدید Gemini 4 Argon رونمایی کرد؛ مدلی که برای کارهای پیچیده و طولانی در مهندسی نرم‌افزار، امور حقوقی و مالی و دفاع سایبری طراحی شده است.
💻 عملکرد در بنچمارک‌ها
• امتیاز ۷۷.۹٪ در DeepSWE v1.1 برای وظایف طولانی مهندسی نرم‌افزار؛ به‌گفته گوگل، رکورد جدید این آزمون
• امتیاز ۵۱.۳٪ در AutomationBench برای کارهای سازمانی
• امتیاز ۹۱.۷٪ در LVBench برای درک ویدئوهای طولانی
• امتیاز ۶۸٪ در CWE-bench v1 برای اصلاح آسیب‌پذیری‌های امنیتی
🧠 یک میلیون توکن خروجی
یکی از ویژگی‌های مهم Argon، پشتیبانی از حداکثر یک میلیون توکن خروجی است؛ افزایشی چشمگیر نسبت به سقف ۶۴ هزار توکنی نسل قبل که اجرای وظایف چندمرحله‌ای و تولید خروجی‌های بسیار طولانی را ممکن می‌کند.
🔐 تمرکز بر امنیت
گوگل می‌گوید Argon در برابر حملات تزریق پرامپت نیز مقاوم‌تر شده است. این مدل فعلاً در اختیار گروه محدودی از متخصصان قرار می‌گیرد و عرضه گسترده‌تر آن به‌زودی آغاز خواهد شد.
🔗 معرفی رسمی گوگل
🔗 توییت
#AI #Google #Gemini #Argon #Coding #CyberSecurity
🆔 @asrgooyeshpardaz
گوگل از مدل جدید Gemini 4 Argon رونمایی کرد؛ مدلی که برای کارهای پیچیده و طولانی در مهندسی نرم‌افزار، امور حقوقی و مالی و دفاع سایبری طراحی شده است.
💻 عملکرد در بنچمارک‌ها
• امتیاز ۷۷.۹٪ در DeepSWE v1.1 برای وظایف طولانی مهندسی نرم‌افزار؛ به‌گفته گوگل، رکورد جدید این آزمون
• امتیاز ۵۱.۳٪ در AutomationBench برای کارهای سازمانی
• امتیاز ۹۱.۷٪ در LVBench برای درک ویدئوهای طولانی
• امتیاز ۶۸٪ در CWE-bench v1 برای اصلاح آسیب‌پذیری‌های امنیتی
🧠 یک میلیون توکن خروجی
یکی از ویژگی‌های مهم Argon، پشتیبانی از حداکثر یک میلیون توکن خروجی است؛ افزایشی چشمگیر نسبت به سقف ۶۴ هزار توکنی نسل قبل که اجرای وظایف چندمرحله‌ای و تولید خروجی‌های بسیار طولانی را ممکن می‌کند.
🔐 تمرکز بر امنیت
گوگل می‌گوید Argon در برابر حملات تزریق پرامپت نیز مقاوم‌تر شده است. این مدل فعلاً در اختیار گروه محدودی از متخصصان قرار می‌گیرد و عرضه گسترده‌تر آن به‌زودی آغاز خواهد شد.
🔗 معرفی رسمی گوگل
🔗 توییت
#AI #Google #Gemini #Argon #Coding #CyberSecurity
🆔 @asrgooyeshpardaz
❤6
⭐️ شرکت Cloudflare از Clef رونمایی کرد: مدل‌های تصمیم‌گیری با احتمال نوع‌دار
شرکت Cloudflare دو مدل جدید به نام‌های Clef (۲۷B) و Clef-flash (۹B) معرفی کرده که برخلاف مدل‌های زبانی، به‌جای تولید متن، به پرسش‌های نوع‌دار (بله/خیر، انتخاب یک گزینه، امتیازدهی) پاسخ می‌دهند و احتمال هر گزینه را برمی‌گردانند.
✅ مشخصات کلیدی:
· وزن‌های باز روی Hugging Face با مجوز Apache 2.0 (استفاده تجاری مجاز)
· آموزش‌دیده از Qwen3.8-27B و Qwen3.5-9B با ستون فقرات ثابت
· خواندن متن، JSON، تصویر و ویدیو با زمینه ۶۴ هزار توکن
· قیمت: ۰.۲۴ دلار (Clef) و ۰.۰۹ دلار (Clef-flash) به ازای هر میلیون توکن ورودی
· سازگاری کامل با API مدل Jev
📊 عملکرد:
· تأخیر میانه: Clef-flash ۳۸.۸ میلی‌ثانیه در مقابل Jev ۵۲۴.۱ میلی‌ثانیه
· دقت در BANKING77: Clef ۹۴.۲۰ در مقابل Jev ۷۹.۷۴
· در ۷ مورد از ۱۰ بنچمارک Decision Index، بالاترین امتیاز را کسب کرده است.
🎯 چرا این مدل‌ها؟
مدل Clef برای کارهایی مثل دسته‌بندی درخواست‌ها، مسیریابی هوشمند و کنترل عامل‌ها ایده‌آل است. چون متن تولید نمی‌کند، خروجی آماده استفاده است و نیازی به پردازش ندارد.
🔗 مدل در Hugging Face | مستندات
#AI #Cloudflare #Clef #DecisionModels
🆔 @asrgooyeshpardaz
شرکت Cloudflare دو مدل جدید به نام‌های Clef (۲۷B) و Clef-flash (۹B) معرفی کرده که برخلاف مدل‌های زبانی، به‌جای تولید متن، به پرسش‌های نوع‌دار (بله/خیر، انتخاب یک گزینه، امتیازدهی) پاسخ می‌دهند و احتمال هر گزینه را برمی‌گردانند.
✅ مشخصات کلیدی:
· وزن‌های باز روی Hugging Face با مجوز Apache 2.0 (استفاده تجاری مجاز)
· آموزش‌دیده از Qwen3.8-27B و Qwen3.5-9B با ستون فقرات ثابت
· خواندن متن، JSON، تصویر و ویدیو با زمینه ۶۴ هزار توکن
· قیمت: ۰.۲۴ دلار (Clef) و ۰.۰۹ دلار (Clef-flash) به ازای هر میلیون توکن ورودی
· سازگاری کامل با API مدل Jev
📊 عملکرد:
· تأخیر میانه: Clef-flash ۳۸.۸ میلی‌ثانیه در مقابل Jev ۵۲۴.۱ میلی‌ثانیه
· دقت در BANKING77: Clef ۹۴.۲۰ در مقابل Jev ۷۹.۷۴
· در ۷ مورد از ۱۰ بنچمارک Decision Index، بالاترین امتیاز را کسب کرده است.
🎯 چرا این مدل‌ها؟
مدل Clef برای کارهایی مثل دسته‌بندی درخواست‌ها، مسیریابی هوشمند و کنترل عامل‌ها ایده‌آل است. چون متن تولید نمی‌کند، خروجی آماده استفاده است و نیازی به پردازش ندارد.
🔗 مدل در Hugging Face | مستندات
#AI #Cloudflare #Clef #DecisionModels
🆔 @asrgooyeshpardaz
❤2👍2
🌐 اخبار هوش مصنوعی
---
🛡️ شرکت OpenAI حمله تقطیر مخفی زنجیره‌های استدلال مدل‌هایش را خنثی کرد
این شرکت یک کارزار تقطیر خصمانه را که هدفش استخراج زنجیره‌های استدلال پنهان بود، متوقف کرد. OpenAI خوشه اصلی فعالیت را به Moonshot AI نسبت داده است. در این حمله ۴ هزار حساب کاربری و در مجموع ۱۶ هزار درخواست دخیل بودند.
مهاجمان رمزنگاری را نشکسته و به گفتگوهای ذخیره‌شده نفوذ نکرده بودند؛ بلکه استدلال‌های رمزنگاری‌شده را از یک گفتگو کپی می‌کردند و در گفتگویی دیگر از مدل می‌خواستند آنها را رمزگشایی و بازنویسی کند. OpenAI این مسیر را بست، بررسی‌های خروجی جریانی را اضافه کرد، حساب‌های متخلف را مسدود کرد و مشاهدات را به Frontier Model Forum گزارش داد.
شرکت Moonshot AI تاکنون به این اتهام واکنشی نشان نداده است.
منبع: openai.com
---
🧬 شرکت DeepMind سیستم علامت‌گذاری پروتئین‌ها و ژنوم‌های تولیدشده را معرفی کرد
فناوری جدید SynthID Bio واترمارک را در پروتئین‌ها و ژنوم‌های ساخته‌شده جاسازی می‌کند. این نشانه در ساختار مولکول تعبیه می‌شود و حتی پس از سنتز فیزیکی در آزمایشگاه نیز قابل خواندن است.
بسته به قالب داده، الگوریتم توالی اسیدهای آمینه را اصلاح می‌کند یا مختصات اتم‌ها را در ساختارهای سه‌بعدی AlphaFold 3 تغییر می‌دهد. به گفته DeepMind، دقت و عملکرد مولکول‌ها کاهش نمی‌یابد.
این فناوری مشکل مسموم‌سازی داده و دور زدن فیلترهای ایمنی را حل می‌کند. تولیدات شبیه پاتوژن‌های شناخته‌شده نیستند و به‌راحتی از غربالگری خودکار کارخانه‌های سنتز DNA عبور می‌کنند و ساختارهای بدون برچسب وارد پایگاه‌های عمومی می‌شوند.
آزمایش‌های آزمایشگاهی نشان داده که پیوندهای پروتئینی علامت‌گذاری‌شده برای برخی پروتئین‌ها میل ترکیبی هدف را حفظ می‌کنند و آزمایش‌های مدل ژنومی Evo 2 viability باکتریوفاژهای دارای واترمارک را تأیید کرده است.
منبع: deepmind.google
---
🎥 شرکت HeyGen مدل تولید ویدیوی اختصاصی خود را معرفی کرد
سرویس آواتارهای دیجیتال از HeyGen Video رونمایی کرد؛ یک مدل همه‌منظوره مبتنی بر معماری MiniMax H3 که خود HeyGen آن را تنظیم دقیق کرده است.
این ابزار صحنه‌های سینمایی کامل می‌سازد و در حالت‌های زیر کار می‌کند:
· حالت Text-to-Video با سنتز همزمان صدای هماهنگ، محیط و افکت‌ها
· حالت Image-to-Video برای انیمیشن تصاویر ثابت
· حالت Reference-to-Video برای تعیین ترکیب‌بندی و دینامیک حرکت با یک ویدیوی مرجع
هزینه تولید هر ثانیه ویدیو در رزولوشن 768p با تعرفه استاندارد ۳ سنت است و به مناسبت عرضه تا پایان اکتبر ۵۰٪ تخفیف دارد.
این مدل از طریق API HeyGen و همچنین در OpenRouter، Runware و ComfyUI در دسترس است.
منبع: heygen.com
---
📄 مخزن مقالات arXiv ارسال مقالات را به دو مورد در ماه محدود کرد
از ۱ اکتبر، مخزن مقالات arXiv ارسال مقالات را برای نویسندگان به دو پیش‌چاپ در ماه محدود کرده است.
دلیل این اقدام، هجوم متن‌های تولیدشده است. در سپتامبر، پلتفرم ۴۰٬۳۶۳ مقاله دریافت کرد و در دو سال حجم ارسال‌ها دو برابر شده که به اضافه‌بار ناظران و تأخیر در انتشار پژوهش‌ها منجر شده است.
ناظران از افزایش پیش‌نویس‌های بی‌محتوا، تولیدات کامل LLM و تقسیم مصنوعی یک پژوهش به مجموعه‌ای از مقالات کوچک خبر می‌دهند.
این محدودیت برای همه رشته‌ها اعمال می‌شود و مقالات ردشده را نیز در بر می‌گیرد و امکان ارسال مجدد اسپم را مسدود می‌کند.
این سرویس این اقدام را موقت می‌داند تا فیلترها و مقررات نظارتی جدید پیاده‌سازی شوند.
منبع: arxiv.org
---
🤖 شرکت Runway مدل اقدام برای ربات‌ها را معرفی کرد که با ویدیو آموزش دیده
مدل Praxis-1 نخستین مدل اقدام در دنیای فیزیکی این استارتاپ هوش مصنوعی کاربردی آمریکایی است. سیاست پایه کنترل آن با مجموعه‌ای از ویدیوهای سوم‌شخص آموزش می‌بیند، نه با جمع‌آوری نمایش‌های تله‌عملیاتی.
به گفته Runway، شبیه‌سازی الگوریتم‌های ربات درون یک مدل مولد، تست‌های فیزیکی روی تجهیزات را با همبستگی ۰.۹۵ پیش‌بینی می‌کند که از روش‌های سنتی بازسازی سه‌بعدی بهتر است.
مدل Praxis-1 روی بازوهای رباتیک، پلتفرم‌های چرخ‌دار متحرک و شاسی‌های انسان‌نما مستقل از پیکربندی سخت‌افزاری کار می‌کند. در مرحله آزمایش، این مدل روی دستگاه‌های Noble Machines، Standard Bots و Ultra مستقر شده است.
شرکت Runway قصد دارد Praxis-1 را در ماه‌های آینده به‌صورت متن‌باز منتشر کند.
منبع: runway.com
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
🛡️ شرکت OpenAI حمله تقطیر مخفی زنجیره‌های استدلال مدل‌هایش را خنثی کرد
این شرکت یک کارزار تقطیر خصمانه را که هدفش استخراج زنجیره‌های استدلال پنهان بود، متوقف کرد. OpenAI خوشه اصلی فعالیت را به Moonshot AI نسبت داده است. در این حمله ۴ هزار حساب کاربری و در مجموع ۱۶ هزار درخواست دخیل بودند.
مهاجمان رمزنگاری را نشکسته و به گفتگوهای ذخیره‌شده نفوذ نکرده بودند؛ بلکه استدلال‌های رمزنگاری‌شده را از یک گفتگو کپی می‌کردند و در گفتگویی دیگر از مدل می‌خواستند آنها را رمزگشایی و بازنویسی کند. OpenAI این مسیر را بست، بررسی‌های خروجی جریانی را اضافه کرد، حساب‌های متخلف را مسدود کرد و مشاهدات را به Frontier Model Forum گزارش داد.
شرکت Moonshot AI تاکنون به این اتهام واکنشی نشان نداده است.
منبع: openai.com
---
🧬 شرکت DeepMind سیستم علامت‌گذاری پروتئین‌ها و ژنوم‌های تولیدشده را معرفی کرد
فناوری جدید SynthID Bio واترمارک را در پروتئین‌ها و ژنوم‌های ساخته‌شده جاسازی می‌کند. این نشانه در ساختار مولکول تعبیه می‌شود و حتی پس از سنتز فیزیکی در آزمایشگاه نیز قابل خواندن است.
بسته به قالب داده، الگوریتم توالی اسیدهای آمینه را اصلاح می‌کند یا مختصات اتم‌ها را در ساختارهای سه‌بعدی AlphaFold 3 تغییر می‌دهد. به گفته DeepMind، دقت و عملکرد مولکول‌ها کاهش نمی‌یابد.
این فناوری مشکل مسموم‌سازی داده و دور زدن فیلترهای ایمنی را حل می‌کند. تولیدات شبیه پاتوژن‌های شناخته‌شده نیستند و به‌راحتی از غربالگری خودکار کارخانه‌های سنتز DNA عبور می‌کنند و ساختارهای بدون برچسب وارد پایگاه‌های عمومی می‌شوند.
آزمایش‌های آزمایشگاهی نشان داده که پیوندهای پروتئینی علامت‌گذاری‌شده برای برخی پروتئین‌ها میل ترکیبی هدف را حفظ می‌کنند و آزمایش‌های مدل ژنومی Evo 2 viability باکتریوفاژهای دارای واترمارک را تأیید کرده است.
منبع: deepmind.google
---
🎥 شرکت HeyGen مدل تولید ویدیوی اختصاصی خود را معرفی کرد
سرویس آواتارهای دیجیتال از HeyGen Video رونمایی کرد؛ یک مدل همه‌منظوره مبتنی بر معماری MiniMax H3 که خود HeyGen آن را تنظیم دقیق کرده است.
این ابزار صحنه‌های سینمایی کامل می‌سازد و در حالت‌های زیر کار می‌کند:
· حالت Text-to-Video با سنتز همزمان صدای هماهنگ، محیط و افکت‌ها
· حالت Image-to-Video برای انیمیشن تصاویر ثابت
· حالت Reference-to-Video برای تعیین ترکیب‌بندی و دینامیک حرکت با یک ویدیوی مرجع
هزینه تولید هر ثانیه ویدیو در رزولوشن 768p با تعرفه استاندارد ۳ سنت است و به مناسبت عرضه تا پایان اکتبر ۵۰٪ تخفیف دارد.
این مدل از طریق API HeyGen و همچنین در OpenRouter، Runware و ComfyUI در دسترس است.
منبع: heygen.com
---
📄 مخزن مقالات arXiv ارسال مقالات را به دو مورد در ماه محدود کرد
از ۱ اکتبر، مخزن مقالات arXiv ارسال مقالات را برای نویسندگان به دو پیش‌چاپ در ماه محدود کرده است.
دلیل این اقدام، هجوم متن‌های تولیدشده است. در سپتامبر، پلتفرم ۴۰٬۳۶۳ مقاله دریافت کرد و در دو سال حجم ارسال‌ها دو برابر شده که به اضافه‌بار ناظران و تأخیر در انتشار پژوهش‌ها منجر شده است.
ناظران از افزایش پیش‌نویس‌های بی‌محتوا، تولیدات کامل LLM و تقسیم مصنوعی یک پژوهش به مجموعه‌ای از مقالات کوچک خبر می‌دهند.
این محدودیت برای همه رشته‌ها اعمال می‌شود و مقالات ردشده را نیز در بر می‌گیرد و امکان ارسال مجدد اسپم را مسدود می‌کند.
این سرویس این اقدام را موقت می‌داند تا فیلترها و مقررات نظارتی جدید پیاده‌سازی شوند.
منبع: arxiv.org
---
🤖 شرکت Runway مدل اقدام برای ربات‌ها را معرفی کرد که با ویدیو آموزش دیده
مدل Praxis-1 نخستین مدل اقدام در دنیای فیزیکی این استارتاپ هوش مصنوعی کاربردی آمریکایی است. سیاست پایه کنترل آن با مجموعه‌ای از ویدیوهای سوم‌شخص آموزش می‌بیند، نه با جمع‌آوری نمایش‌های تله‌عملیاتی.
به گفته Runway، شبیه‌سازی الگوریتم‌های ربات درون یک مدل مولد، تست‌های فیزیکی روی تجهیزات را با همبستگی ۰.۹۵ پیش‌بینی می‌کند که از روش‌های سنتی بازسازی سه‌بعدی بهتر است.
مدل Praxis-1 روی بازوهای رباتیک، پلتفرم‌های چرخ‌دار متحرک و شاسی‌های انسان‌نما مستقل از پیکربندی سخت‌افزاری کار می‌کند. در مرحله آزمایش، این مدل روی دستگاه‌های Noble Machines، Standard Bots و Ultra مستقر شده است.
شرکت Runway قصد دارد Praxis-1 را در ماه‌های آینده به‌صورت متن‌باز منتشر کند.
منبع: runway.com
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤5
This media is not supported in your browser
VIEW IN TELEGRAM
⭐️ شرکت Tavus از Griffin رونمایی کرد؛ مدلی برای مکالمه زنده صوتی‌ـ‌تصویری که به‌گفته سازنده، نخستین مدل موفق در «آزمون تورینگ ویدئویی» است.
🧑💻 نتیجه آزمایش
در این آزمایش، ۵۴ نفر بدون اطلاع از هوش مصنوعی‌بودن طرف مقابل، حدود یک دقیقه با Griffin-Lite تماس تصویری داشتند. در پایان، ۲۶ نفر تصور کردند با یک انسان واقعی صحبت کرده‌اند. Tavus می‌گوید نرخ سیستم‌های قبلی کمتر از ۳٪ بوده است.
🎥 مکالمه Full-Duplex
مدل Griffin می‌تواند همزمان صحبت‌های کاربر را ببیند و بشنود، حرف بزند و به نشانه‌های کلامی و غیرکلامی واکنش نشان دهد. بنابراین تعامل آن بیشتر شبیه تماس تصویری است تا فرایند نوبتی «سؤال و پاسخ».
🏆 عملکرد در بنچمارک NVIDIA
نسخه Griffin-Lite در بنچمارک VideoFDB انویدیا برای هوش مصنوعی ویدئویی Full-Duplex رتبه اول را کسب کرده است. این ارزیابی واکنش‌هایی مانند تماس چشمی، گوش‌دادن، قطع‌شدن صحبت و رفتارهای غیرکلامی را بررسی می‌کند.
🔗 معرفی Griffin
🔗 توییت اصلی
#AI #Tavus #Griffin #VideoAI #ConversationalAI
🆔 @asrgooyeshpardaz
🧑💻 نتیجه آزمایش
در این آزمایش، ۵۴ نفر بدون اطلاع از هوش مصنوعی‌بودن طرف مقابل، حدود یک دقیقه با Griffin-Lite تماس تصویری داشتند. در پایان، ۲۶ نفر تصور کردند با یک انسان واقعی صحبت کرده‌اند. Tavus می‌گوید نرخ سیستم‌های قبلی کمتر از ۳٪ بوده است.
🎥 مکالمه Full-Duplex
مدل Griffin می‌تواند همزمان صحبت‌های کاربر را ببیند و بشنود، حرف بزند و به نشانه‌های کلامی و غیرکلامی واکنش نشان دهد. بنابراین تعامل آن بیشتر شبیه تماس تصویری است تا فرایند نوبتی «سؤال و پاسخ».
🏆 عملکرد در بنچمارک NVIDIA
نسخه Griffin-Lite در بنچمارک VideoFDB انویدیا برای هوش مصنوعی ویدئویی Full-Duplex رتبه اول را کسب کرده است. این ارزیابی واکنش‌هایی مانند تماس چشمی، گوش‌دادن، قطع‌شدن صحبت و رفتارهای غیرکلامی را بررسی می‌کند.
🔗 معرفی Griffin
🔗 توییت اصلی
#AI #Tavus #Griffin #VideoAI #ConversationalAI
🆔 @asrgooyeshpardaz
🤯8❤1🔥1
🧠 مغز هنگام «تصور گفتار» و «تلفظ واقعی» چه تفاوتی دارد؟
پژوهشی در Nature Neuroscience با ثبت فعالیت مغزی ۹ بیمار در حین جراحی بیدار، نشان می‌دهد مغز برای تصور کردن یک کلمه و برای تلفظ واقعی آن، از دو مسیر متفاوت استفاده می‌کند — اما یک بخش مشترک هم دارد.
🔬 آزمایش چطور انجام شد؟
پژوهشگران از بیماران مبتلا به تومور مغزی که برای جراحی بیدار بستری بودند، خواستند هجاهایی مثل «با»، «دا» و «گا» را یک بار بلند بگویند و یک بار فقط در ذهن تصور کنند. فعالیت مغزی آنها با نوار مغزی قشری با چگالی بالا (ECoG) ثبت شد — روشی که مستقیم از سطح مغز سیگنال می‌گیرد و دقت زمانی و مکانی بالایی دارد.
برای اطمینان از اینکه بیماران هنگام «تصور» واقعاً حرف نمی‌زنند، از چهار روش کنترل استفاده شد: آموزش قبلی، پایش بصری، نظارت ویدیویی و ثبت EMG از عضلات دهان و فک.
📊 دو یافته اصلی
اول: تصور و تلفظ از باندهای فرکانسی متفاوتی استفاده می‌کنند
مغز امواج عصبی در فرکانس‌های مختلف تولید می‌کند. پژوهشگران دیدند:
🔹 هنگام تلفظ واقعی، اطلاعات حرکت مفصلی عمدتاً در باند گامای بالا (۷۰ تا ۱۵۰ هرتز) رمزگذاری می‌شود — همان باندی که با فعالیت نورونی و اجرای واقعی حرکت گره خورده است.
🔹 هنگام تصور گفتار، اطلاعات عمدتاً در باند بتا۱ (۱۲ تا ۲۴ هرتز) رمزگذاری می‌شود.
این یعنی مغز برای «شبیه‌سازی درونی» از یک رژیم عصبی کاملاً متفاوت استفاده می‌کند، نه فقط نسخه ضعیف‌شده‌ی همان چیزی که هنگام تلفظ واقعی رخ می‌دهد.
دوم: دو نوع جمعیت نورونی مجزا
با تحلیل خوشه‌ای، دو گروه الکترود متمایز پیدا شد:
جمعیت مشترک: در نواحی پیش‌حرکتی میانی، شکنج زیرمرکزی و محل اتصال پس‌مرکزی–سوپرامارژینال. این نواحی در هر دو حالت تصور و تلفظ، الگوی تقریباً یکسانی نشان دادند. یعنی اینها برنامه‌ریزی حرکت مفصلی را مستقل از اینکه واقعاً تلفظ شود یا نه، انجام می‌دهند.
جمعیت اختصاصی: در قشر حسی‌حرکتی اولیه، دو گروه نورون درهم‌بافته وجود دارد — یکی مخصوص تصور و یکی مخصوص تلفظ. این دو گروه فضای مشترکی دارند اما الگوهای رمزگذاری‌شان متفاوت است.
⏱ ترتیب زمانی
نکته مهم دیگر، ترتیب فعال شدن این نواحی بود. در هر دو حالت، سیگنال ابتدا در محل اتصال پس‌مرکزی–سوپرامارژینال ظاهر می‌شود، سپس به شکنج زیرمرکزی و پیش‌حرکتی میانی می‌رسد. این ترتیب با مدل‌های موجود گفتار هم‌خوانی دارد: اول «قصد مفصلی» شکل می‌گیرد، بعد به «برنامه حرکتی» تبدیل می‌شود.
🔊 رمزگشایی از مغز
پژوهشگران یک سیستم سه‌شاخه‌ای ساختند که همزمان سه کار انجام می‌دهد: تشخیص اینکه کدام هجا گفته شده، تولید صدای آن، و بازسازی حرکت لب و زبان و فک.
نتیجه: دقت رمزگشایی گفتار تصوری ۸۰.۴٪ بود، در حالی که دقت گفتار واقعی ۷۸.۳٪ شد. یعنی سیستم از تصور، حتی کمی بهتر از تلفظ واقعی عمل کرد. کیفیت صدای تولیدشده هم در هر دو حالت زیر آستانه قابل‌قبول بود.
پنج شنونده انسانی نیز صدای تولیدشده از تصور، صدای تولیدشده از تلفظ واقعی، و صدای اصلی را ارزیابی کردند — و تفاوت معناداری بین سه حالت پیدا نکردند.
⚠️ محدودیت‌ها
🔹 فقط ۹ بیمار و ثبت حین جراحی
🔹 هجاهای محدود و کنترل‌شده، نه گفتار پیوسته
🔹 نیاز به آزمایش‌های طولانی‌مدت روی ایمپلنت‌های مغزی
🔗 DOI:
https://doi.org/10.1038/s41593-026-02456-0
#علوم_اعصاب #ECoG #BCI #گفتار #NatureNeuroscience
🆔 @asrgooyeshpardaz
پژوهشی در Nature Neuroscience با ثبت فعالیت مغزی ۹ بیمار در حین جراحی بیدار، نشان می‌دهد مغز برای تصور کردن یک کلمه و برای تلفظ واقعی آن، از دو مسیر متفاوت استفاده می‌کند — اما یک بخش مشترک هم دارد.
🔬 آزمایش چطور انجام شد؟
پژوهشگران از بیماران مبتلا به تومور مغزی که برای جراحی بیدار بستری بودند، خواستند هجاهایی مثل «با»، «دا» و «گا» را یک بار بلند بگویند و یک بار فقط در ذهن تصور کنند. فعالیت مغزی آنها با نوار مغزی قشری با چگالی بالا (ECoG) ثبت شد — روشی که مستقیم از سطح مغز سیگنال می‌گیرد و دقت زمانی و مکانی بالایی دارد.
برای اطمینان از اینکه بیماران هنگام «تصور» واقعاً حرف نمی‌زنند، از چهار روش کنترل استفاده شد: آموزش قبلی، پایش بصری، نظارت ویدیویی و ثبت EMG از عضلات دهان و فک.
📊 دو یافته اصلی
اول: تصور و تلفظ از باندهای فرکانسی متفاوتی استفاده می‌کنند
مغز امواج عصبی در فرکانس‌های مختلف تولید می‌کند. پژوهشگران دیدند:
🔹 هنگام تلفظ واقعی، اطلاعات حرکت مفصلی عمدتاً در باند گامای بالا (۷۰ تا ۱۵۰ هرتز) رمزگذاری می‌شود — همان باندی که با فعالیت نورونی و اجرای واقعی حرکت گره خورده است.
🔹 هنگام تصور گفتار، اطلاعات عمدتاً در باند بتا۱ (۱۲ تا ۲۴ هرتز) رمزگذاری می‌شود.
این یعنی مغز برای «شبیه‌سازی درونی» از یک رژیم عصبی کاملاً متفاوت استفاده می‌کند، نه فقط نسخه ضعیف‌شده‌ی همان چیزی که هنگام تلفظ واقعی رخ می‌دهد.
دوم: دو نوع جمعیت نورونی مجزا
با تحلیل خوشه‌ای، دو گروه الکترود متمایز پیدا شد:
جمعیت مشترک: در نواحی پیش‌حرکتی میانی، شکنج زیرمرکزی و محل اتصال پس‌مرکزی–سوپرامارژینال. این نواحی در هر دو حالت تصور و تلفظ، الگوی تقریباً یکسانی نشان دادند. یعنی اینها برنامه‌ریزی حرکت مفصلی را مستقل از اینکه واقعاً تلفظ شود یا نه، انجام می‌دهند.
جمعیت اختصاصی: در قشر حسی‌حرکتی اولیه، دو گروه نورون درهم‌بافته وجود دارد — یکی مخصوص تصور و یکی مخصوص تلفظ. این دو گروه فضای مشترکی دارند اما الگوهای رمزگذاری‌شان متفاوت است.
⏱ ترتیب زمانی
نکته مهم دیگر، ترتیب فعال شدن این نواحی بود. در هر دو حالت، سیگنال ابتدا در محل اتصال پس‌مرکزی–سوپرامارژینال ظاهر می‌شود، سپس به شکنج زیرمرکزی و پیش‌حرکتی میانی می‌رسد. این ترتیب با مدل‌های موجود گفتار هم‌خوانی دارد: اول «قصد مفصلی» شکل می‌گیرد، بعد به «برنامه حرکتی» تبدیل می‌شود.
🔊 رمزگشایی از مغز
پژوهشگران یک سیستم سه‌شاخه‌ای ساختند که همزمان سه کار انجام می‌دهد: تشخیص اینکه کدام هجا گفته شده، تولید صدای آن، و بازسازی حرکت لب و زبان و فک.
نتیجه: دقت رمزگشایی گفتار تصوری ۸۰.۴٪ بود، در حالی که دقت گفتار واقعی ۷۸.۳٪ شد. یعنی سیستم از تصور، حتی کمی بهتر از تلفظ واقعی عمل کرد. کیفیت صدای تولیدشده هم در هر دو حالت زیر آستانه قابل‌قبول بود.
پنج شنونده انسانی نیز صدای تولیدشده از تصور، صدای تولیدشده از تلفظ واقعی، و صدای اصلی را ارزیابی کردند — و تفاوت معناداری بین سه حالت پیدا نکردند.
⚠️ محدودیت‌ها
🔹 فقط ۹ بیمار و ثبت حین جراحی
🔹 هجاهای محدود و کنترل‌شده، نه گفتار پیوسته
🔹 نیاز به آزمایش‌های طولانی‌مدت روی ایمپلنت‌های مغزی
🔗 DOI:
https://doi.org/10.1038/s41593-026-02456-0
#علوم_اعصاب #ECoG #BCI #گفتار #NatureNeuroscience
🆔 @asrgooyeshpardaz
Nature
A neural architecture for imagined and overt speech motor dynamics
Nature Neuroscience - Using high-density electrocorticography, Zhao et al. reveal shared frontoparietal planning and modality-specific sensorimotor codes for imagined and spoken speech, enabling...
🔥3❤2👏1
جمینای ۳.۱ فلش
FarsiReader
زلف‌آشفته و خِوی‌کرده و خندان‌لب و مست
پیرهن‌چاک و غزل‌خوان و صُراحی در دست
نرگسش عَربده‌جوی و لبش افسوس‌کنان
نیم شب، دوش به بالین من آمد، بنشست
سر فرا گوش من آورد به آوازِ حزین
گفت: ای عاشقِ دیرینهٔ من، خوابت هست؟
عاشقی را که چنین بادهٔ شبگیر دهند
کافر عشق بُوَد گر نشود باده پرست
برو ای زاهد و بر دُردکشان خرده مگیر
که ندادند جز این تُحفه به ما روزِ الست
آن چه او ریخت به پیمانهٔ ما نوشیدیم
اگر از خَمرِ بهشت است وگر بادهٔ مست
خندهٔ جامِ می و زلفِ گره‌گیرِ نگار
ای بسا توبه که چون توبهٔ حافظ بشکست
حافظ
ربات تبدیل متن به گفتار آریانا
@AgpArianaBot
پیرهن‌چاک و غزل‌خوان و صُراحی در دست
نرگسش عَربده‌جوی و لبش افسوس‌کنان
نیم شب، دوش به بالین من آمد، بنشست
سر فرا گوش من آورد به آوازِ حزین
گفت: ای عاشقِ دیرینهٔ من، خوابت هست؟
عاشقی را که چنین بادهٔ شبگیر دهند
کافر عشق بُوَد گر نشود باده پرست
برو ای زاهد و بر دُردکشان خرده مگیر
که ندادند جز این تُحفه به ما روزِ الست
آن چه او ریخت به پیمانهٔ ما نوشیدیم
اگر از خَمرِ بهشت است وگر بادهٔ مست
خندهٔ جامِ می و زلفِ گره‌گیرِ نگار
ای بسا توبه که چون توبهٔ حافظ بشکست
حافظ
ربات تبدیل متن به گفتار آریانا
@AgpArianaBot
👏4❤2👎1👀1
🛡 پیوست‌های ایمیل مخرب! چگونه در امان بمانیم؟
ایمیلی دریافت می‌کنید که ظاهراً از طرف اداره مالیات است و از شما می‌خواهد برای بررسی «نتایج حسابرسی»، فایل پیوست را باز کنید. این دقیقاً همان لحظه‌ای است که مهاجمان سایبری منتظر آن هستند.
📂 پیوست ایمیل مخرب (Maldoc) چیست؟
پیوست ایمیل مخرب، فایلی است که از طریق ایمیل ارسال می‌شود و برای آسیب رساندن به سیستم شما طراحی شده است. این فایل‌ها می‌توانند حاوی کدهای مخفی، اسکریپت‌های خطرناک یا اکسپلویت باشند که با باز شدن، درهای سیستم شما را به روی مهاجمان باز می‌کنند.
🎭 انواع رایج پیوست‌های مخرب
مهاجمان از فرمت‌های مختلفی برای فریب کاربران استفاده می‌کنند:
📄 اسناد آفیس (Word، Excel، PowerPoint): رایج‌ترین روش، جاسازی ماکروهای مخرب در این اسناد است. ماکروها دستورات خودکاری هستند که برای اجرای کدهای خطرناک سوءاستفاده می‌شوند. اگرچه مایکروسافت اجرای خودکار ماکروها را محدود کرده، اما مهاجمان همچنان کاربران را با پیام‌هایی مثل «برای مشاهده محتوا، آن را فعال کنید» فریب می‌دهند.
📑 فایل‌های PDF: PDFها به‌ظاهر بی‌خطرند، اما می‌توانند حاوی لینک‌های مخرب، اسکریپت‌های جاسازی‌شده یا کد سوءاستفاده باشند. روش جدیدی به نام "MalDoc in PDF" نیز شناسایی شده که در آن یک فایل Word مخرب داخل یک PDF پنهان می‌شود؛ ابزارهای اسکن آن را PDF می‌بینند اما برنامه Word آن را به‌عنوان سند باز می‌کند و ماکرو اجرا می‌شود.
🗜 فایل‌های فشرده (ZIP/RAR): مهاجمان فایل‌های مخرب را داخل آرشیوهای رمزگذاری‌شده قرار می‌دهند تا از اسکن امنیتی فرار کنند. رمز عبور معمولاً در همان ایمیل ذکر می‌شود.
🌐 پیوست‌های HTML: این فایل‌ها به‌جای یک سند ثابت، مثل یک صفحه وب محلی عمل می‌کنند و می‌توانند صفحات فیشینگ تعاملی ایجاد کنند یا کاربر را به سایت‌های مخرب هدایت کنند.
⚠️ فایل‌های LNK (میانبر ویندوز): مهاجمان از ترفند پسوند دوگانه (مثل Document.doc.lnk) استفاده می‌کنند. ویندوز پسوند .lnk را پنهان می‌کند و کاربر فکر می‌کند یک فایل Word است. با کلیک روی آن، cmd.exe و سپس PowerShell اجرا شده و بدافزار از اینترنت دانلود می‌شود.
🎣 چرخه حمله: فیشینگ چگونه کار می‌کند؟
فیشینگ یکی از اصلی‌ترین روش‌های دسترسی اولیه است. مهاجمان با مهندسی اجتماعی، کاربر را متقاعد می‌کنند که فایل را باز کند. تم‌های رایج شامل به‌روزرسانی‌های منابع انسانی، اطلاعیه‌های تحویل و صورتحساب‌های مالی است. آنها با جعل هویت (وانمود می‌کنند رئیس، همکار یا یک نهاد رسمی هستند) و ایجاد حس فوریت ("فوراً اقدام کنید، وگرنه...")، کاربر را به اشتباه می‌اندازند.
🚩 چک‌لیست پرچم‌های قرمز (Red Flags)
مراقب این نشانه‌های هشداردهنده باشید:
✅ پیوست‌های غیرمنتظره، به‌ویژه از فرستنده‌های ناشناس یا غیرمعمول.
✅ درخواست‌های "فعال کردن محتوا" یا "فعال کردن ویرایش" در اسناد آفیس.
✅ آرشیوهای محافظت‌شده با رمز عبور که رمز آن در متن ایمیل آمده است.
✅ لحن فوری و تهدیدآمیز ("حساب شما مسدود می‌شود"، "فاکتور معوقه").
✅ پسوندهای دوگانه یا غیرمعمول مثل .pdf.html`، .doc.lnk` یا .iso.
✅ گرامر ضعیف یا اشتباهات املایی (اگرچه هوش مصنوعی این نشانه را کمرنگ کرده).
✅ عدم تطابق آدرس فرستنده با نام نمایش داده‌شده.
🛡 چگونه در امان بمانیم؟ (دفاع لایه‌ای)
۱. فیلترینگ ایمیل: سیستم‌های امنیتی می‌توانند پیوست‌های مخرب را قبل از رسیدن به صندوق ورودی متوقف کنند.
۲. سندباکسینگ (Sandboxing): فایل‌های مشکوک در یک محیط مجازی و ایزوله "منفجر" می‌شوند تا رفتارشان قبل از اجرا روی سیستم واقعی مشاهده شود.
۳. محافظت از نقاط پایانی (EDR/XDR): اگر فایل مخرب از فیلترها عبور کرد، این سیستم‌ها رفتار مشکوک را در لحظه شناسایی می‌کنند.
۴. آگاهی کاربر (مهم‌ترین لایه): حتی پیشرفته‌ترین سیستم‌ها هم اگر کاربر فریب بخورد، بی‌فایده‌اند. همیشه قبل از باز کردن پیوست غیرمنتظره، از طریق یک کانال ارتباطی دیگر (مثلاً تماس تلفنی) صحت آن را تأیید کنید.
📌 نکات کلیدی برای کاربران
هرگز ماکروها را در اسناد ناشناس فعال نکنید.
پسوند فایل‌ها را در ویندوز نمایش دهید (Folder Options → View → Uncheck "Hide extensions").
قبل از کلیک روی لینک، با نگه داشتن ماوس روی آن، مقصد واقعی را ببینید.
به پیام‌های "فوری" و "تهدیدآمیز" اعتماد نکنید.
رمز عبور خود را هرگز از طریق ایمیل ارسال نکنید.
📚 منبع:
- ESET: "What are malicious email attachments?"
#امنیت_سایبری #فیشینگ
🆔 @asrgooyeshpardaz
ایمیلی دریافت می‌کنید که ظاهراً از طرف اداره مالیات است و از شما می‌خواهد برای بررسی «نتایج حسابرسی»، فایل پیوست را باز کنید. این دقیقاً همان لحظه‌ای است که مهاجمان سایبری منتظر آن هستند.
📂 پیوست ایمیل مخرب (Maldoc) چیست؟
پیوست ایمیل مخرب، فایلی است که از طریق ایمیل ارسال می‌شود و برای آسیب رساندن به سیستم شما طراحی شده است. این فایل‌ها می‌توانند حاوی کدهای مخفی، اسکریپت‌های خطرناک یا اکسپلویت باشند که با باز شدن، درهای سیستم شما را به روی مهاجمان باز می‌کنند.
🎭 انواع رایج پیوست‌های مخرب
مهاجمان از فرمت‌های مختلفی برای فریب کاربران استفاده می‌کنند:
📄 اسناد آفیس (Word، Excel، PowerPoint): رایج‌ترین روش، جاسازی ماکروهای مخرب در این اسناد است. ماکروها دستورات خودکاری هستند که برای اجرای کدهای خطرناک سوءاستفاده می‌شوند. اگرچه مایکروسافت اجرای خودکار ماکروها را محدود کرده، اما مهاجمان همچنان کاربران را با پیام‌هایی مثل «برای مشاهده محتوا، آن را فعال کنید» فریب می‌دهند.
📑 فایل‌های PDF: PDFها به‌ظاهر بی‌خطرند، اما می‌توانند حاوی لینک‌های مخرب، اسکریپت‌های جاسازی‌شده یا کد سوءاستفاده باشند. روش جدیدی به نام "MalDoc in PDF" نیز شناسایی شده که در آن یک فایل Word مخرب داخل یک PDF پنهان می‌شود؛ ابزارهای اسکن آن را PDF می‌بینند اما برنامه Word آن را به‌عنوان سند باز می‌کند و ماکرو اجرا می‌شود.
🗜 فایل‌های فشرده (ZIP/RAR): مهاجمان فایل‌های مخرب را داخل آرشیوهای رمزگذاری‌شده قرار می‌دهند تا از اسکن امنیتی فرار کنند. رمز عبور معمولاً در همان ایمیل ذکر می‌شود.
🌐 پیوست‌های HTML: این فایل‌ها به‌جای یک سند ثابت، مثل یک صفحه وب محلی عمل می‌کنند و می‌توانند صفحات فیشینگ تعاملی ایجاد کنند یا کاربر را به سایت‌های مخرب هدایت کنند.
⚠️ فایل‌های LNK (میانبر ویندوز): مهاجمان از ترفند پسوند دوگانه (مثل Document.doc.lnk) استفاده می‌کنند. ویندوز پسوند .lnk را پنهان می‌کند و کاربر فکر می‌کند یک فایل Word است. با کلیک روی آن، cmd.exe و سپس PowerShell اجرا شده و بدافزار از اینترنت دانلود می‌شود.
🎣 چرخه حمله: فیشینگ چگونه کار می‌کند؟
فیشینگ یکی از اصلی‌ترین روش‌های دسترسی اولیه است. مهاجمان با مهندسی اجتماعی، کاربر را متقاعد می‌کنند که فایل را باز کند. تم‌های رایج شامل به‌روزرسانی‌های منابع انسانی، اطلاعیه‌های تحویل و صورتحساب‌های مالی است. آنها با جعل هویت (وانمود می‌کنند رئیس، همکار یا یک نهاد رسمی هستند) و ایجاد حس فوریت ("فوراً اقدام کنید، وگرنه...")، کاربر را به اشتباه می‌اندازند.
🚩 چک‌لیست پرچم‌های قرمز (Red Flags)
مراقب این نشانه‌های هشداردهنده باشید:
✅ پیوست‌های غیرمنتظره، به‌ویژه از فرستنده‌های ناشناس یا غیرمعمول.
✅ درخواست‌های "فعال کردن محتوا" یا "فعال کردن ویرایش" در اسناد آفیس.
✅ آرشیوهای محافظت‌شده با رمز عبور که رمز آن در متن ایمیل آمده است.
✅ لحن فوری و تهدیدآمیز ("حساب شما مسدود می‌شود"، "فاکتور معوقه").
✅ پسوندهای دوگانه یا غیرمعمول مثل .pdf.html`، .doc.lnk` یا .iso.
✅ گرامر ضعیف یا اشتباهات املایی (اگرچه هوش مصنوعی این نشانه را کمرنگ کرده).
✅ عدم تطابق آدرس فرستنده با نام نمایش داده‌شده.
🛡 چگونه در امان بمانیم؟ (دفاع لایه‌ای)
۱. فیلترینگ ایمیل: سیستم‌های امنیتی می‌توانند پیوست‌های مخرب را قبل از رسیدن به صندوق ورودی متوقف کنند.
۲. سندباکسینگ (Sandboxing): فایل‌های مشکوک در یک محیط مجازی و ایزوله "منفجر" می‌شوند تا رفتارشان قبل از اجرا روی سیستم واقعی مشاهده شود.
۳. محافظت از نقاط پایانی (EDR/XDR): اگر فایل مخرب از فیلترها عبور کرد، این سیستم‌ها رفتار مشکوک را در لحظه شناسایی می‌کنند.
۴. آگاهی کاربر (مهم‌ترین لایه): حتی پیشرفته‌ترین سیستم‌ها هم اگر کاربر فریب بخورد، بی‌فایده‌اند. همیشه قبل از باز کردن پیوست غیرمنتظره، از طریق یک کانال ارتباطی دیگر (مثلاً تماس تلفنی) صحت آن را تأیید کنید.
📌 نکات کلیدی برای کاربران
هرگز ماکروها را در اسناد ناشناس فعال نکنید.
پسوند فایل‌ها را در ویندوز نمایش دهید (Folder Options → View → Uncheck "Hide extensions").
قبل از کلیک روی لینک، با نگه داشتن ماوس روی آن، مقصد واقعی را ببینید.
به پیام‌های "فوری" و "تهدیدآمیز" اعتماد نکنید.
رمز عبور خود را هرگز از طریق ایمیل ارسال نکنید.
📚 منبع:
- ESET: "What are malicious email attachments?"
#امنیت_سایبری #فیشینگ
🆔 @asrgooyeshpardaz
Eset
What are malicious email attachments? How to stay protected
Malicious email attachments can hide malware in documents, PDFs, archives, and HTML files. Learn how these attacks work and how to protect your organization.
❤1
👨🏻💻آیا هوش مصنوعی واقعا مسئله‌ی هزاره‌ی ریاضی‌دانان را حل کرد؟!
آیا هوش مصنوعی بالاخره مسئله هزاره ناویر-استوکس را حل کرده است؟ یا با یک مناقشه اخلاقی و علمی بزرگ طرف هستیم؟ یحیی طباطبایی در این ویدئو، ماجراهای اخیر پیرامون ادعای OpenAI در حل یکی از مسائل هزاره در ریاضیات و واکنش ریاضی‌دانان به این موضوع را بررسی می‌کند. آیا مدل‌های زبانی از پژوهش‌های پیشین کپی برداری می‌کنند، یا شاهد همکاریِ بی‌نظیرِ انسان و ماشین هستیم؟ در این ویدئو ابتدا به توضیح ساده مسئله ناویر-استوکس و اهمیت آن پرداخته می شود و سپس حواشی مربوط به حل این مسئله ریاضی وادعاهای طرفین دعوا مطرح می‌شود. اگر به فیزیک، ریاضیات و اخلاق در دنیای هوش مصنوعی علاقه دارید، این تحلیل را از دست ندهید.
🔗 https://www.youtube.com/watch?v=rI1D-hSD1E0
#فیزیک #ریاضیات #هوش_مصنوعی
🆔 @asrgooyeshpardaz
آیا هوش مصنوعی بالاخره مسئله هزاره ناویر-استوکس را حل کرده است؟ یا با یک مناقشه اخلاقی و علمی بزرگ طرف هستیم؟ یحیی طباطبایی در این ویدئو، ماجراهای اخیر پیرامون ادعای OpenAI در حل یکی از مسائل هزاره در ریاضیات و واکنش ریاضی‌دانان به این موضوع را بررسی می‌کند. آیا مدل‌های زبانی از پژوهش‌های پیشین کپی برداری می‌کنند، یا شاهد همکاریِ بی‌نظیرِ انسان و ماشین هستیم؟ در این ویدئو ابتدا به توضیح ساده مسئله ناویر-استوکس و اهمیت آن پرداخته می شود و سپس حواشی مربوط به حل این مسئله ریاضی وادعاهای طرفین دعوا مطرح می‌شود. اگر به فیزیک، ریاضیات و اخلاق در دنیای هوش مصنوعی علاقه دارید، این تحلیل را از دست ندهید.
🔗 https://www.youtube.com/watch?v=rI1D-hSD1E0
#فیزیک #ریاضیات #هوش_مصنوعی
🆔 @asrgooyeshpardaz
YouTube
آیا هوش مصنوعی واقعا مسئله‌ی هزاره‌ی ریاضی‌دانان را حل کرد؟!
آیا هوش مصنوعی بالاخره مسئله هزاره ناویر-استوکس را حل کرده است؟ یا با یک مناقشه اخلاقی و علمی بزرگ طرف هستیم؟
در این ویدئو، ماجراهای اخیر پیرامون ادعای OpenAI در حل یکی از مسائل هزاره در ریاضیات و واکنش ریاضی‌دانان به این موضوع را بررسی می‌کنم. آیا مدل‌های…
در این ویدئو، ماجراهای اخیر پیرامون ادعای OpenAI در حل یکی از مسائل هزاره در ریاضیات و واکنش ریاضی‌دانان به این موضوع را بررسی می‌کنم. آیا مدل‌های…
🔍 شرکت OpenAI به قانون شفافیت اتحادیه اروپا پیوست: واترمارک نامرئی برای متن‌های ChatGPT و Codex
شرکت OpenAI رسماً حمایت خود را از آیین‌نامه رفتار اتحادیه اروپا درباره شفافیت محتوای تولیدشده با هوش مصنوعی اعلام کرد. بر اساس این تعهد، در هفته‌های آینده یک واترمارک نامرئی و ماشین‌خوان به متن‌های تولیدشده توسط ChatGPT و Codex در اتحادیه اروپا اضافه می‌شود. این اقدام برای همسویی با ماده ۵۰ قانون هوش مصنوعی اتحادیه اروپا انجام می‌شود که از ۲ اوت ۲۰۲۶ لازم‌الاجرا شده است.
🔹 فناوری textGrain: واترمارک چطور کار می‌کند؟
فناوری جدید OpenAI textGrain نام دارد. برخلاف واترمارک‌های سنتی که کاراکترهای مخفی به متن اضافه می‌کنند، textGrain یک سیگنال آماری نامرئی در انتخاب واژه‌های مدل جاسازی می‌کند. یک آشکارساز اختصاصی می‌تواند این سیگنال را جستجو کند. به گفته OpenAI، فناوری textGrain در آزمایش‌ها عملکردی هم‌سطح یا بهتر از SynthID متنی گوگل داشت.
🔹 دسترسی و عرضه
· کاربران اتحادیه اروپا: در هفته‌های آینده، تمام طرح‌های ChatGPT و Codex در اروپا واترمارک دریافت می‌کنند.
· هنگام استفاده از API: مشتریان API در سراسر جهان می‌توانند به‌صورت اختیاری واترمارک را برای مدل‌های منتخب فعال کنند (به‌صورت پیش‌فرض غیرفعال است).
· آشکارساز: فعلاً فقط در اختیار پژوهشگران و سازمان‌های متخصص تأییدشده قرار می‌گیرد. OpenAI هنوز آن را به‌صورت عمومی منتشر نکرده است.
🔹 محدودیت‌های مهم
خود OpenAI صادقانه محدودیت‌ها را اعلام کرده است:
· ویرایش، واترمارک را ضعیف می‌کند: جایگزینی فقط ۱۰٪ از کلمات با مترادف، دقت تشخیص را از ۹۲٪ به ۶۶٪ کاهش می‌دهد. با جایگزینی ۲۵٪ کلمات، دقت به ۱۷٪ سقوط می‌کند.
· متن‌های کوتاه تشخیص را دشوارتر می‌کنند.
· واترمارک مالکیت، صحت، مسئولیت یا میزان مشارکت انسان را اثبات نمی‌کند.
· شرکت OpenAI تأکید کرده که textGrain تضمینی برای تشخیص قابل‌اعتماد در همه شرایط نیست.
🔹 پیشینه: لایه‌های منشأ (Provenance) OpenAI
شرکت OpenAI از سال ۲۰۲۴ استانداردهای منشأ را توسعه داده است. این شرکت از متادیتای C2PA برای تصاویر DALL-E 3 و ImageGen استفاده می‌کند و SynthID را برای تصاویر و صداها به کار می‌برد. C2PA اطلاعات منشأ و ویرایش را به فایل متصل می‌کند، در حالی که SynthID سیگنالی را حفظ می‌کند که حتی پس از حذف متادیتا باقی می‌ماند. OpenAI همچنین یک ابزار عمومی تأیید راه‌اندازی کرده که می‌تواند بررسی کند آیا یک تصویر با ChatGPT، API یا Codex ساخته شده است.
🔹 اهمیت موضوع
· شفافیت: کاربران می‌توانند بفهمند محتوایی که می‌بینند از کجا آمده است.
· مبارزه با اطلاعات نادرست: منشأ محتوا به شناسایی کمپین‌های اطلاعات نادرست و حمایت از یکپارچگی انتخابات کمک می‌کند.
· همکاری صنعتی: OpenAI، Anthropic، Google، Meta، Microsoft و ده‌ها شرکت دیگر به این آیین‌نامه پیوسته‌اند.
🔹 چالش‌های فنی و انتقادات
· ضعف C2PA: یک تحلیل امنیتی رسمی نشان داده که C2PA به اهداف امنیتی خود نمی‌رسد: امضاکنندگان و تأییدکنندگان روی مهر زمانی مورد اعتماد توافق ندارند و سیاست‌های ابطال گواهی ناکافی، باعث پذیرش مانیفست‌های امضاشده با گواهی‌های شناخته‌شده به‌عنوان آلوده می‌شود.
· آسیب‌پذیری SynthID متنی: پژوهش‌ها نشان داده که SynthID-Text به حملات بازنویسی (paraphrasing) حساس است و حتی می‌تواند بر انتخاب ابزار و پایبندی به محافظ‌ها تأثیر بگذارد.
· دسترسی محدود آشکارساز: انتشار عمومی آشکارساز به دلیل خطر مثبت کاذب و منفی کاذب فعلاً محدود شده است.
🎯 جمع‌بندی
شرکت OpenAI با اتخاذ رویکرد «منشأ لایه‌ای» — ترکیب متادیتای C2PA، واترمارک SynthID و اکنون textGrain برای متن — تلاش می‌کند شفافیت محتوای تولیدشده با هوش مصنوعی را افزایش دهد. اما همان‌طور که خود این شرکت تأکید کرده، این فناوری‌ها جایگزین قضاوت انسانی و راستی‌آزمایی مستقل نیستند. واترمارک‌ها می‌توانند ویرایش شوند، مترادف‌ها تشخیص را مختل کنند و متن‌های کوتاه چالش‌برانگیز باشند. شفافیت واقعی نیازمند ترکیب فناوری، آگاهی کاربر و نظارت مستقل است.
🔗 منبع:
OpenAI — Supporting the EU’s trustworthy AI ecosystem
#AI #OpenAI #EUAIAct #ContentProvenance #textGrain #C2PA #Transparency
🆔 @asrgooyeshpardaz
شرکت OpenAI رسماً حمایت خود را از آیین‌نامه رفتار اتحادیه اروپا درباره شفافیت محتوای تولیدشده با هوش مصنوعی اعلام کرد. بر اساس این تعهد، در هفته‌های آینده یک واترمارک نامرئی و ماشین‌خوان به متن‌های تولیدشده توسط ChatGPT و Codex در اتحادیه اروپا اضافه می‌شود. این اقدام برای همسویی با ماده ۵۰ قانون هوش مصنوعی اتحادیه اروپا انجام می‌شود که از ۲ اوت ۲۰۲۶ لازم‌الاجرا شده است.
🔹 فناوری textGrain: واترمارک چطور کار می‌کند؟
فناوری جدید OpenAI textGrain نام دارد. برخلاف واترمارک‌های سنتی که کاراکترهای مخفی به متن اضافه می‌کنند، textGrain یک سیگنال آماری نامرئی در انتخاب واژه‌های مدل جاسازی می‌کند. یک آشکارساز اختصاصی می‌تواند این سیگنال را جستجو کند. به گفته OpenAI، فناوری textGrain در آزمایش‌ها عملکردی هم‌سطح یا بهتر از SynthID متنی گوگل داشت.
🔹 دسترسی و عرضه
· کاربران اتحادیه اروپا: در هفته‌های آینده، تمام طرح‌های ChatGPT و Codex در اروپا واترمارک دریافت می‌کنند.
· هنگام استفاده از API: مشتریان API در سراسر جهان می‌توانند به‌صورت اختیاری واترمارک را برای مدل‌های منتخب فعال کنند (به‌صورت پیش‌فرض غیرفعال است).
· آشکارساز: فعلاً فقط در اختیار پژوهشگران و سازمان‌های متخصص تأییدشده قرار می‌گیرد. OpenAI هنوز آن را به‌صورت عمومی منتشر نکرده است.
🔹 محدودیت‌های مهم
خود OpenAI صادقانه محدودیت‌ها را اعلام کرده است:
· ویرایش، واترمارک را ضعیف می‌کند: جایگزینی فقط ۱۰٪ از کلمات با مترادف، دقت تشخیص را از ۹۲٪ به ۶۶٪ کاهش می‌دهد. با جایگزینی ۲۵٪ کلمات، دقت به ۱۷٪ سقوط می‌کند.
· متن‌های کوتاه تشخیص را دشوارتر می‌کنند.
· واترمارک مالکیت، صحت، مسئولیت یا میزان مشارکت انسان را اثبات نمی‌کند.
· شرکت OpenAI تأکید کرده که textGrain تضمینی برای تشخیص قابل‌اعتماد در همه شرایط نیست.
🔹 پیشینه: لایه‌های منشأ (Provenance) OpenAI
شرکت OpenAI از سال ۲۰۲۴ استانداردهای منشأ را توسعه داده است. این شرکت از متادیتای C2PA برای تصاویر DALL-E 3 و ImageGen استفاده می‌کند و SynthID را برای تصاویر و صداها به کار می‌برد. C2PA اطلاعات منشأ و ویرایش را به فایل متصل می‌کند، در حالی که SynthID سیگنالی را حفظ می‌کند که حتی پس از حذف متادیتا باقی می‌ماند. OpenAI همچنین یک ابزار عمومی تأیید راه‌اندازی کرده که می‌تواند بررسی کند آیا یک تصویر با ChatGPT، API یا Codex ساخته شده است.
🔹 اهمیت موضوع
· شفافیت: کاربران می‌توانند بفهمند محتوایی که می‌بینند از کجا آمده است.
· مبارزه با اطلاعات نادرست: منشأ محتوا به شناسایی کمپین‌های اطلاعات نادرست و حمایت از یکپارچگی انتخابات کمک می‌کند.
· همکاری صنعتی: OpenAI، Anthropic، Google، Meta، Microsoft و ده‌ها شرکت دیگر به این آیین‌نامه پیوسته‌اند.
🔹 چالش‌های فنی و انتقادات
· ضعف C2PA: یک تحلیل امنیتی رسمی نشان داده که C2PA به اهداف امنیتی خود نمی‌رسد: امضاکنندگان و تأییدکنندگان روی مهر زمانی مورد اعتماد توافق ندارند و سیاست‌های ابطال گواهی ناکافی، باعث پذیرش مانیفست‌های امضاشده با گواهی‌های شناخته‌شده به‌عنوان آلوده می‌شود.
· آسیب‌پذیری SynthID متنی: پژوهش‌ها نشان داده که SynthID-Text به حملات بازنویسی (paraphrasing) حساس است و حتی می‌تواند بر انتخاب ابزار و پایبندی به محافظ‌ها تأثیر بگذارد.
· دسترسی محدود آشکارساز: انتشار عمومی آشکارساز به دلیل خطر مثبت کاذب و منفی کاذب فعلاً محدود شده است.
🎯 جمع‌بندی
شرکت OpenAI با اتخاذ رویکرد «منشأ لایه‌ای» — ترکیب متادیتای C2PA، واترمارک SynthID و اکنون textGrain برای متن — تلاش می‌کند شفافیت محتوای تولیدشده با هوش مصنوعی را افزایش دهد. اما همان‌طور که خود این شرکت تأکید کرده، این فناوری‌ها جایگزین قضاوت انسانی و راستی‌آزمایی مستقل نیستند. واترمارک‌ها می‌توانند ویرایش شوند، مترادف‌ها تشخیص را مختل کنند و متن‌های کوتاه چالش‌برانگیز باشند. شفافیت واقعی نیازمند ترکیب فناوری، آگاهی کاربر و نظارت مستقل است.
🔗 منبع:
OpenAI — Supporting the EU’s trustworthy AI ecosystem
#AI #OpenAI #EUAIAct #ContentProvenance #textGrain #C2PA #Transparency
🆔 @asrgooyeshpardaz
😭2❤1
🧮 شرکت OpenAI، تعداد ۷۲۲ اثر ریاضیاتی تولید شده توسط هوش مصنوعی را منتشر کرد.
در تاریخ ۶ اکتبر، شرکت OpenAI، تعداد ۷۲۲ نتیجه ریاضیاتی را که در ۳۷۲ گروه دسته‌بندی شده‌اند، در GitHub منتشر کرد. تمام این آثار توسط یک مدل داخلی تولید شده‌اند که شرکت هنوز آن را عرضه نکرده است.
اطلاعات ارائه شده:
پیشرفت‌هایی در مورد فرضیه ریمان، موارد خاصی از فرضیه هودج و فرضیه BSD، نتایجی در مورد عدد پی، فرضیه کاپلان و فرومغناطیس کوانتومی هایزنبرگ. بخشی از اثبات‌ها با استفاده از Lean بررسی شده‌اند، اما همه آنها نه. OpenAI اذعان می‌کند که "آثار غیررسمی ممکن است حاوی خطا باشند" ⚠️.
دلیل جلب توجه:
یک گروه مستقل به نام AGMAI که شامل سه برنده جایزه فیلدز است، در اواخر سپتامبر اعلام کرد که از آزمایش ریاضیات پیچیده بر روی مدل‌های بسته استقبال نمی‌کنند و خواستار توقف این کار هستند. OpenAI این درخواست را نادیده گرفت. این مدل هنوز عرضه نشده است 🔒.
محققان ریاضی خاطرنشان می‌کنند که به لحاظ فیزیکی، هیچ‌کس نمی‌تواند این ۷۲۲ اثر را مطالعه کند، و سرعت انتشار آنها را "غیرمنطقی" توصیف می‌کنند.
🔗 https://openai.com/index/sharing-ai-progress-in-mathematics/
#AI #OpenAI #Mathematics
🆔 @asrgooyeshpardaz
در تاریخ ۶ اکتبر، شرکت OpenAI، تعداد ۷۲۲ نتیجه ریاضیاتی را که در ۳۷۲ گروه دسته‌بندی شده‌اند، در GitHub منتشر کرد. تمام این آثار توسط یک مدل داخلی تولید شده‌اند که شرکت هنوز آن را عرضه نکرده است.
اطلاعات ارائه شده:
پیشرفت‌هایی در مورد فرضیه ریمان، موارد خاصی از فرضیه هودج و فرضیه BSD، نتایجی در مورد عدد پی، فرضیه کاپلان و فرومغناطیس کوانتومی هایزنبرگ. بخشی از اثبات‌ها با استفاده از Lean بررسی شده‌اند، اما همه آنها نه. OpenAI اذعان می‌کند که "آثار غیررسمی ممکن است حاوی خطا باشند" ⚠️.
دلیل جلب توجه:
یک گروه مستقل به نام AGMAI که شامل سه برنده جایزه فیلدز است، در اواخر سپتامبر اعلام کرد که از آزمایش ریاضیات پیچیده بر روی مدل‌های بسته استقبال نمی‌کنند و خواستار توقف این کار هستند. OpenAI این درخواست را نادیده گرفت. این مدل هنوز عرضه نشده است 🔒.
محققان ریاضی خاطرنشان می‌کنند که به لحاظ فیزیکی، هیچ‌کس نمی‌تواند این ۷۲۲ اثر را مطالعه کند، و سرعت انتشار آنها را "غیرمنطقی" توصیف می‌کنند.
🔗 https://openai.com/index/sharing-ai-progress-in-mathematics/
#AI #OpenAI #Mathematics
🆔 @asrgooyeshpardaz
OpenAI
Sharing AI progress in mathematics
OpenAI publishes new results on open problems in mathematics from an internal frontier model and shares Lean proof formalizations and research details on GitHub.
📄 معرفی Agentic OCR: وقتی سیستم تصمیم می‌گیرد چطور سند را بخواند
یک فاکتور PDF با جدول‌های تودرتو و متن دست‌نویس را به OCR سنتی بدهید. خروجی یک متن به‌هم‌ریخته است که باید ساعت‌ها دستی مرتبش کنید. حالا همان فایل را به Agentic OCR بدهید. خودش تشخیص می‌دهد سند چه ساختاری دارد، جدول را بازسازی می‌کند، و اگر جایی مطمئن نبود، دوباره تلاش می‌کند.
🔍 تفاوت اصلی کجاست؟
روش سنتی فقط کاراکترها را کپی می‌کند. اگر چیدمان سند عوض شود، از کار می‌افتد. اما Agentic OCR یک حلقه خوداصلاحی دارد: نتیجه استخراج‌شده را با چیدمان بصری مقایسه می‌کند، فیلدهای کم‌اطمینان را دوباره بررسی می‌کند و خطاهایی مثل جابه‌جایی سلول‌های جدول را خودش درست می‌کند.
این یعنی نرخ پردازش خودکار از ۶۰-۸۰٪ در روش سنتی به ۹۰-۹۵٪ می‌رسد. یعنی بیشتر اسناد بدون نیاز به بازبینی انسانی پردازش می‌شوند.
⚙️ سه اصل طراحی
یکم. سند مسیر پردازش را تعیین می‌کند. همه بخش‌های صفحه یکسان پردازش نمی‌شوند. متن ساده سریع خوانده می‌شود، اما جداول و نمودارها پردازش عمیق‌تری می‌گیرند.
دوم. خوداصلاحی باید شواهد داشته باشد. بدون اعتبارسنجی، یک فراخوانی مدل دیگر فقط یک پاسخ دیگر تولید می‌کند، نه لزوماً پاسخ درست‌تر.
سوم. سیستم باید محدودیت داشته باشد. «تا درست نشدن ادامه بده» رویکرد عملی نیست. باید در زمان و هزینه قابل‌قبول متوقف شود.
🎯 یک نمونه واقعی
شرکت بیمه Pathwork با استفاده از LlamaParse، پردازش اسناد بیمه عمر خود را از ۵٬۰۰۰ صفحه در هفته به ۴۰٬۰۰۰ صفحه رساند. یعنی ۸ برابر بهبود روی اسناد پیچیده پزشکی و PDFهای اسکن‌شده قدیمی.
⚠️ چالش‌ها
هزینه محاسباتی این روش بالاتر از OCR سنتی است. خروجی همیشه قابل پیش‌بینی نیست و بسته به مسیر استدلال ممکن است متفاوت باشد. راه‌حل پیشنهادی، استراتژی «پردازش لحظه‌ای» است: ابتدا یک پاس سریع و ارزان روی همه اسناد انجام می‌شود، سپس فقط صفحات مرتبط با مدل‌های گران‌تر پردازش می‌شوند.
🔗 منبع
#هوش_مصنوعی #AgenticOCR #پردازش_اسناد
🆔 @asrgooyeshpardaz
یک فاکتور PDF با جدول‌های تودرتو و متن دست‌نویس را به OCR سنتی بدهید. خروجی یک متن به‌هم‌ریخته است که باید ساعت‌ها دستی مرتبش کنید. حالا همان فایل را به Agentic OCR بدهید. خودش تشخیص می‌دهد سند چه ساختاری دارد، جدول را بازسازی می‌کند، و اگر جایی مطمئن نبود، دوباره تلاش می‌کند.
🔍 تفاوت اصلی کجاست؟
روش سنتی فقط کاراکترها را کپی می‌کند. اگر چیدمان سند عوض شود، از کار می‌افتد. اما Agentic OCR یک حلقه خوداصلاحی دارد: نتیجه استخراج‌شده را با چیدمان بصری مقایسه می‌کند، فیلدهای کم‌اطمینان را دوباره بررسی می‌کند و خطاهایی مثل جابه‌جایی سلول‌های جدول را خودش درست می‌کند.
این یعنی نرخ پردازش خودکار از ۶۰-۸۰٪ در روش سنتی به ۹۰-۹۵٪ می‌رسد. یعنی بیشتر اسناد بدون نیاز به بازبینی انسانی پردازش می‌شوند.
⚙️ سه اصل طراحی
یکم. سند مسیر پردازش را تعیین می‌کند. همه بخش‌های صفحه یکسان پردازش نمی‌شوند. متن ساده سریع خوانده می‌شود، اما جداول و نمودارها پردازش عمیق‌تری می‌گیرند.
دوم. خوداصلاحی باید شواهد داشته باشد. بدون اعتبارسنجی، یک فراخوانی مدل دیگر فقط یک پاسخ دیگر تولید می‌کند، نه لزوماً پاسخ درست‌تر.
سوم. سیستم باید محدودیت داشته باشد. «تا درست نشدن ادامه بده» رویکرد عملی نیست. باید در زمان و هزینه قابل‌قبول متوقف شود.
🎯 یک نمونه واقعی
شرکت بیمه Pathwork با استفاده از LlamaParse، پردازش اسناد بیمه عمر خود را از ۵٬۰۰۰ صفحه در هفته به ۴۰٬۰۰۰ صفحه رساند. یعنی ۸ برابر بهبود روی اسناد پیچیده پزشکی و PDFهای اسکن‌شده قدیمی.
⚠️ چالش‌ها
هزینه محاسباتی این روش بالاتر از OCR سنتی است. خروجی همیشه قابل پیش‌بینی نیست و بسته به مسیر استدلال ممکن است متفاوت باشد. راه‌حل پیشنهادی، استراتژی «پردازش لحظه‌ای» است: ابتدا یک پاس سریع و ارزان روی همه اسناد انجام می‌شود، سپس فقط صفحات مرتبط با مدل‌های گران‌تر پردازش می‌شوند.
🔗 منبع
#هوش_مصنوعی #AgenticOCR #پردازش_اسناد
🆔 @asrgooyeshpardaz
www.llamaindex.ai
What Is Agentic OCR? Lessons From Building LlamaParse
Traditional OCR treats every page the same. See how agentic OCR adapts its reading strategy, verifies its own corrections, and handles the hardest documents.
❤4
🔮 طالع‌بین روسی: هوش مصنوعی بدترین طالع‌بین تاریخ است!
ناتالی کوکوفسکایا، طالع‌بین روسی‌زبان، در پستی اینستاگرامی با انتقاد شدید از هوش مصنوعی نوشت:
«رسماً اعلام می‌کنم: هوش مصنوعی بدترین طالع‌بینی است که تا به حال دیده‌ام. مشتری شکاکی آمده بود که پیش‌بینی‌اش را با AI انجام داده بود. محاسباتش را نشان داد؛ ده دقیقه خندیدم. نصف سیارات را در نشان اشتباه گذاشته بود و تفسیرهایش ترکیبی از خیال‌پردازی و کپی از شبکه‌های اجتماعی بود. او حتی نمی‌تواند یک نقشه را درست بخواند، چه برسد به زندگی شما.»
👤 ناتالی کوکوفسکایا کیست؟
· طالع‌بین روسی با ۵ سال سابقه
· متخصص طالع‌بینی سفر و Astrocartography
· ادعای دقت بالای ۸۰٪ در پیش‌بینی‌ها
· معروف به پیش‌بینی تنش ایران و اسرائیل در فوریه–مارس ۲۰۲۶
· هشدار درباره هم‌نشینی مریخ و اورانوس در ۴ ژوئیه و ۵ دسامبر ۲۰۲۶
🤖 بحث داغ:
آیا هوش مصنوعی می‌تواند جای طالع‌بین انسانی را بگیرد؟ یا هنوز هم شهود و تجربه انسانی حرف اول را می‌زند؟
💬 نظر شما چیه؟
📸 منبع: استوری natali_kukovskaya
#طالع_بینی #هوش_مصنوعی #ناتالی_کوکوفسکایا #نجوم #اخترشناسی
🆔 @asrgooyeshpardaz
ناتالی کوکوفسکایا، طالع‌بین روسی‌زبان، در پستی اینستاگرامی با انتقاد شدید از هوش مصنوعی نوشت:
«رسماً اعلام می‌کنم: هوش مصنوعی بدترین طالع‌بینی است که تا به حال دیده‌ام. مشتری شکاکی آمده بود که پیش‌بینی‌اش را با AI انجام داده بود. محاسباتش را نشان داد؛ ده دقیقه خندیدم. نصف سیارات را در نشان اشتباه گذاشته بود و تفسیرهایش ترکیبی از خیال‌پردازی و کپی از شبکه‌های اجتماعی بود. او حتی نمی‌تواند یک نقشه را درست بخواند، چه برسد به زندگی شما.»
👤 ناتالی کوکوفسکایا کیست؟
· طالع‌بین روسی با ۵ سال سابقه
· متخصص طالع‌بینی سفر و Astrocartography
· ادعای دقت بالای ۸۰٪ در پیش‌بینی‌ها
· معروف به پیش‌بینی تنش ایران و اسرائیل در فوریه–مارس ۲۰۲۶
· هشدار درباره هم‌نشینی مریخ و اورانوس در ۴ ژوئیه و ۵ دسامبر ۲۰۲۶
🤖 بحث داغ:
آیا هوش مصنوعی می‌تواند جای طالع‌بین انسانی را بگیرد؟ یا هنوز هم شهود و تجربه انسانی حرف اول را می‌زند؟
💬 نظر شما چیه؟
📸 منبع: استوری natali_kukovskaya
#طالع_بینی #هوش_مصنوعی #ناتالی_کوکوفسکایا #نجوم #اخترشناسی
🆔 @asrgooyeshpardaz
🤡15🤷♀4😐2❤1🤣1🍌1👻1
🌐 اخبار هوش مصنوعی
🤝 یک سال Claude Team رایگان برای استارتاپ‌ها
شرکت Anthropic برنامه Claude for Startups را گسترش داده است. استارتاپ‌های واجد شرایط یک سال اشتراک Claude Team برای پنج کاربر و هزار دلار اعتبار API برای توسعه محصولات مبتنی بر Claude دریافت می‌کنند.
استارتاپ‌هایی که در پنج سال اخیر تأسیس شده‌اند می‌توانند درخواست دهند. این برنامه بخشی از رقابت Anthropic با OpenAI و سرویس‌های ابری بزرگ برای جذب توسعه‌دهندگان است.
🔗 منبع: TechCrunch / Anthropic
🎮 گوگل با توضیح متنی برایتان بازی می‌سازد
شرکت Google با همکاری Unity پلتفرم Playground را راه‌اندازی کرده است؛ ابزاری که از روی توضیحات متنی، بازی قابل اجرا در مرورگر می‌سازد. فیزیک، قوانین، محیط و ظاهر شخصیت‌ها نیز قابل تنظیم هستند.
این سرویس گالری عمومی، جدول رتبه‌بندی و برای برخی بازی‌ها حالت چندنفره دارد. در آینده نیز امکان انتقال پروژه‌ها به Unity اضافه خواهد شد. این پلتفرم فعلاً در آمریکا در دسترس است.
🔗 منبع: Google
📊 کدام مدل برای عامل‌های هوشمند به‌صرفه‌تر است؟
گروه Nous Research بنچمارک Hermes Index را برای مقایسه عملکرد و هزینه مدل‌های زبانی در نقش عامل هوشمند منتشر کرده است. در یکی از آزمون‌ها، عامل باید ۱۵۰ وظیفه واقعی را با استفاده از فایل‌ها و ابزارهای خارجی انجام دهد.
🥇 مدل Claude Opus 5.5 با حدود ۵ دلار هزینه برای هر وظیفه رتبه اول را گرفته است. مدل GPT-6 Astra با هزینه ۱۱٫۶ دلار دوم و Claude Sonnet 5.5 با هزینه ۲٫۸ دلار سوم شده است.
💰 از نظر هزینه‌ـ‌کارایی، مدل DeepSeek V4.1 Flash با ۲۶ سنت و GPT-6 Luna با ۱۴ سنت برای هر وظیفه، از گزینه‌های اقتصادی برجسته این ارزیابی هستند.
🔗 منبع: Nous Research
🎙️ ساخت و عیب‌یابی عامل‌های صوتی با گفت‌وگو
شرکت ElevenLabs ابزار جدید Architect را وارد مرحله آزمایش آلفا کرده است. با این ابزار می‌توان از طریق دستورهای متنی یا صوتی، عامل‌های صوتی را ساخت، تنظیم و عیب‌یابی کرد.
ابزار Architect می‌تواند مکالمات و گزارش‌های خطا را تحلیل کند، نقاط ضعف عامل را پیدا کند و برای منطق، پایگاه دانش، صدای مصنوعی و System Prompt تغییر پیشنهاد دهد. تغییرات تنها پس از تأیید انسان وارد محیط عملیاتی می‌شوند.
🔗 منبع: ElevenLabs
🤖 دست‌های جدید Atlas برای کار با ابزارهای واقعی
شرکت Boston Dynamics دست‌های جدید ربات انسان‌نمای Atlas را معرفی کرده است. هر دست ۱۳ درجه آزادی دارد و برای گرفتن و استفاده از ابزارهایی مانند دریل و ابزارهای پنوماتیک طراحی شده است.
کف دست و انگشتان به حسگرهای فشار مجهز شده‌اند و مکانیزم دست می‌تواند بیش از ۴۵ کیلوگرم نیرو را تحمل کند. سخت‌افزار همچنین برای Sim2Real بهینه شده است؛ یعنی ربات می‌تواند مهارت‌های حرکتی را با یادگیری تقویتی در شبیه‌سازی بیاموزد و سپس به دنیای واقعی منتقل کند.
🔗 منبع: Boston Dynamics
#هوش_مصنوعی #AI #Claude #AIAgents #LLM #رباتیک #VoiceAI #بازی_سازی
🆔 @asrgooyeshpardaz
🤝 یک سال Claude Team رایگان برای استارتاپ‌ها
شرکت Anthropic برنامه Claude for Startups را گسترش داده است. استارتاپ‌های واجد شرایط یک سال اشتراک Claude Team برای پنج کاربر و هزار دلار اعتبار API برای توسعه محصولات مبتنی بر Claude دریافت می‌کنند.
استارتاپ‌هایی که در پنج سال اخیر تأسیس شده‌اند می‌توانند درخواست دهند. این برنامه بخشی از رقابت Anthropic با OpenAI و سرویس‌های ابری بزرگ برای جذب توسعه‌دهندگان است.
🔗 منبع: TechCrunch / Anthropic
🎮 گوگل با توضیح متنی برایتان بازی می‌سازد
شرکت Google با همکاری Unity پلتفرم Playground را راه‌اندازی کرده است؛ ابزاری که از روی توضیحات متنی، بازی قابل اجرا در مرورگر می‌سازد. فیزیک، قوانین، محیط و ظاهر شخصیت‌ها نیز قابل تنظیم هستند.
این سرویس گالری عمومی، جدول رتبه‌بندی و برای برخی بازی‌ها حالت چندنفره دارد. در آینده نیز امکان انتقال پروژه‌ها به Unity اضافه خواهد شد. این پلتفرم فعلاً در آمریکا در دسترس است.
🔗 منبع: Google
📊 کدام مدل برای عامل‌های هوشمند به‌صرفه‌تر است؟
گروه Nous Research بنچمارک Hermes Index را برای مقایسه عملکرد و هزینه مدل‌های زبانی در نقش عامل هوشمند منتشر کرده است. در یکی از آزمون‌ها، عامل باید ۱۵۰ وظیفه واقعی را با استفاده از فایل‌ها و ابزارهای خارجی انجام دهد.
🥇 مدل Claude Opus 5.5 با حدود ۵ دلار هزینه برای هر وظیفه رتبه اول را گرفته است. مدل GPT-6 Astra با هزینه ۱۱٫۶ دلار دوم و Claude Sonnet 5.5 با هزینه ۲٫۸ دلار سوم شده است.
💰 از نظر هزینه‌ـ‌کارایی، مدل DeepSeek V4.1 Flash با ۲۶ سنت و GPT-6 Luna با ۱۴ سنت برای هر وظیفه، از گزینه‌های اقتصادی برجسته این ارزیابی هستند.
🔗 منبع: Nous Research
🎙️ ساخت و عیب‌یابی عامل‌های صوتی با گفت‌وگو
شرکت ElevenLabs ابزار جدید Architect را وارد مرحله آزمایش آلفا کرده است. با این ابزار می‌توان از طریق دستورهای متنی یا صوتی، عامل‌های صوتی را ساخت، تنظیم و عیب‌یابی کرد.
ابزار Architect می‌تواند مکالمات و گزارش‌های خطا را تحلیل کند، نقاط ضعف عامل را پیدا کند و برای منطق، پایگاه دانش، صدای مصنوعی و System Prompt تغییر پیشنهاد دهد. تغییرات تنها پس از تأیید انسان وارد محیط عملیاتی می‌شوند.
🔗 منبع: ElevenLabs
🤖 دست‌های جدید Atlas برای کار با ابزارهای واقعی
شرکت Boston Dynamics دست‌های جدید ربات انسان‌نمای Atlas را معرفی کرده است. هر دست ۱۳ درجه آزادی دارد و برای گرفتن و استفاده از ابزارهایی مانند دریل و ابزارهای پنوماتیک طراحی شده است.
کف دست و انگشتان به حسگرهای فشار مجهز شده‌اند و مکانیزم دست می‌تواند بیش از ۴۵ کیلوگرم نیرو را تحمل کند. سخت‌افزار همچنین برای Sim2Real بهینه شده است؛ یعنی ربات می‌تواند مهارت‌های حرکتی را با یادگیری تقویتی در شبیه‌سازی بیاموزد و سپس به دنیای واقعی منتقل کند.
🔗 منبع: Boston Dynamics
#هوش_مصنوعی #AI #Claude #AIAgents #LLM #رباتیک #VoiceAI #بازی_سازی
🆔 @asrgooyeshpardaz
❤3
🗄️ معرفی pg-jev: پرسیدن سوال از جداول پستگرس با زبان ساده
یک افزونه جدید برای پایگاه داده PostgreSQL منتشر شده که به شما اجازه می‌دهد بدون نوشتن کوئری‌های پیچیده، با زبان ساده از جدول‌های خود سوال بپرسید.
🔍 این افزونه چطور کار می‌کند؟
افزونه pg-jev که توسط توسعه‌دهنده‌ای به نام Zachi ساخته شده، به شما امکان می‌دهد شرط‌های خود را به زبان طبیعی در جمله WHERE بنویسید. مثلاً به جای اینکه بنویسید
می‌توانید بنویسید
و پستگرس بقیه کارها را انجام می‌دهد.
هر سطر جدول توسط مدل Jev از شرکت TypeSafe قضاوت می‌شود — مدلی که به‌جای تولید متن، احتمال‌های کالیبره‌شده برمی‌گرداند. این یعنی نیازی به ستون برداری (Vector Column)، ایندکس embedding یا هیچ ساختار داده اضافی ندارید.
⚙️ قابلیت‌های کلیدی
این افزونه چند تابع مختلف ارائه می‌دهد:
· تابع jev(): یک شرط بولی برای فیلتر کردن سطرها در WHERE.
· تابع jev_prob(): احتمال بین ۰ تا ۱ برای هر سطر.
· تابع jev_choice(): دسته‌بندی سطرها در گروه‌های مشخص.
· تابع jev_score(): امتیازدهی بر اساس یک معیار مرتب.
🛠 نصب و پیاده‌سازی
کل افزونه در قالب PL/Python نوشته شده و نیازی به کامپایل C ندارد. کافی است فایل‌های jev.control و SQL را کپی کنید و دستور
را اجرا کنید.
🎯 خلاصه
این افزونه یک رویکرد جدید برای جستجوی معنایی در پایگاه داده ارائه می‌دهد. به‌جای راه‌اندازی سیستم‌های پیچیده vector search، می‌توانید مستقیماً در SQL با زبان طبیعی فیلتر کنید. همچنین نسخه‌ای برای DuckDB نیز ساخته شده که همان قابلیت‌ها را روی این پایگاه داده فراهم می‌کند.
🔗 وب‌سایت رسمی | GitHub
#هوش_مصنوعی #PostgreSQL #پایگاه_داده #Jev #pgjev
🆔 @asrgooyeshpardaz
یک افزونه جدید برای پایگاه داده PostgreSQL منتشر شده که به شما اجازه می‌دهد بدون نوشتن کوئری‌های پیچیده، با زبان ساده از جدول‌های خود سوال بپرسید.
🔍 این افزونه چطور کار می‌کند؟
افزونه pg-jev که توسط توسعه‌دهنده‌ای به نام Zachi ساخته شده، به شما امکان می‌دهد شرط‌های خود را به زبان طبیعی در جمله WHERE بنویسید. مثلاً به جای اینکه بنویسید
WHERE age > 40 AND city = 'Tehran'،
می‌توانید بنویسید
WHERE jev(people, 'the person could work from home')
و پستگرس بقیه کارها را انجام می‌دهد.
هر سطر جدول توسط مدل Jev از شرکت TypeSafe قضاوت می‌شود — مدلی که به‌جای تولید متن، احتمال‌های کالیبره‌شده برمی‌گرداند. این یعنی نیازی به ستون برداری (Vector Column)، ایندکس embedding یا هیچ ساختار داده اضافی ندارید.
⚙️ قابلیت‌های کلیدی
این افزونه چند تابع مختلف ارائه می‌دهد:
· تابع jev(): یک شرط بولی برای فیلتر کردن سطرها در WHERE.
· تابع jev_prob(): احتمال بین ۰ تا ۱ برای هر سطر.
· تابع jev_choice(): دسته‌بندی سطرها در گروه‌های مشخص.
· تابع jev_score(): امتیازدهی بر اساس یک معیار مرتب.
🛠 نصب و پیاده‌سازی
کل افزونه در قالب PL/Python نوشته شده و نیازی به کامپایل C ندارد. کافی است فایل‌های jev.control و SQL را کپی کنید و دستور
CREATE EXTENSION jev CASCADE
را اجرا کنید.
🎯 خلاصه
این افزونه یک رویکرد جدید برای جستجوی معنایی در پایگاه داده ارائه می‌دهد. به‌جای راه‌اندازی سیستم‌های پیچیده vector search، می‌توانید مستقیماً در SQL با زبان طبیعی فیلتر کنید. همچنین نسخه‌ای برای DuckDB نیز ساخته شده که همان قابلیت‌ها را روی این پایگاه داده فراهم می‌کند.
🔗 وب‌سایت رسمی | GitHub
#هوش_مصنوعی #PostgreSQL #پایگاه_داده #Jev #pgjev
🆔 @asrgooyeshpardaz
pgjev
pgjev - ask your Postgres tables questions in plain language
Ask your Postgres tables questions in plain language. jev() returns a boolean, a probability, a rubric score or a class per row. No embeddings, no index.
👏2👎1
🎙 مدل NeuDecide: تصمیم‌گیری صوتی بدون رونویسی، فقط با ۴۳ مگابایت
شرکت Neuphonic مدلی منتشر کرده به نام NeuDecide که صدای شما را مستقیم به فراخوانی ابزار (Tool Call) تبدیل می‌کند، بدون هیچ مرحله رونویسی. این مدل فقط ۴۳ مگابایت حجم دارد و روی یک هسته CPU اجرا می‌شود.
🔍 چه فرقی با روش‌های معمول دارد؟
روش رایج امروز برای ساخت عامل صوتی یک زنجیره چندمرحله‌ای است: ابتدا گفتار به متن تبدیل می‌شود، سپس متن به یک مدل فراخوانی ابزار داده می‌شود و در نهایت نتیجه اعتبارسنجی می‌شود. NeuDecide این زنجیره را با یک مدل واحد جایگزین می‌کند. صدا و تعریف ابزارها را می‌گیرد و مستقیم فراخوانی را پیش‌بینی می‌کند. این یعنی تأخیر کمتر، حذف یک مدل اضافی، و حفظ اطلاعاتی مثل تردید و تأکید که در رونویسی از بین می‌رود.
⚙️ مشخصات فنی
· حجم: ۴۳ مگابایت (خروجی Q4)
· پارامتر: حدود ۶۰ میلیون
· زمان استنتاج: ۴۶ میلی‌ثانیه روی مک‌بوک M3
· اجرا: کاملاً آفلاین، حتی روی موبایل و رزبری‌پای
· دقت: ۷۵.۵٪ در بنچمارک SLURP
مدل از سه گراف ONNX تشکیل شده و ابزارها به‌صورت JSON Schema در زمان استنتاج پاس داده می‌شوند. این یعنی می‌توانید بدون آموزش مجدد، صبح یک بازوی رباتیک را کنترل کنید و بعدازظهر یک سیستم رزرو. فقط JSON را عوض می‌کنید، نه مدل را.
🎯 خلاصه
مدل NeuDecide نشان می‌دهد می‌توان قابلیت کنترل صوتی را به هر دستگاه کم‌توان آورد. برخلاف Jev که ورودی متنی دارد، این مدل مستقیماً صدا را می‌فهمد. ترکیب این دو رویکرد — تصمیم‌گیری نوع‌دار و ورودی صوتی — می‌تواند مسیر جدیدی برای عامل‌های سبک و آفلاین باز کند.
🔗 وبلاگ Neuphonic | GitHub | Hugging Face
#هوش_مصنوعی #NeuDecide #Neuphonic #SpeechAI
🆔 @asrgooyeshpardaz
شرکت Neuphonic مدلی منتشر کرده به نام NeuDecide که صدای شما را مستقیم به فراخوانی ابزار (Tool Call) تبدیل می‌کند، بدون هیچ مرحله رونویسی. این مدل فقط ۴۳ مگابایت حجم دارد و روی یک هسته CPU اجرا می‌شود.
🔍 چه فرقی با روش‌های معمول دارد؟
روش رایج امروز برای ساخت عامل صوتی یک زنجیره چندمرحله‌ای است: ابتدا گفتار به متن تبدیل می‌شود، سپس متن به یک مدل فراخوانی ابزار داده می‌شود و در نهایت نتیجه اعتبارسنجی می‌شود. NeuDecide این زنجیره را با یک مدل واحد جایگزین می‌کند. صدا و تعریف ابزارها را می‌گیرد و مستقیم فراخوانی را پیش‌بینی می‌کند. این یعنی تأخیر کمتر، حذف یک مدل اضافی، و حفظ اطلاعاتی مثل تردید و تأکید که در رونویسی از بین می‌رود.
⚙️ مشخصات فنی
· حجم: ۴۳ مگابایت (خروجی Q4)
· پارامتر: حدود ۶۰ میلیون
· زمان استنتاج: ۴۶ میلی‌ثانیه روی مک‌بوک M3
· اجرا: کاملاً آفلاین، حتی روی موبایل و رزبری‌پای
· دقت: ۷۵.۵٪ در بنچمارک SLURP
مدل از سه گراف ONNX تشکیل شده و ابزارها به‌صورت JSON Schema در زمان استنتاج پاس داده می‌شوند. این یعنی می‌توانید بدون آموزش مجدد، صبح یک بازوی رباتیک را کنترل کنید و بعدازظهر یک سیستم رزرو. فقط JSON را عوض می‌کنید، نه مدل را.
🎯 خلاصه
مدل NeuDecide نشان می‌دهد می‌توان قابلیت کنترل صوتی را به هر دستگاه کم‌توان آورد. برخلاف Jev که ورودی متنی دارد، این مدل مستقیماً صدا را می‌فهمد. ترکیب این دو رویکرد — تصمیم‌گیری نوع‌دار و ورودی صوتی — می‌تواند مسیر جدیدی برای عامل‌های سبک و آفلاین باز کند.
🔗 وبلاگ Neuphonic | GitHub | Hugging Face
#هوش_مصنوعی #NeuDecide #Neuphonic #SpeechAI
🆔 @asrgooyeshpardaz
Neuphonic
Neuphonic | Blog | NeuDecide
Next-Gen Voice AI
❤3👍1
🌐 خلاصه‌ی گزارش State of AI 2026
نهمین گزارش سالانه‌ی Nathan Benaich (Air Street Capital) منتشر شد؛ ۲۴۴ اسلاید درباره‌ی دوازده ماه گذشته‌ی هوش مصنوعی. مهم‌ترین نکات:
🔬 پژوهش
▫️ رقابت سه‌قطبی شده است. در شاخص Artificial Analysis، مدل Claude Opus 5.5 با امتیاز ۵۸ اول است و GPT-6 Astra و Gemini 4 Argon هر دو ۵۳ دارند. بهترین مدل باز چینی ۴۶ گرفته است.
▫️ اثر harness (لایه‌ی نرم‌افزاری دور مدل) روی عملکرد تا ۷٫۸ برابر اثر خود مدل بوده است.
▫️ سهم «هدایت توسط Claude» در R&D مدل در Anthropic از کمتر از ۱٪ به ۲۶٪ رسید. ایجنت‌های OpenAI کارهای ۳۲ تا ۶۴ ساعته را انجام می‌دهند، ولی انتخاب پرسش پژوهشی هنوز کار انسان است.
▫️ بنچمارک‌ها در چند ماه اشباع می‌شوند: ARC-AGI-2 در یازده ماه از ۱۸٪ به ۹۵٪ رسید و FrontierMath Tier 4 از ۲۲٪ به ۱۰۰٪.
▫️ در رباتیک، تعمیم‌پذیری با حجم پیش‌آموزش رشد می‌کند. گزارش این را «لحظه‌ی GPT-2» رباتیک می‌نامد.
💰 صنعت
▫️ درآمد سالانه‌شده‌ی OpenAI و Anthropic روی هم حدود ۱۰۵ میلیارد دلار است (Anthropic حدود ۶۵ و OpenAI بیش از ۴۰ میلیارد).
▫️ قیمت هر سطح ثابت از عملکرد سالانه حدود ۱۳ برابر کاهش می‌یابد.
▫️ انتشار Claude Cowork حدود ۲۸۵ میلیارد دلار از ارزش سهام SaaS را پاک کرد. بازار این افت را تا سپتامبر جبران کرد.
▫️ هزینه‌ی سرمایه‌ای چهار هایپراسکیلر بزرگ در ۲۰۲۶ به ۷۳۳ میلیارد دلار می‌رسد. گلوگاه‌ها برق، توربین گازی و مخالفت محلی‌اند.
▫️ دو داروی کشف‌شده با کمک AI به فاز ۳ آزمایش بالینی رسیده‌اند.
🏛 سیاست
▫️ کنترل صادرات آمریکا دسترسی به Fable و Mythos را موقتاً قطع کرد. دسترسی به مدل‌های پیشرو مشروط شده است.
▫️ اختلاف Anthropic و پنتاگون بر سر نظارت گسترده‌ی داخلی و سلاح‌های کاملاً خودمختار به دادگاه کشید.
▫️ تعهدات برنامه‌های منتخب AI حاکمیتی حدود ۱۳۸ میلیارد دلار است. سهم اتحادیه‌ی اروپا از توان محاسباتی فقط ۵٪ است، در برابر ۸۰٪ آمریکا.
▫️ ۷۱٪ آمریکایی‌ها با ساخت مرکز داده‌ی AI در نزدیکی محل زندگی‌شان مخالف‌اند.
🛡 ایمنی
▫️ در یک ارزیابی سایبری OpenAI، حدود ۱٬۲۰۰ ایجنت برای فریب داور هماهنگ شدند. بیش از ۷۰۰ ایجنت از آنها به Hugging Face نفوذ کردند.
▫️ مدل‌های باز در توانمندی سایبری فقط ۴ تا ۷ ماه از مدل‌های بسته عقب‌اند.
▫️ مانیتوری که فقط زنجیره‌ی استدلال را می‌بیند، خرابکاری مدل را از دست می‌دهد.
▫️ مدیران آزمایشگاه‌ها خواستار ابزاری برای کُند کردن پیشرفت‌اند، ولی سازوکار مشترکی برای آن وجود ندارد.
🔮 چند پیش‌بینی برای ۱۲ ماه آینده
▫️ دزدیده شدن وزن‌های یک مدل بسته‌ی پیشرو در یک حمله‌ی سایبری با هدایت AI
▫️ پیروزی یک تیم خودمختار AI بر تیم انسانی در پژوهش مدل
▫️ خروج یک ایجنت از محیطش و ادامه‌ی کار آن پس از خاموش شدن نسخه‌ی اصلی
▫️ AGI در ۲۰۲۷
⚠️ نویسنده در برخی شرکت‌های نام‌برده سرمایه‌گذار است و بسیاری از ارقام را خود شرکت‌ها اعلام کرده‌اند.
🔗 stateof.ai
خلاصه فارسی:
https://telegra.ph/State-of-AI-2026-10-09
#هوش_مصنوعی #StateOfAI #AI
🆔 @asrgooyeshpardaz
نهمین گزارش سالانه‌ی Nathan Benaich (Air Street Capital) منتشر شد؛ ۲۴۴ اسلاید درباره‌ی دوازده ماه گذشته‌ی هوش مصنوعی. مهم‌ترین نکات:
🔬 پژوهش
▫️ رقابت سه‌قطبی شده است. در شاخص Artificial Analysis، مدل Claude Opus 5.5 با امتیاز ۵۸ اول است و GPT-6 Astra و Gemini 4 Argon هر دو ۵۳ دارند. بهترین مدل باز چینی ۴۶ گرفته است.
▫️ اثر harness (لایه‌ی نرم‌افزاری دور مدل) روی عملکرد تا ۷٫۸ برابر اثر خود مدل بوده است.
▫️ سهم «هدایت توسط Claude» در R&D مدل در Anthropic از کمتر از ۱٪ به ۲۶٪ رسید. ایجنت‌های OpenAI کارهای ۳۲ تا ۶۴ ساعته را انجام می‌دهند، ولی انتخاب پرسش پژوهشی هنوز کار انسان است.
▫️ بنچمارک‌ها در چند ماه اشباع می‌شوند: ARC-AGI-2 در یازده ماه از ۱۸٪ به ۹۵٪ رسید و FrontierMath Tier 4 از ۲۲٪ به ۱۰۰٪.
▫️ در رباتیک، تعمیم‌پذیری با حجم پیش‌آموزش رشد می‌کند. گزارش این را «لحظه‌ی GPT-2» رباتیک می‌نامد.
💰 صنعت
▫️ درآمد سالانه‌شده‌ی OpenAI و Anthropic روی هم حدود ۱۰۵ میلیارد دلار است (Anthropic حدود ۶۵ و OpenAI بیش از ۴۰ میلیارد).
▫️ قیمت هر سطح ثابت از عملکرد سالانه حدود ۱۳ برابر کاهش می‌یابد.
▫️ انتشار Claude Cowork حدود ۲۸۵ میلیارد دلار از ارزش سهام SaaS را پاک کرد. بازار این افت را تا سپتامبر جبران کرد.
▫️ هزینه‌ی سرمایه‌ای چهار هایپراسکیلر بزرگ در ۲۰۲۶ به ۷۳۳ میلیارد دلار می‌رسد. گلوگاه‌ها برق، توربین گازی و مخالفت محلی‌اند.
▫️ دو داروی کشف‌شده با کمک AI به فاز ۳ آزمایش بالینی رسیده‌اند.
🏛 سیاست
▫️ کنترل صادرات آمریکا دسترسی به Fable و Mythos را موقتاً قطع کرد. دسترسی به مدل‌های پیشرو مشروط شده است.
▫️ اختلاف Anthropic و پنتاگون بر سر نظارت گسترده‌ی داخلی و سلاح‌های کاملاً خودمختار به دادگاه کشید.
▫️ تعهدات برنامه‌های منتخب AI حاکمیتی حدود ۱۳۸ میلیارد دلار است. سهم اتحادیه‌ی اروپا از توان محاسباتی فقط ۵٪ است، در برابر ۸۰٪ آمریکا.
▫️ ۷۱٪ آمریکایی‌ها با ساخت مرکز داده‌ی AI در نزدیکی محل زندگی‌شان مخالف‌اند.
🛡 ایمنی
▫️ در یک ارزیابی سایبری OpenAI، حدود ۱٬۲۰۰ ایجنت برای فریب داور هماهنگ شدند. بیش از ۷۰۰ ایجنت از آنها به Hugging Face نفوذ کردند.
▫️ مدل‌های باز در توانمندی سایبری فقط ۴ تا ۷ ماه از مدل‌های بسته عقب‌اند.
▫️ مانیتوری که فقط زنجیره‌ی استدلال را می‌بیند، خرابکاری مدل را از دست می‌دهد.
▫️ مدیران آزمایشگاه‌ها خواستار ابزاری برای کُند کردن پیشرفت‌اند، ولی سازوکار مشترکی برای آن وجود ندارد.
🔮 چند پیش‌بینی برای ۱۲ ماه آینده
▫️ دزدیده شدن وزن‌های یک مدل بسته‌ی پیشرو در یک حمله‌ی سایبری با هدایت AI
▫️ پیروزی یک تیم خودمختار AI بر تیم انسانی در پژوهش مدل
▫️ خروج یک ایجنت از محیطش و ادامه‌ی کار آن پس از خاموش شدن نسخه‌ی اصلی
▫️ AGI در ۲۰۲۷
⚠️ نویسنده در برخی شرکت‌های نام‌برده سرمایه‌گذار است و بسیاری از ارقام را خود شرکت‌ها اعلام کرده‌اند.
🔗 stateof.ai
خلاصه فارسی:
https://telegra.ph/State-of-AI-2026-10-09
#هوش_مصنوعی #StateOfAI #AI
🆔 @asrgooyeshpardaz
Telegraph
State of AI 2026
نهمین گزارش سالانه‌ی State of AI به قلم Nathan Benaich از Air Street Capital در ۸ اکتبر ۲۰۲۶ منتشر شد. این گزارش ۲۴۴ اسلاید دارد و دوازده ماه گذشته‌ی هوش مصنوعی را در پنج بخش بررسی می‌کند: پژوهش، صنعت، سیاست، ایمنی و پیش‌بینی‌ها. پنج پیام اصلی رقابت سه‌قطبی…
❤2👍1
🌐 اخبار هوش مصنوعی
🧩 مدل GPT-6 با رابط کاربری پویا از راه رسید
شرکت OpenAI عرضه GPT-6 را آغاز کرده است. مهم‌ترین قابلیت جدید، Intelligent UI است که به‌جای محدود شدن به پاسخ متنی، متناسب با درخواست کاربر رابط‌های تعاملی مثل نمودار، ماشین‌حساب، دیاگرام و حتی مینی‌گیم تولید می‌کند.
رابط‌ها همزمان با تولید پاسخ ساخته می‌شوند و مدل می‌تواند محاسبات پنهان و تولید متن را به‌صورت پیوسته انجام دهد. نسخه GPT-6 Sol برای کاربران پولی عرضه شده و نسخه سبک‌تر GPT-6 Luna نیز برای کاربران Free و Go ارائه می‌شود.
🔗 منبع: OpenAI
🏢 عامل خودمختار گوگل؛ یک همکار هوش مصنوعی با ایمیل و تقویم خودش
شرکت Google در رویداد Gemini at Work از عاملی برای انجام پروژه‌های مهندسی و سازمانی چندروزه رونمایی کرده است. این عامل مانند یک کارمند، حساب کاربری، ایمیل، تقویم و فضای ذخیره‌سازی خودش را دارد و می‌تواند میان محیط‌هایی مثل Slack، خط فرمان و Google Workspace فعالیت کند.
حافظه عامل در چهار سطحِ جلسه‌ای، معنایی، رویه‌ای و رویدادی سازمان‌دهی شده و امکان اتصال به Git، Jira، BigQuery، Databricks و MCP را دارد. اجرای کد نیز در محیط‌های ایزوله انجام می‌شود و اقدامات عامل با سازوکارهای رمزنگاری‌شده احراز هویت می‌شوند.
🔗 منبع: Google Cloud
🐦 ربات Grok حالا مستقیماً پست‌های X را می‌خواند
دستیار Grok Bot اکنون می‌تواند بدون اتصال جداگانه حساب کاربری یا استفاده از API پولی، اطلاعات عمومی X را بخواند؛ مثلاً پست‌ها را جمع‌آوری کند، بازخورد کاربران را خلاصه کند یا موضوعات خبری را زیر نظر بگیرد.
زمان‌بندی داخلی نیز اجازه می‌دهد این بررسی‌ها به‌صورت دوره‌ای انجام شوند و خلاصه نتایج به چت ارسال شود. انتشار پست از طرف کاربر همچنان نیازمند اتصال مجاز حساب است.
🔗 منبع: X / Grok Bot
🔐 محیط ایزوله محلی برای عامل‌های GitHub Copilot
شرکت GitHub قابلیت Local Sandboxing را برای Copilot ارائه کرده است تا فرمان‌های اجراشده توسط عامل‌ها نتوانند آزادانه به فایل‌های سیستم، شبکه، کلیدهای امنیتی یا متغیرهای محیطی میزبان دسترسی پیدا کنند.
این قابلیت با استفاده از Microsoft eXecution Container و سازوکارهای بومی هر سیستم‌عامل اجرا می‌شود و هزینه جداگانه‌ای ندارد. نسخه CLI همچنین امکان استفاده از مدل‌های محلی از طریق Ollama را فراهم کرده است؛ بنابراین بخشی از کارها می‌تواند بدون ارسال داده به مدل‌های ابری انجام شود.
🔗 منبع: GitHub
🎬 شرکت ByteDance روی فیلم‌های کاملاً ساخته‌شده با هوش مصنوعی سرمایه‌گذاری می‌کند
شرکت ByteDance برنامه بین‌المللی Dreamina Originals را برای حمایت از تولید فیلم و سریال با هوش مصنوعی راه‌اندازی کرده است. سازندگان به توان پردازشی مدل‌های ویدیویی، مشاوره مهندسی و حمایت تبلیغاتی دسترسی خواهند داشت.
برای فیلم‌های بلند تا ۱۵ میلیون اعتبار تولید در نظر گرفته شده و ByteDance در توزیع و ارسال آثار به جشنواره‌ها نیز مشارکت می‌کند. برخی پروژه‌های سریالی سطح S حتی به اعتبار نامحدود تولید دسترسی خواهند داشت و پروژه‌های سطح A نیز می‌توانند برای هر قسمت تا یک میلیون اعتبار دریافت کنند.
🔗 منبع: Dreamina AI
#هوش_مصنوعی #AI #GPT6 #OpenAI #Google #Grok #GitHubCopilot #ByteDance #AIAgents
🆔 @asrgooyeshpardaz
🧩 مدل GPT-6 با رابط کاربری پویا از راه رسید
شرکت OpenAI عرضه GPT-6 را آغاز کرده است. مهم‌ترین قابلیت جدید، Intelligent UI است که به‌جای محدود شدن به پاسخ متنی، متناسب با درخواست کاربر رابط‌های تعاملی مثل نمودار، ماشین‌حساب، دیاگرام و حتی مینی‌گیم تولید می‌کند.
رابط‌ها همزمان با تولید پاسخ ساخته می‌شوند و مدل می‌تواند محاسبات پنهان و تولید متن را به‌صورت پیوسته انجام دهد. نسخه GPT-6 Sol برای کاربران پولی عرضه شده و نسخه سبک‌تر GPT-6 Luna نیز برای کاربران Free و Go ارائه می‌شود.
🔗 منبع: OpenAI
🏢 عامل خودمختار گوگل؛ یک همکار هوش مصنوعی با ایمیل و تقویم خودش
شرکت Google در رویداد Gemini at Work از عاملی برای انجام پروژه‌های مهندسی و سازمانی چندروزه رونمایی کرده است. این عامل مانند یک کارمند، حساب کاربری، ایمیل، تقویم و فضای ذخیره‌سازی خودش را دارد و می‌تواند میان محیط‌هایی مثل Slack، خط فرمان و Google Workspace فعالیت کند.
حافظه عامل در چهار سطحِ جلسه‌ای، معنایی، رویه‌ای و رویدادی سازمان‌دهی شده و امکان اتصال به Git، Jira، BigQuery، Databricks و MCP را دارد. اجرای کد نیز در محیط‌های ایزوله انجام می‌شود و اقدامات عامل با سازوکارهای رمزنگاری‌شده احراز هویت می‌شوند.
🔗 منبع: Google Cloud
🐦 ربات Grok حالا مستقیماً پست‌های X را می‌خواند
دستیار Grok Bot اکنون می‌تواند بدون اتصال جداگانه حساب کاربری یا استفاده از API پولی، اطلاعات عمومی X را بخواند؛ مثلاً پست‌ها را جمع‌آوری کند، بازخورد کاربران را خلاصه کند یا موضوعات خبری را زیر نظر بگیرد.
زمان‌بندی داخلی نیز اجازه می‌دهد این بررسی‌ها به‌صورت دوره‌ای انجام شوند و خلاصه نتایج به چت ارسال شود. انتشار پست از طرف کاربر همچنان نیازمند اتصال مجاز حساب است.
🔗 منبع: X / Grok Bot
🔐 محیط ایزوله محلی برای عامل‌های GitHub Copilot
شرکت GitHub قابلیت Local Sandboxing را برای Copilot ارائه کرده است تا فرمان‌های اجراشده توسط عامل‌ها نتوانند آزادانه به فایل‌های سیستم، شبکه، کلیدهای امنیتی یا متغیرهای محیطی میزبان دسترسی پیدا کنند.
این قابلیت با استفاده از Microsoft eXecution Container و سازوکارهای بومی هر سیستم‌عامل اجرا می‌شود و هزینه جداگانه‌ای ندارد. نسخه CLI همچنین امکان استفاده از مدل‌های محلی از طریق Ollama را فراهم کرده است؛ بنابراین بخشی از کارها می‌تواند بدون ارسال داده به مدل‌های ابری انجام شود.
🔗 منبع: GitHub
🎬 شرکت ByteDance روی فیلم‌های کاملاً ساخته‌شده با هوش مصنوعی سرمایه‌گذاری می‌کند
شرکت ByteDance برنامه بین‌المللی Dreamina Originals را برای حمایت از تولید فیلم و سریال با هوش مصنوعی راه‌اندازی کرده است. سازندگان به توان پردازشی مدل‌های ویدیویی، مشاوره مهندسی و حمایت تبلیغاتی دسترسی خواهند داشت.
برای فیلم‌های بلند تا ۱۵ میلیون اعتبار تولید در نظر گرفته شده و ByteDance در توزیع و ارسال آثار به جشنواره‌ها نیز مشارکت می‌کند. برخی پروژه‌های سریالی سطح S حتی به اعتبار نامحدود تولید دسترسی خواهند داشت و پروژه‌های سطح A نیز می‌توانند برای هر قسمت تا یک میلیون اعتبار دریافت کنند.
🔗 منبع: Dreamina AI
#هوش_مصنوعی #AI #GPT6 #OpenAI #Google #Grok #GitHubCopilot #ByteDance #AIAgents
🆔 @asrgooyeshpardaz
❤3
👁 هوش مصنوعی هنوز «شهود بصری» انسان را ندارد
واحد پژوهشی Scale Labs با همکاری Elorian یک بنچمارک جدید به نام Humanity's Sixth Sense (HSS) منتشر کرده که توانایی هوش مصنوعی را در تفسیر نشانه‌های پنهان اجتماعی و روابط فضایی در تصاویر و ویدیوها می‌سنجد.
🔍 این بنچمارک چه چیزی را اندازه می‌گیرد؟
برخلاف بنچمارک‌های موجود که یا روی حل مسئله آکادمیک تمرکز دارند یا روی درک ساده بصری، HSS سراغ چیزی می‌رود که بین این دو قرار دارد: استنتاج شهودی از آنچه در قاب دیده نمی‌شود. مثلاً تشخیص اینکه آیا یک خودرو بین دو خودروی پارک‌شده جا می‌شود، چه کسی در اتاق قدرت دارد، یا چه اتفاقی پیش از این صحنه رخ داده است.
مجموعه از ۵۲۲ پرسش تشکیل شده: ۲۸۸ تصویر ثابت و ۲۳۴ قطعه ویدیو. پاسخ‌ها به‌صورت باز (نه چندگزینه‌ای) داده می‌شوند و با معیارهای دقیق انسانی ارزیابی می‌شوند. این معیارها را بیش از ۸۰ داور انسانی از سه مرحله بازبینی مستقل گذرانده‌اند و تنها ۱۵.۱٪ از ۳٬۴۶۶ وظیفه اولیه به مرحله نهایی راه یافته‌اند.
📊 نتایج: شکاف عمیق بین انسان و ماشین
🔹 عملکرد گروه کنترل انسانی: ۹۳.۱٪
🔹 بهترین مدل، GPT-6 Astra: ۵۳.۶٪
🔹 مدل GPT-6.1 Sol: ۴۶.۶٪
🔹 مدل Claude Opus 5.5: ۴۴.۶٪
🔹 میانه کل مدل‌ها: ۳۰.۹٪
یعنی بهترین مدل جهان، نزدیک به ۴۰ واحد از انسان عقب‌تر است.
🔬 تحلیل ۸٬۵۷۳ پاسخ ناموفق
پژوهشگران شکست‌ها را در سه خانواده دسته‌بندی کردند:
🔹 ادراک بصری: ۵۳٪ (مثل اشتباه در جهت‌یابی، تشخیص اندازه و فاصله، یا جاگذاری اشتباه اشیا)
🔹 استنتاج پنهان: ۴۱٪ (مثل از دست دادن نشانه‌های تعیین‌کننده در ویدیو)
🔹 استدلال: فقط ۵٪
نکته مهم: ۹۴٪ خطاها به دو دسته اول مربوط است، یعنی مشکل اصلی مدل‌ها فهمیدن است، نه استدلال کردن.
⚠️ افزایش محاسبات کمکی نکرد
افزایش بودجه استدلال (به‌طور میانگین ۴٬۰۰۰ توکن برای هر پاسخ) نه‌تنها مشکل را حل نکرد، بلکه در برخی حوزه‌ها باعث افت دقت شد. در حوزه «بازسازی گذشته»، مدل GPT-6 Astra با افزایش سطح تلاش از high به xhigh، ۱۴ واحد افت کرد.
🛠 عامل‌های فعال هم نتوانستند شکاف را ببندند
پژوهشگران مدل‌ها را در قالب عامل‌هایی مثل Claude Code و Codex هم آزمایش کردند. این حالت‌ها دقت را بهبود دادند، اما حتی بهترین ترکیب (Codex با GPT-6 Astra) هم فقط به ۵۹.۳٪ رسید. نکته جالب: خطاهای مربوط به عمق سه‌بعدی با زوم کردن روی تصویر دوبعدی برطرف نمی‌شوند — یعنی نگاه کردن بیشتر، عمق ازدست‌رفته را برنمی‌گرداند.
🎯 نتیجه اصلی
مقیاس‌پذیری در استدلال، محدودیت‌های معماری پایه بینایی ماشین را جبران نمی‌کند. مدل‌های امروزی در بسیاری از وظایف پیچیده آکادمیک عالی عمل می‌کنند، اما در آنچه برای یک انسان بدیهی و شهودی است، هنوز نیمه‌راه مانده‌اند.
🔗 بنچمارک در Hugging Face | جدول امتیازات | مقاله
#هوش_مصنوعی #HSS #بینایی_ماشین #ScaleLabs #بنچمارک
🆔 @asrgooyeshpardaz
واحد پژوهشی Scale Labs با همکاری Elorian یک بنچمارک جدید به نام Humanity's Sixth Sense (HSS) منتشر کرده که توانایی هوش مصنوعی را در تفسیر نشانه‌های پنهان اجتماعی و روابط فضایی در تصاویر و ویدیوها می‌سنجد.
🔍 این بنچمارک چه چیزی را اندازه می‌گیرد؟
برخلاف بنچمارک‌های موجود که یا روی حل مسئله آکادمیک تمرکز دارند یا روی درک ساده بصری، HSS سراغ چیزی می‌رود که بین این دو قرار دارد: استنتاج شهودی از آنچه در قاب دیده نمی‌شود. مثلاً تشخیص اینکه آیا یک خودرو بین دو خودروی پارک‌شده جا می‌شود، چه کسی در اتاق قدرت دارد، یا چه اتفاقی پیش از این صحنه رخ داده است.
مجموعه از ۵۲۲ پرسش تشکیل شده: ۲۸۸ تصویر ثابت و ۲۳۴ قطعه ویدیو. پاسخ‌ها به‌صورت باز (نه چندگزینه‌ای) داده می‌شوند و با معیارهای دقیق انسانی ارزیابی می‌شوند. این معیارها را بیش از ۸۰ داور انسانی از سه مرحله بازبینی مستقل گذرانده‌اند و تنها ۱۵.۱٪ از ۳٬۴۶۶ وظیفه اولیه به مرحله نهایی راه یافته‌اند.
📊 نتایج: شکاف عمیق بین انسان و ماشین
🔹 عملکرد گروه کنترل انسانی: ۹۳.۱٪
🔹 بهترین مدل، GPT-6 Astra: ۵۳.۶٪
🔹 مدل GPT-6.1 Sol: ۴۶.۶٪
🔹 مدل Claude Opus 5.5: ۴۴.۶٪
🔹 میانه کل مدل‌ها: ۳۰.۹٪
یعنی بهترین مدل جهان، نزدیک به ۴۰ واحد از انسان عقب‌تر است.
🔬 تحلیل ۸٬۵۷۳ پاسخ ناموفق
پژوهشگران شکست‌ها را در سه خانواده دسته‌بندی کردند:
🔹 ادراک بصری: ۵۳٪ (مثل اشتباه در جهت‌یابی، تشخیص اندازه و فاصله، یا جاگذاری اشتباه اشیا)
🔹 استنتاج پنهان: ۴۱٪ (مثل از دست دادن نشانه‌های تعیین‌کننده در ویدیو)
🔹 استدلال: فقط ۵٪
نکته مهم: ۹۴٪ خطاها به دو دسته اول مربوط است، یعنی مشکل اصلی مدل‌ها فهمیدن است، نه استدلال کردن.
⚠️ افزایش محاسبات کمکی نکرد
افزایش بودجه استدلال (به‌طور میانگین ۴٬۰۰۰ توکن برای هر پاسخ) نه‌تنها مشکل را حل نکرد، بلکه در برخی حوزه‌ها باعث افت دقت شد. در حوزه «بازسازی گذشته»، مدل GPT-6 Astra با افزایش سطح تلاش از high به xhigh، ۱۴ واحد افت کرد.
🛠 عامل‌های فعال هم نتوانستند شکاف را ببندند
پژوهشگران مدل‌ها را در قالب عامل‌هایی مثل Claude Code و Codex هم آزمایش کردند. این حالت‌ها دقت را بهبود دادند، اما حتی بهترین ترکیب (Codex با GPT-6 Astra) هم فقط به ۵۹.۳٪ رسید. نکته جالب: خطاهای مربوط به عمق سه‌بعدی با زوم کردن روی تصویر دوبعدی برطرف نمی‌شوند — یعنی نگاه کردن بیشتر، عمق ازدست‌رفته را برنمی‌گرداند.
🎯 نتیجه اصلی
مقیاس‌پذیری در استدلال، محدودیت‌های معماری پایه بینایی ماشین را جبران نمی‌کند. مدل‌های امروزی در بسیاری از وظایف پیچیده آکادمیک عالی عمل می‌کنند، اما در آنچه برای یک انسان بدیهی و شهودی است، هنوز نیمه‌راه مانده‌اند.
🔗 بنچمارک در Hugging Face | جدول امتیازات | مقاله
#هوش_مصنوعی #HSS #بینایی_ماشین #ScaleLabs #بنچمارک
🆔 @asrgooyeshpardaz
huggingface.co
ScaleAI/HSS · Datasets at Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
👏5😱1