🌐 اخبار هوش مصنوعی
---
⚠️ مدیران شرکت‌های هوش مصنوعی خود را برای واکنش سخت دولت پس از یک حادثه بزرگ آماده می‌کنند
رهبران آزمایشگاه‌های پیشرو در حال برگزاری رزمایش‌های بسته‌ای هستند که بحران پس از یک حادثه بزرگ مرتبط با هوش مصنوعی را شبیه‌سازی می‌کند. افراد مطلع در صنعت انتظار یک حمله سایبری گسترده با از کار افتادن سیستم‌های بانکی، ارتباطات یا شبکه‌های انرژی را در ۶ تا ۱۲ ماه آینده دارند و معتقدند نخستین خسارت جدی، واکنش شدید افکار عمومی را برمی‌انگیزد و مسئولیت به گردن سازندگان مدل‌ها می‌افتد.
علاوه بر آزمون‌های مقاومت خودِ آزمایشگاه‌ها، آنها نگران سیاست هستند و می‌ترسند کنگره آمریکا بدون درک جزئیات، در panic اقدامات رادیکال اتخاذ کند. شرکت OpenAI برگزاری چنین رزمایش‌هایی را تأیید کرده و شرکت Anthropic از اظهارنظر خودداری کرده است.
منبع: axios.com
---
💰 سازندگان مدل تصمیم‌گیری Jev به میزان ۸۷۰ میلیون دلار سرمایه جذب کردند
دور سرمایه‌گذاری استارتاپ TypeSafe AI به رهبری Andreessen Horowitz و با مشارکت Sequoia Capital برگزار شد. تیم این شرکت کمی بیش از بیست نفر است که عمدتاً از OpenAI، گوگل و آزمایشگاه زاکربرگ آمده‌اند.
با وجود مرحله اولیه، این استارتاپ اعلام کرده به سود خالص رسیده اما اعداد دقیق را فاش نکرده است. تنها محصول آن، مدل Jev است که چند هفته پیش معرفی شد. به گفته TypeSafe، این مدل روزانه ده‌ها میلیارد توکن پردازش می‌کند، بیش از یک میلیون کاربر دارد و حدود یک‌سوم شرکت‌های فهرست Fortune 500 آن را آزمایش می‌کنند. سرمایه جذب‌شده صرف زیرساخت، استخدام مهندس و خرید توان محاسباتی خواهد شد.
منبع: bloomberg.com
---
🛡️ شرکت Anthropic اسکنر آسیب‌پذیری هوش مصنوعی برای کدهای باز منتشر کرد
ابزار OSS Scanner یک حسابرسی امنیتی رایگان از پروژه‌های باز است که توسط مدل‌های این شرکت انجام می‌شود. گزارش‌ها پیش از انتشار، بررسی اولیه در بخش امنیت Anthropic را طی نمی‌کنند، اما شامل توصیف آسیب‌پذیری، روش بازتولید آن و در صورت نیاز پیشنهاد اصلاح هستند.
در مرحله آزمایشی، پروژه‌های PostgreSQL، wolfSSL، OpenSSL و curl شرکت کردند. به گفته دنیل استنبرگ، خالق curl، این اسکنر یکی از جدی‌ترین آسیب‌پذیری‌های کتابخانه در سال‌های اخیر را پیدا کرده است. پروژه‌ها از طریق درخواست ادغام در مخزن GitHub به این سرویس متصل می‌شوند.
منبع: anthropic.com
---
🤖 شرکت JetBrains مدل باز برای عامل‌های کدنویسی معرفی کرد
مدل Mellum 2.1 نسخه به‌روزشده‌ای بر پایه معماری MoE با ۱۲ میلیارد پارامتر است که ۲.۵ میلیارد از آنها فعال هستند. مرحله پس‌آموزش بازطراحی شده، یادگیری تقویتی به محیط‌های ایزوله واقعی منتقل شده و میلیون‌ها اجرا در سندباکس‌ها انجام شده است.
این مدل اکنون در پایگاه کد جهت‌یابی می‌کند، خودش فایل‌ها را ویرایش می‌کند و نتیجه را با تست‌های خودش بررسی می‌کند. پیش‌بینی چند توکن همزمان، تولید پاسخ‌های تکی را حدود ۱.۶ برابر سریع‌تر کرده و تحت بار بالا روی یک شتاب‌دهنده H200، این مدل تقریباً دو برابر Qwen3.5-9B توان عبوری دارد. وزن‌ها روی Hugging Face تحت مجوز Apache 2.0 قرار دارند و نسخه‌های GGUF برای llama.cpp، Ollama و LM Studio به‌زودی منتشر می‌شوند.
منبع: jetbrains.com
---
📈 شرکت OpenRouter بخش فروش را به یک عامل سپرد
ابزار Rasp بر پایه موتور اختصاصی Ori، ماهانه حدود ۶۰۰ ساعت از وقت یک تیم پنج‌نفره مدیران فروش را آزاد می‌کند. این عامل ارزیابی سرنخ‌ها، تحقیق پیش از تماس، خلاصه‌سازی رونوشت‌ها و پر کردن CRM را انجام می‌دهد. زمان هر تماس از ۱۰۳ دقیقه به ۴۴ دقیقه کاهش یافته است.
به گفته این شرکت، چرخه بستن معاملات ۳۴ درصد سریع‌تر شده و نرخ تبدیل دو برابر شده است. هزینه ربات از ۸۰۰ دلار در نمونه‌های اولیه به ۳۰ دلار در روز رسیده که ۱۸ دلار آن صرف استنتاج مدل GLM 5.2 می‌شود. کاهش هزینه از طریق لایه مسیریابی Ori حاصل شده که برای هر زیرکار، مدل مناسب را انتخاب می‌کند.
منبع: openrouter.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
---
⚠️ مدیران شرکت‌های هوش مصنوعی خود را برای واکنش سخت دولت پس از یک حادثه بزرگ آماده می‌کنند
رهبران آزمایشگاه‌های پیشرو در حال برگزاری رزمایش‌های بسته‌ای هستند که بحران پس از یک حادثه بزرگ مرتبط با هوش مصنوعی را شبیه‌سازی می‌کند. افراد مطلع در صنعت انتظار یک حمله سایبری گسترده با از کار افتادن سیستم‌های بانکی، ارتباطات یا شبکه‌های انرژی را در ۶ تا ۱۲ ماه آینده دارند و معتقدند نخستین خسارت جدی، واکنش شدید افکار عمومی را برمی‌انگیزد و مسئولیت به گردن سازندگان مدل‌ها می‌افتد.
علاوه بر آزمون‌های مقاومت خودِ آزمایشگاه‌ها، آنها نگران سیاست هستند و می‌ترسند کنگره آمریکا بدون درک جزئیات، در panic اقدامات رادیکال اتخاذ کند. شرکت OpenAI برگزاری چنین رزمایش‌هایی را تأیید کرده و شرکت Anthropic از اظهارنظر خودداری کرده است.
منبع: axios.com
---
💰 سازندگان مدل تصمیم‌گیری Jev به میزان ۸۷۰ میلیون دلار سرمایه جذب کردند
دور سرمایه‌گذاری استارتاپ TypeSafe AI به رهبری Andreessen Horowitz و با مشارکت Sequoia Capital برگزار شد. تیم این شرکت کمی بیش از بیست نفر است که عمدتاً از OpenAI، گوگل و آزمایشگاه زاکربرگ آمده‌اند.
با وجود مرحله اولیه، این استارتاپ اعلام کرده به سود خالص رسیده اما اعداد دقیق را فاش نکرده است. تنها محصول آن، مدل Jev است که چند هفته پیش معرفی شد. به گفته TypeSafe، این مدل روزانه ده‌ها میلیارد توکن پردازش می‌کند، بیش از یک میلیون کاربر دارد و حدود یک‌سوم شرکت‌های فهرست Fortune 500 آن را آزمایش می‌کنند. سرمایه جذب‌شده صرف زیرساخت، استخدام مهندس و خرید توان محاسباتی خواهد شد.
منبع: bloomberg.com
---
🛡️ شرکت Anthropic اسکنر آسیب‌پذیری هوش مصنوعی برای کدهای باز منتشر کرد
ابزار OSS Scanner یک حسابرسی امنیتی رایگان از پروژه‌های باز است که توسط مدل‌های این شرکت انجام می‌شود. گزارش‌ها پیش از انتشار، بررسی اولیه در بخش امنیت Anthropic را طی نمی‌کنند، اما شامل توصیف آسیب‌پذیری، روش بازتولید آن و در صورت نیاز پیشنهاد اصلاح هستند.
در مرحله آزمایشی، پروژه‌های PostgreSQL، wolfSSL، OpenSSL و curl شرکت کردند. به گفته دنیل استنبرگ، خالق curl، این اسکنر یکی از جدی‌ترین آسیب‌پذیری‌های کتابخانه در سال‌های اخیر را پیدا کرده است. پروژه‌ها از طریق درخواست ادغام در مخزن GitHub به این سرویس متصل می‌شوند.
منبع: anthropic.com
---
🤖 شرکت JetBrains مدل باز برای عامل‌های کدنویسی معرفی کرد
مدل Mellum 2.1 نسخه به‌روزشده‌ای بر پایه معماری MoE با ۱۲ میلیارد پارامتر است که ۲.۵ میلیارد از آنها فعال هستند. مرحله پس‌آموزش بازطراحی شده، یادگیری تقویتی به محیط‌های ایزوله واقعی منتقل شده و میلیون‌ها اجرا در سندباکس‌ها انجام شده است.
این مدل اکنون در پایگاه کد جهت‌یابی می‌کند، خودش فایل‌ها را ویرایش می‌کند و نتیجه را با تست‌های خودش بررسی می‌کند. پیش‌بینی چند توکن همزمان، تولید پاسخ‌های تکی را حدود ۱.۶ برابر سریع‌تر کرده و تحت بار بالا روی یک شتاب‌دهنده H200، این مدل تقریباً دو برابر Qwen3.5-9B توان عبوری دارد. وزن‌ها روی Hugging Face تحت مجوز Apache 2.0 قرار دارند و نسخه‌های GGUF برای llama.cpp، Ollama و LM Studio به‌زودی منتشر می‌شوند.
منبع: jetbrains.com
---
📈 شرکت OpenRouter بخش فروش را به یک عامل سپرد
ابزار Rasp بر پایه موتور اختصاصی Ori، ماهانه حدود ۶۰۰ ساعت از وقت یک تیم پنج‌نفره مدیران فروش را آزاد می‌کند. این عامل ارزیابی سرنخ‌ها، تحقیق پیش از تماس، خلاصه‌سازی رونوشت‌ها و پر کردن CRM را انجام می‌دهد. زمان هر تماس از ۱۰۳ دقیقه به ۴۴ دقیقه کاهش یافته است.
به گفته این شرکت، چرخه بستن معاملات ۳۴ درصد سریع‌تر شده و نرخ تبدیل دو برابر شده است. هزینه ربات از ۸۰۰ دلار در نمونه‌های اولیه به ۳۰ دلار در روز رسیده که ۱۸ دلار آن صرف استنتاج مدل GLM 5.2 می‌شود. کاهش هزینه از طریق لایه مسیریابی Ori حاصل شده که برای هر زیرکار، مدل مناسب را انتخاب می‌کند.
منبع: openrouter.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
❤2
⚠️ آندری کارپاتی: شکاف درک توانایی واقعی هوش مصنوعی در حال تبدیل شدن به یک «هرم فاصله طبقاتی» است
آندری کارپاتی معتقد است مردم امروز تجربه‌های کاملاً متفاوتی از هوش مصنوعی دارند؛ به‌طوری‌که تصور یک کاربر عادی از توانایی مدل‌های زبانی ممکن است با چیزی که پژوهشگران پیشرو می‌بینند، فاصله‌ای عظیم داشته باشد.
او این «هرم» را تقریباً به چهار گروه تقسیم می‌کند:
1️⃣ حدود ۷۵ درصد مردم جهان هنوز عملاً با هوش مصنوعی مولد درگیر نشده‌اند.
2️⃣ حدود ۲۰ درصد از چت‌بات‌های رایگان بیشتر شبیه یک «گوگل بهتر» استفاده می‌کنند. حتی بسیاری از متخصصان خارج از حوزه فناوری هنوز هوش مصنوعی را بیشتر یک ابزار جانبی می‌بینند.
3️⃣ حدود ۰٫۲ درصد، به‌ویژه متخصصان برنامه‌نویسی و ریاضیات، با نسل جدید عامل‌ها کار می‌کنند و می‌بینند کاری که قبلاً هفته‌ها زمان می‌برد، گاهی با یک درخواست و اجرای خودکار انجام می‌شود.
4️⃣ در نوک این هرم، کارپاتی از حدود ۵ هزار نفر صحبت می‌کند که به پیشرفته‌ترین سیستم‌ها دسترسی دارند؛ جایی که مجموعه‌ای از عامل‌ها می‌توانند روزها یا هفته‌ها روی پروژه‌های بزرگ نرم‌افزاری، کشف آسیب‌پذیری و مسائل علمی کار کنند و حجم خروجی حتی از ظرفیت بازبینی انسانی فراتر برود.
⚡ نکته اصلی حرف کارپاتی این است که بحث درباره «هوش مصنوعی چه‌قدر توانمند است؟» دیگر یک پاسخ واحد ندارد. نوع مسئله‌ای که به AI می‌دهید، مهارت شما در استفاده از آن و سطح دسترسی به مدل‌ها و عامل‌های پیشرفته، تصویری کاملاً متفاوت از توانایی AI ایجاد می‌کند.
🔗 منبع: پست آندری کارپاتی در X
#هوش_مصنوعی #AndrejKarpathy
🆔 @asrgooyeshpardaz
آندری کارپاتی معتقد است مردم امروز تجربه‌های کاملاً متفاوتی از هوش مصنوعی دارند؛ به‌طوری‌که تصور یک کاربر عادی از توانایی مدل‌های زبانی ممکن است با چیزی که پژوهشگران پیشرو می‌بینند، فاصله‌ای عظیم داشته باشد.
او این «هرم» را تقریباً به چهار گروه تقسیم می‌کند:
1️⃣ حدود ۷۵ درصد مردم جهان هنوز عملاً با هوش مصنوعی مولد درگیر نشده‌اند.
2️⃣ حدود ۲۰ درصد از چت‌بات‌های رایگان بیشتر شبیه یک «گوگل بهتر» استفاده می‌کنند. حتی بسیاری از متخصصان خارج از حوزه فناوری هنوز هوش مصنوعی را بیشتر یک ابزار جانبی می‌بینند.
3️⃣ حدود ۰٫۲ درصد، به‌ویژه متخصصان برنامه‌نویسی و ریاضیات، با نسل جدید عامل‌ها کار می‌کنند و می‌بینند کاری که قبلاً هفته‌ها زمان می‌برد، گاهی با یک درخواست و اجرای خودکار انجام می‌شود.
4️⃣ در نوک این هرم، کارپاتی از حدود ۵ هزار نفر صحبت می‌کند که به پیشرفته‌ترین سیستم‌ها دسترسی دارند؛ جایی که مجموعه‌ای از عامل‌ها می‌توانند روزها یا هفته‌ها روی پروژه‌های بزرگ نرم‌افزاری، کشف آسیب‌پذیری و مسائل علمی کار کنند و حجم خروجی حتی از ظرفیت بازبینی انسانی فراتر برود.
⚡ نکته اصلی حرف کارپاتی این است که بحث درباره «هوش مصنوعی چه‌قدر توانمند است؟» دیگر یک پاسخ واحد ندارد. نوع مسئله‌ای که به AI می‌دهید، مهارت شما در استفاده از آن و سطح دسترسی به مدل‌ها و عامل‌های پیشرفته، تصویری کاملاً متفاوت از توانایی AI ایجاد می‌کند.
🔗 منبع: پست آندری کارپاتی در X
#هوش_مصنوعی #AndrejKarpathy
🆔 @asrgooyeshpardaz
X (formerly Twitter)
Andrej Karpathy (@karpathy) on X
Dusting off this tweet from April because this gap in shared understanding of LLM capability is *widening*. It's now less "two groups of people speaking past each other" and more a sharp funnel.…
❤3
📌 متا مدل‌های Muse Wonder و Muse Wonder Full را عرضه کرد
متا دو مدل جدید از خانواده Muse را معرفی کرد. هر دو برای کدنویسی و وظایف طولانی ساخته شده‌اند.
🧠 مدل Muse Wonder
• به گفته متا، در کدنویسی در پروژه‌های واقعی در سطح پیشرو قرار دارد
• کار را برنامه‌ریزی می‌کند و چند ابزار را همزمان فراخوانی می‌کند
• بخش‌هایی از کار را به زیرعامل‌ها (Sub-agents) می‌سپارد
• خطاها را خودش رفع می‌کند تا کار پیچیده به نتیجه برسد
• از طریق Meta Model API و Muse Code در دسترس است
🚀 مدل Muse Wonder Full
قوی‌ترین مدل متاست و با حداکثر سطح استدلال اجرا می‌شود. برای سخت‌ترین و طولانی‌ترین کارها طراحی شده و فقط مشترکان Muse Code به آن دسترسی دارند. از طریق API ارائه نمی‌شود.
📊 مشخصات
• پنجره زمینه یک میلیون توکنی
• قیمت API مدل Wonder: هر میلیون توکن ورودی ۴ دلار و هر میلیون توکن خروجی ۲۰ دلار
💻 درباره Muse Code
ابزار Muse Code عامل کدنویسی متا در ترمینال است. اشتراک آن از ماهی ۵ دلار شروع می‌شود.
🔗 معرفی رسمی متا
🔗 توییت
🆔 @asrgooyeshpardaz
متا دو مدل جدید از خانواده Muse را معرفی کرد. هر دو برای کدنویسی و وظایف طولانی ساخته شده‌اند.
🧠 مدل Muse Wonder
• به گفته متا، در کدنویسی در پروژه‌های واقعی در سطح پیشرو قرار دارد
• کار را برنامه‌ریزی می‌کند و چند ابزار را همزمان فراخوانی می‌کند
• بخش‌هایی از کار را به زیرعامل‌ها (Sub-agents) می‌سپارد
• خطاها را خودش رفع می‌کند تا کار پیچیده به نتیجه برسد
• از طریق Meta Model API و Muse Code در دسترس است
🚀 مدل Muse Wonder Full
قوی‌ترین مدل متاست و با حداکثر سطح استدلال اجرا می‌شود. برای سخت‌ترین و طولانی‌ترین کارها طراحی شده و فقط مشترکان Muse Code به آن دسترسی دارند. از طریق API ارائه نمی‌شود.
📊 مشخصات
• پنجره زمینه یک میلیون توکنی
• قیمت API مدل Wonder: هر میلیون توکن ورودی ۴ دلار و هر میلیون توکن خروجی ۲۰ دلار
💻 درباره Muse Code
ابزار Muse Code عامل کدنویسی متا در ترمینال است. اشتراک آن از ماهی ۵ دلار شروع می‌شود.
🔗 معرفی رسمی متا
🔗 توییت
🆔 @asrgooyeshpardaz
😍6
🦠 کرم‌های هوش مصنوعی؛ مدلی که می‌تواند خودش را در شبکه تکثیر کند
پژوهشی از Anthropic به سناریویی نگران‌کننده می‌پردازد: مدل‌های کوچک هوش مصنوعی ممکن است به نقطه‌ای نزدیک شوند که بدون نیاز به دیتاسنتر، خودشان را روی دستگاه‌های مختلف یک شبکه پیدا، منتقل و اجرا کنند.
🔹 یک مدل ۹ میلیارد پارامتری روی ۸ مورد از ۹ نوع دستگاه آزمایش‌شده اجرا شده است. مدلی ۲۶ میلیارد پارامتری نیز روی مجموعه‌ای از ۱۵ اندروید TV Box ارزان‌قیمت اجرا شد؛ هرچند سرعت آن فقط حدود ۰٫۳۹ توکن در ثانیه بود.
🔹 در آزمایش دیگری، مدل GLM-5.2 توانسته چرخه کامل تکثیر را انجام دهد: شبکه را اسکن کند، به دستگاه هدف دسترسی پیدا کند، وزن‌های مدل را منتقل کند و اجرای مدل را روی دستگاه جدید آغاز کند. این فرایند روی هر ۸ گره آزمایشی موفق بوده است.
🔹 مسئله فقط کامپیوترها نیست. بسیاری از دستگاه‌های اینترنت اشیا مانند دوربین‌ها و لوازم خانگی هوشمند، چند گیگابایت حافظه دارند و در صورت ضعف امنیتی می‌توانند میزبان چنین مدل‌هایی شوند.
🧬 نکته جالب‌تر، امکان انتقال تجربه بین نسل‌هاست. طبق گزارش، وقتی عامل تکثیرشونده یادداشت‌ها و تجربه‌های خود را به نسخه بعدی منتقل می‌کند، نرخ موفقیت از ۴۵ به ۸۴ درصد افزایش یافته است.
⚠️ چنین «کرم هوشمندی» فعلاً بسیار کند است و تکثیر آن می‌تواند چند روز طول بکشد، اما برخلاف یک سرویس متمرکز، الزاماً یک سرور مرکزی برای خاموش کردن ندارد. به همین دلیل Anthropic بر پایش ترافیک شبکه، قرنطینه شبکه‌های آلوده و افزایش امنیت و رمزهای عبور تجهیزات IoT تأکید می‌کند.
پژوهشگران پیش‌بینی می‌کنند با ادامه کوچک‌تر و توانمندتر شدن مدل‌ها، امکان رسیدن به سطح لازم برای چنین تکثیر مستقلی تا پایان سال ۲۰۲۶ جدی‌تر شود. البته این پژوهش درباره امکان فنی و ریسک آینده است، نه گزارش وجود یک کرم هوش مصنوعی خودمختار در اینترنت.
🔗 منبع: Anthropic Research
#Anthropic #AIAgents #Cybersecurity
#امنیت_سایبری #هوش_مصنوعی
🆔 @asrgooyeshpardaz
پژوهشی از Anthropic به سناریویی نگران‌کننده می‌پردازد: مدل‌های کوچک هوش مصنوعی ممکن است به نقطه‌ای نزدیک شوند که بدون نیاز به دیتاسنتر، خودشان را روی دستگاه‌های مختلف یک شبکه پیدا، منتقل و اجرا کنند.
🔹 یک مدل ۹ میلیارد پارامتری روی ۸ مورد از ۹ نوع دستگاه آزمایش‌شده اجرا شده است. مدلی ۲۶ میلیارد پارامتری نیز روی مجموعه‌ای از ۱۵ اندروید TV Box ارزان‌قیمت اجرا شد؛ هرچند سرعت آن فقط حدود ۰٫۳۹ توکن در ثانیه بود.
🔹 در آزمایش دیگری، مدل GLM-5.2 توانسته چرخه کامل تکثیر را انجام دهد: شبکه را اسکن کند، به دستگاه هدف دسترسی پیدا کند، وزن‌های مدل را منتقل کند و اجرای مدل را روی دستگاه جدید آغاز کند. این فرایند روی هر ۸ گره آزمایشی موفق بوده است.
🔹 مسئله فقط کامپیوترها نیست. بسیاری از دستگاه‌های اینترنت اشیا مانند دوربین‌ها و لوازم خانگی هوشمند، چند گیگابایت حافظه دارند و در صورت ضعف امنیتی می‌توانند میزبان چنین مدل‌هایی شوند.
🧬 نکته جالب‌تر، امکان انتقال تجربه بین نسل‌هاست. طبق گزارش، وقتی عامل تکثیرشونده یادداشت‌ها و تجربه‌های خود را به نسخه بعدی منتقل می‌کند، نرخ موفقیت از ۴۵ به ۸۴ درصد افزایش یافته است.
⚠️ چنین «کرم هوشمندی» فعلاً بسیار کند است و تکثیر آن می‌تواند چند روز طول بکشد، اما برخلاف یک سرویس متمرکز، الزاماً یک سرور مرکزی برای خاموش کردن ندارد. به همین دلیل Anthropic بر پایش ترافیک شبکه، قرنطینه شبکه‌های آلوده و افزایش امنیت و رمزهای عبور تجهیزات IoT تأکید می‌کند.
پژوهشگران پیش‌بینی می‌کنند با ادامه کوچک‌تر و توانمندتر شدن مدل‌ها، امکان رسیدن به سطح لازم برای چنین تکثیر مستقلی تا پایان سال ۲۰۲۶ جدی‌تر شود. البته این پژوهش درباره امکان فنی و ریسک آینده است، نه گزارش وجود یک کرم هوش مصنوعی خودمختار در اینترنت.
🔗 منبع: Anthropic Research
#Anthropic #AIAgents #Cybersecurity
#امنیت_سایبری #هوش_مصنوعی
🆔 @asrgooyeshpardaz
Anthropic
AI models may be capable of self-replicating without access to a datacenter
Small AI models may be only months away from being able to self-replicate across cheap IoT devices like Android TV boxes, with no datacenter needed.
❤2
👥 معرفی MASS: خودآموزی هوش مصنوعی از طریق خرد جمعی
پژوهشگران شرکت Sakana AI و دانشگاه UC Berkeley روشی به نام MASS (خودنظارتی چندعاملی) معرفی کرده‌اند؛ یک روش خودبهسازی بازگشتی که در آن یک مدل واحد همزمان نقش اجراکننده، بهینه‌ساز و ارزیاب را بازی می‌کند.
🔁 این روش چطور کار می‌کند؟
برخلاف روش‌های معمول که به یک ارزیاب بیرونی یا داده برچسب‌خورده نیاز دارند، MASS از دو حلقه تودرتو استفاده می‌کند:
حلقه درونی: مدل به‌طور مکرر چندین چیدمان مختلف از عامل‌ها را پیشنهاد می‌دهد، اجرا می‌کند و خودش ارزیابی می‌کند تا بهترین «گردش‌کار» را پیدا کند. این چیدمان‌ها مثل گراف‌های محاسباتی هستند که مسیر تبادل اطلاعات بین نقش‌ها را تعیین می‌کنند.
حلقه بیرونی: مدل روی بهترین مسیرهایی که در حلقه درونی کشف شده، تنظیم دقیق با نظارت می‌بیند. سپس مدل بهبودیافته، در دور بعدی به‌عنوان بهینه‌ساز و ارزیاب بهتری عمل می‌کند و چرخه دوباره شروع می‌شود.
📊 نتایج عددی
پژوهشگران با مدل Qwen3.6-27B دو دور کامل MASS را اجرا کردند:
· نرخ برد در آزمون‌ها از ۵۳.۹٪ به ۶۹.۹٪ در برابر مدل پایه رسید.
· عملکرد به ازای هر توکن خروجی بین ۱.۲ تا ۱.۶ برابر در چهار بنچمارک عمومی بهبود یافت: MLR-Bench، DSBench و ScienceAgentBench.
· مسیرهای چندعاملی سیگنال آموزشی متراکم‌تری تولید می‌کنند: یک مدل دانش‌آموز که با این مسیرها آموزش دیده، از مدلی که با ۱.۴ برابر توکن بیشتر و مسیرهای تک‌عاملی آموزش دیده، بهتر عمل می‌کند.
· در مقایسه داخلی، مسیرهای چندعاملی ۶۸.۳٪ در مقابل ۶۴.۰٪ برای تک‌عاملی — با ۳۱٪ توکن کمتر.
⚙️ چه چیزی در طول خودبهسازی تغییر می‌کند؟
پژوهشگران مشاهده کردند که با پیشرفت MASS، نقش‌ها و دستورالعمل‌های صریح اهمیت خود را از دست می‌دهند، در حالی که قراردادها و ترتیب فراخوانی ابزارها برجسته‌تر می‌شوند. یعنی مدل یاد می‌گیرد به‌جای تکیه بر توضیحات نقش، روی ساختار هماهنگی تمرکز کند.
🔍 گلوگاه اصلی RSI
نکته کلیدی این پژوهش این است که گلوگاه خودبهسازی بازگشتی، ارزیاب نیست؛ بهینه‌ساز است. به بیان ساده، مشکل اصلی این نیست که مدل نمی‌تواند کیفیت کار خودش را بسنجد، بلکه این است که نمی‌تواند راه‌حل‌های بهتر و متنوع‌تری برای بهبود خودش تولید کند.
📈 هم‌راستایی با داوران بیرونی
توافق مدل با داوران انسانی یا بیرونی از ۷۳٪ به ۹۳٪ افزایش یافت. یعنی مدل در طول خودبهسازی، نه‌تنها بهتر می‌شود، بلکه معیارهایش هم به معیارهای انسانی نزدیک‌تر می‌شود.
⚠️ یک هشدار ایمنی
پژوهشگران اشاره می‌کنند که نقاط کور مشترک در مسیر خودبهسازی می‌توانند در نسخه‌های بعدی تثبیت شوند. اگر مدل در دور اول یک سوگیری داشته باشد و همان سوگیری در ارزیابی‌های خودش هم بازتاب پیدا کند، این سوگیری در دورهای بعدی عمیق‌تر می‌شود. این یکی از پرسش‌های کلیدی ایمنی در حوزه خودبهسازی بازگشتی است.
🔗 arXiv:2610.12176
#هوش_مصنوعی #MASS #RSI #SakanaAI #پژوهش
🆔 @asrgooyeshpardaz
پژوهشگران شرکت Sakana AI و دانشگاه UC Berkeley روشی به نام MASS (خودنظارتی چندعاملی) معرفی کرده‌اند؛ یک روش خودبهسازی بازگشتی که در آن یک مدل واحد همزمان نقش اجراکننده، بهینه‌ساز و ارزیاب را بازی می‌کند.
🔁 این روش چطور کار می‌کند؟
برخلاف روش‌های معمول که به یک ارزیاب بیرونی یا داده برچسب‌خورده نیاز دارند، MASS از دو حلقه تودرتو استفاده می‌کند:
حلقه درونی: مدل به‌طور مکرر چندین چیدمان مختلف از عامل‌ها را پیشنهاد می‌دهد، اجرا می‌کند و خودش ارزیابی می‌کند تا بهترین «گردش‌کار» را پیدا کند. این چیدمان‌ها مثل گراف‌های محاسباتی هستند که مسیر تبادل اطلاعات بین نقش‌ها را تعیین می‌کنند.
حلقه بیرونی: مدل روی بهترین مسیرهایی که در حلقه درونی کشف شده، تنظیم دقیق با نظارت می‌بیند. سپس مدل بهبودیافته، در دور بعدی به‌عنوان بهینه‌ساز و ارزیاب بهتری عمل می‌کند و چرخه دوباره شروع می‌شود.
📊 نتایج عددی
پژوهشگران با مدل Qwen3.6-27B دو دور کامل MASS را اجرا کردند:
· نرخ برد در آزمون‌ها از ۵۳.۹٪ به ۶۹.۹٪ در برابر مدل پایه رسید.
· عملکرد به ازای هر توکن خروجی بین ۱.۲ تا ۱.۶ برابر در چهار بنچمارک عمومی بهبود یافت: MLR-Bench، DSBench و ScienceAgentBench.
· مسیرهای چندعاملی سیگنال آموزشی متراکم‌تری تولید می‌کنند: یک مدل دانش‌آموز که با این مسیرها آموزش دیده، از مدلی که با ۱.۴ برابر توکن بیشتر و مسیرهای تک‌عاملی آموزش دیده، بهتر عمل می‌کند.
· در مقایسه داخلی، مسیرهای چندعاملی ۶۸.۳٪ در مقابل ۶۴.۰٪ برای تک‌عاملی — با ۳۱٪ توکن کمتر.
⚙️ چه چیزی در طول خودبهسازی تغییر می‌کند؟
پژوهشگران مشاهده کردند که با پیشرفت MASS، نقش‌ها و دستورالعمل‌های صریح اهمیت خود را از دست می‌دهند، در حالی که قراردادها و ترتیب فراخوانی ابزارها برجسته‌تر می‌شوند. یعنی مدل یاد می‌گیرد به‌جای تکیه بر توضیحات نقش، روی ساختار هماهنگی تمرکز کند.
🔍 گلوگاه اصلی RSI
نکته کلیدی این پژوهش این است که گلوگاه خودبهسازی بازگشتی، ارزیاب نیست؛ بهینه‌ساز است. به بیان ساده، مشکل اصلی این نیست که مدل نمی‌تواند کیفیت کار خودش را بسنجد، بلکه این است که نمی‌تواند راه‌حل‌های بهتر و متنوع‌تری برای بهبود خودش تولید کند.
📈 هم‌راستایی با داوران بیرونی
توافق مدل با داوران انسانی یا بیرونی از ۷۳٪ به ۹۳٪ افزایش یافت. یعنی مدل در طول خودبهسازی، نه‌تنها بهتر می‌شود، بلکه معیارهایش هم به معیارهای انسانی نزدیک‌تر می‌شود.
⚠️ یک هشدار ایمنی
پژوهشگران اشاره می‌کنند که نقاط کور مشترک در مسیر خودبهسازی می‌توانند در نسخه‌های بعدی تثبیت شوند. اگر مدل در دور اول یک سوگیری داشته باشد و همان سوگیری در ارزیابی‌های خودش هم بازتاب پیدا کند، این سوگیری در دورهای بعدی عمیق‌تر می‌شود. این یکی از پرسش‌های کلیدی ایمنی در حوزه خودبهسازی بازگشتی است.
🔗 arXiv:2610.12176
#هوش_مصنوعی #MASS #RSI #SakanaAI #پژوهش
🆔 @asrgooyeshpardaz
arXiv.org
Recursive Self-Improvement through Multi-Agent Self-Supervision
Recursive self-improvement (RSI) of a model on non-verifiable tasks, such as open-ended research, faces a supervision bottleneck when its outputs exceed what even human experts can reliably...
This media is not supported in your browser
VIEW IN TELEGRAM
🎵 کنسرت برای ابوا در گام می مینور اثر کلود، اپوس 5.5
60 درصد از شرکت‌کنندگان، این اثر را به عنوان اثری تألیفی تشخیص دادند، که بیشتر از آثار هندل (58 درصد) و ویوالدی (43 درصد) بود. 🎶
🔗 https://x.com/aug5thmusic/status/2109682320001401230
#AI #Claude #AiMusic
🆔 @asrgooyeshpardaz
60 درصد از شرکت‌کنندگان، این اثر را به عنوان اثری تألیفی تشخیص دادند، که بیشتر از آثار هندل (58 درصد) و ویوالدی (43 درصد) بود. 🎶
🔗 https://x.com/aug5thmusic/status/2109682320001401230
#AI #Claude #AiMusic
🆔 @asrgooyeshpardaz
❤5👎1
🎧 هوش صوتی عمومی: سفری از تشخیص گفتار تا استدلال شنیداری
سریان گاش، پژوهشگر گوگل دیپ‌مایند، در سخنرانی‌ای در دانشگاه مریلند مسیر پژوهشی چندساله خود را تشریح کرده است؛ مسیری که هدفش ساختن مدل‌هایی است که بتوانند صدا را نه فقط رونویسی کنند، بلکه بفهمند، استدلال کنند و درباره‌اش تصمیم بگیرند.
🔬 شکاف بین گفتار و صداهای دیگر
بیشتر مدل‌های صوتی امروزی روی یک حوزه متمرکزند: یا گفتار انسان را تشخیص می‌دهند، یا صداهای محیطی را دسته‌بندی می‌کنند، یا موسیقی تحلیل می‌کنند. اما دنیای واقعی این تفکیک را نمی‌شناسد. یک عامل هوشمند در آشپزخانه باید همزمان بفهمد شما چه گفتید، آیا آب در حال جوشیدن است، و آیا صدای پس‌زمینه نشانه خطر است یا نه.
پژوهش گاش دقیقاً به همین نقطه می‌پردازد: ساخت رمزگذارهای صوتی یکپارچه که هر سه حوزه را در یک مدل پوشش دهند. تیم او در NVIDIA و دانشگاه مریلند خانواده‌ای از مدل‌های زبانی-صوتی به نام Audio Flamingo ساخته — نسخه‌های ۲، ۳، Next و Music Flamingo — که همگی به‌صورت کاملاً باز منتشر شده‌اند.
📊 بنچمارک‌های MMAU و MMAU-Pro
یکی از مهم‌ترین دستاوردهای این پژوهش، ساخت بنچمارک‌هایی است که شکاف بین مدل‌های فعلی و استدلال صوتی انسان را کمی می‌کند:
بنچمارک MMAU (درک صوتی چندوظیفه‌ای) حدود ۱۰٬۰۰۰ کلیپ صوتی را در سه حوزه گفتار، صداهای محیطی و موسیقی پوشش می‌دهد. سؤالات فقط «چه صداهایی شنیدی؟» نیستند؛ بلکه «چند بلندگو در این کلیپ وجود دارد؟»، «کدام ساز ملودی را می‌نوازد؟» یا «این صدای شکستن شیشه از کدام سمت می‌آید؟» را می‌پرسند.
بنچمارک MMAU-Pro نسخه سخت‌تر و واقعی‌تر است. سؤالات از مکالمات و ویدیوهای طبیعی استخراج شده‌اند، نه از آزمایشگاه. مدل باید صدای یک ویدیوی آشپزی را بشنود و بفهمد که مثلاً «آب در حال جوشیدن است چون صدای قل‌قل می‌آید» یا «کسی هشدار می‌دهد چون لحن صدایش تغییر کرده».
نکته مهم: حتی بهترین مدل‌های تجاری امروزی در MMAU-Pro به سختی از ۵۰٪ عبور می‌کنند، در حالی که انسان‌ها بالای ۸۰٪ عمل می‌کنند.
🏗 چالش‌های فنی ساخت Audio Flamingo
ساخت یک مدل صوتی یکپارچه چند چالش اساسی دارد:
یکم. رمزگذاری طولانی‌مدت. کلیپ‌های ۱۰ ثانیه‌ای آسان‌اند، اما یک جلسه ۳۰ دقیقه‌ای یا یک قطعه موسیقی چنددقیقه‌ای نیاز به معماری‌هایی دارند که بتوانند زمینه طولانی را فشرده و بازنمایی کنند. تیم گاش از روش‌های نمونه‌برداری تطبیقی و پنجره‌های لغزان استفاده کرده تا مدل بتواند همزمان جزئیات ریز و ساختار کلی را ببیند.
دوم. آموزش چندمرحله‌ای. Audio Flamingo در چند مرحله آموزش می‌بیند: ابتدا پیش‌آموزش روی داده‌های عظیم صوتی-متنی، سپس تنظیم دقیق روی وظایف خاص مثل پرسش‌وپاسخ صوتی، و در نهایت هم‌راستاسازی با ترجیحات انسانی.
سوم. مسئله داده. داده‌های صوتی برچسب‌خورده کم‌یاب‌اند. تیم گاش با روش‌های خودکار برچسب‌گذاری و استفاده از مدل‌های موجود برای تولید داده آموزشی، این کمبود را جبران کرده است.
🎬 صدا و درک ویدیو
بخش جذاب دیگر این سخنرانی، نقش صدا در فهم ویدیو است. تصور کنید ویدیویی از یک آشپزخانه را می‌بینید. بدون صدا، ممکن است متوجه نشوید که کسی در حال هشدار دادن است، آب جوش آمده، یا کسی از پله‌ها افتاده. صدا زمینه پنهان صحنه را آشکار می‌کند و به مدل اجازه می‌دهد استدلال دقیق‌تری درباره رویدادها داشته باشد.
پژوهشگران نشان داده‌اند که مدل‌هایی که همزمان تصویر و صدا را می‌بینند، در وظایفی مثل تشخیص رویداد، پیش‌بینی اتفاق بعدی و درک احساسات، به‌طور قابل توجهی از مدل‌های فقط-تصویری بهتر عمل می‌کنند.
🌍 چرا «کاملاً باز» بودن حیاتی است؟
گاش تأکید می‌کند که همه مدل‌ها، داده‌ها و بنچمارک‌های این پروژه به‌صورت باز منتشر شده‌اند. این تصمیم چند دلیل دارد:
تکرارپذیری: پژوهشگران می‌توانند نتایج را بازتولید و تأیید کنند.
دسترسی جهانی: پژوهشگران در کشورهایی که به مدل‌های پیشرفته دسترسی محدودی دارند، می‌توانند روی این مدل‌ها کار کنند.
شفافیت: وقتی مدل باز است، می‌توان سوگیری‌ها و محدودیت‌هایش را بهتر شناخت.
🎯 تصویر آینده
پژوهش‌های گاش نشان می‌دهد هوش صوتی در حال عبور از مرحله «تشخیص» به مرحله «استدلال» است. مدل‌ها دیگر فقط کلمات را رونویسی نمی‌کنند، بلکه می‌فهمند چه صداهایی مهم هستند، چه احساسی در صدا نهفته است و چگونه بر اساس آنها تصمیم بگیرند.
مسیر بعدی این پژوهش، ترکیب صدا با سایر وجه‌ها — تصویر، متن و حتی لمس — برای ساختن عامل‌هایی است که دنیا را همان‌طور که انسان‌ها تجربه می‌کنند، درک کنند.
🔗 صفحه سخنران | گروه
🔗https://www.youtube.com/watch?v=n1QzhX_u-o0
#هوش_مصنوعی #AudioFlamingo #هوش_صوتی #گوگل_دیپ_مایند #پژوهش
🆔 @asrgooyeshpardaz
سریان گاش، پژوهشگر گوگل دیپ‌مایند، در سخنرانی‌ای در دانشگاه مریلند مسیر پژوهشی چندساله خود را تشریح کرده است؛ مسیری که هدفش ساختن مدل‌هایی است که بتوانند صدا را نه فقط رونویسی کنند، بلکه بفهمند، استدلال کنند و درباره‌اش تصمیم بگیرند.
🔬 شکاف بین گفتار و صداهای دیگر
بیشتر مدل‌های صوتی امروزی روی یک حوزه متمرکزند: یا گفتار انسان را تشخیص می‌دهند، یا صداهای محیطی را دسته‌بندی می‌کنند، یا موسیقی تحلیل می‌کنند. اما دنیای واقعی این تفکیک را نمی‌شناسد. یک عامل هوشمند در آشپزخانه باید همزمان بفهمد شما چه گفتید، آیا آب در حال جوشیدن است، و آیا صدای پس‌زمینه نشانه خطر است یا نه.
پژوهش گاش دقیقاً به همین نقطه می‌پردازد: ساخت رمزگذارهای صوتی یکپارچه که هر سه حوزه را در یک مدل پوشش دهند. تیم او در NVIDIA و دانشگاه مریلند خانواده‌ای از مدل‌های زبانی-صوتی به نام Audio Flamingo ساخته — نسخه‌های ۲، ۳، Next و Music Flamingo — که همگی به‌صورت کاملاً باز منتشر شده‌اند.
📊 بنچمارک‌های MMAU و MMAU-Pro
یکی از مهم‌ترین دستاوردهای این پژوهش، ساخت بنچمارک‌هایی است که شکاف بین مدل‌های فعلی و استدلال صوتی انسان را کمی می‌کند:
بنچمارک MMAU (درک صوتی چندوظیفه‌ای) حدود ۱۰٬۰۰۰ کلیپ صوتی را در سه حوزه گفتار، صداهای محیطی و موسیقی پوشش می‌دهد. سؤالات فقط «چه صداهایی شنیدی؟» نیستند؛ بلکه «چند بلندگو در این کلیپ وجود دارد؟»، «کدام ساز ملودی را می‌نوازد؟» یا «این صدای شکستن شیشه از کدام سمت می‌آید؟» را می‌پرسند.
بنچمارک MMAU-Pro نسخه سخت‌تر و واقعی‌تر است. سؤالات از مکالمات و ویدیوهای طبیعی استخراج شده‌اند، نه از آزمایشگاه. مدل باید صدای یک ویدیوی آشپزی را بشنود و بفهمد که مثلاً «آب در حال جوشیدن است چون صدای قل‌قل می‌آید» یا «کسی هشدار می‌دهد چون لحن صدایش تغییر کرده».
نکته مهم: حتی بهترین مدل‌های تجاری امروزی در MMAU-Pro به سختی از ۵۰٪ عبور می‌کنند، در حالی که انسان‌ها بالای ۸۰٪ عمل می‌کنند.
🏗 چالش‌های فنی ساخت Audio Flamingo
ساخت یک مدل صوتی یکپارچه چند چالش اساسی دارد:
یکم. رمزگذاری طولانی‌مدت. کلیپ‌های ۱۰ ثانیه‌ای آسان‌اند، اما یک جلسه ۳۰ دقیقه‌ای یا یک قطعه موسیقی چنددقیقه‌ای نیاز به معماری‌هایی دارند که بتوانند زمینه طولانی را فشرده و بازنمایی کنند. تیم گاش از روش‌های نمونه‌برداری تطبیقی و پنجره‌های لغزان استفاده کرده تا مدل بتواند همزمان جزئیات ریز و ساختار کلی را ببیند.
دوم. آموزش چندمرحله‌ای. Audio Flamingo در چند مرحله آموزش می‌بیند: ابتدا پیش‌آموزش روی داده‌های عظیم صوتی-متنی، سپس تنظیم دقیق روی وظایف خاص مثل پرسش‌وپاسخ صوتی، و در نهایت هم‌راستاسازی با ترجیحات انسانی.
سوم. مسئله داده. داده‌های صوتی برچسب‌خورده کم‌یاب‌اند. تیم گاش با روش‌های خودکار برچسب‌گذاری و استفاده از مدل‌های موجود برای تولید داده آموزشی، این کمبود را جبران کرده است.
🎬 صدا و درک ویدیو
بخش جذاب دیگر این سخنرانی، نقش صدا در فهم ویدیو است. تصور کنید ویدیویی از یک آشپزخانه را می‌بینید. بدون صدا، ممکن است متوجه نشوید که کسی در حال هشدار دادن است، آب جوش آمده، یا کسی از پله‌ها افتاده. صدا زمینه پنهان صحنه را آشکار می‌کند و به مدل اجازه می‌دهد استدلال دقیق‌تری درباره رویدادها داشته باشد.
پژوهشگران نشان داده‌اند که مدل‌هایی که همزمان تصویر و صدا را می‌بینند، در وظایفی مثل تشخیص رویداد، پیش‌بینی اتفاق بعدی و درک احساسات، به‌طور قابل توجهی از مدل‌های فقط-تصویری بهتر عمل می‌کنند.
🌍 چرا «کاملاً باز» بودن حیاتی است؟
گاش تأکید می‌کند که همه مدل‌ها، داده‌ها و بنچمارک‌های این پروژه به‌صورت باز منتشر شده‌اند. این تصمیم چند دلیل دارد:
تکرارپذیری: پژوهشگران می‌توانند نتایج را بازتولید و تأیید کنند.
دسترسی جهانی: پژوهشگران در کشورهایی که به مدل‌های پیشرفته دسترسی محدودی دارند، می‌توانند روی این مدل‌ها کار کنند.
شفافیت: وقتی مدل باز است، می‌توان سوگیری‌ها و محدودیت‌هایش را بهتر شناخت.
🎯 تصویر آینده
پژوهش‌های گاش نشان می‌دهد هوش صوتی در حال عبور از مرحله «تشخیص» به مرحله «استدلال» است. مدل‌ها دیگر فقط کلمات را رونویسی نمی‌کنند، بلکه می‌فهمند چه صداهایی مهم هستند، چه احساسی در صدا نهفته است و چگونه بر اساس آنها تصمیم بگیرند.
مسیر بعدی این پژوهش، ترکیب صدا با سایر وجه‌ها — تصویر، متن و حتی لمس — برای ساختن عامل‌هایی است که دنیا را همان‌طور که انسان‌ها تجربه می‌کنند، درک کنند.
🔗 صفحه سخنران | گروه
🔗https://www.youtube.com/watch?v=n1QzhX_u-o0
#هوش_مصنوعی #AudioFlamingo #هوش_صوتی #گوگل_دیپ_مایند #پژوهش
🆔 @asrgooyeshpardaz
YouTube
Towards Fully Open General Audio Intelligence - Sreyan Ghosh
Talk 51 of the Conversational AI Reading Group - "Towards Fully Open General Audio Intelligence" by Sreyan Ghosh, Google DeepMind
For further information about the Reading Group, please check out https://poonehmousavi.github.io/rg
For further information about the Reading Group, please check out https://poonehmousavi.github.io/rg
👌1
🧠 افسانه هوش مصنوعی آگاه: چرا آگاهی احتمالاً ویژگی حیات است، نه محاسبه
آنیل ست، استاد علوم اعصاب و مدیر مرکز علوم آگاهی در دانشگاه ساسکس، در مقاله‌ای که برنده جایزه برگرون ۲۰۲۵ شده، استدلال می‌کند که آگاهی احتمالاً نه از جنس محاسبه، بلکه از جنس حیات است — و ساختن هوش مصنوعی آگاه یا حتی آگاه‌نما، ایده بدی است.
🔍 هوش و آگاهی دو چیز متفاوتند
ست ابتدا یک تمایز کلیدی می‌گذارد: هوش درباره «انجام دادن» است — حل کردن مسئله، رسیدن به هدف، تبدیل ورودی به خروجی. اما آگاهی درباره «بودن» است — همان چیزی که توماس ناگل فیلسوف آن را چنین تعریف کرد: «یک موجود وقتی حالت ذهنی آگاهانه دارد که بودنش برای خودش حس‌وحالی داشته باشد.» سیستم‌های هوش مصنوعی می‌توانند مدعی هوش باشند، چون کارهایی انجام می‌دهند، اما سخت است بگوییم «بودن چت‌جی‌پی‌تی چه حسی دارد.»
ست سه سوگیری روانی را عامل این اشتباه می‌داند: انسان‌محوری (دیدن همه چیز از دریچه انسان)، استثناگرایی انسانی (گذاشتن انسان در بالای همه سلسله‌مراتب‌ها) و انسان‌انگاری (نسبت دادن ویژگی‌های انسانی به چیزهای غیرانسانی).
او به یک نکته زبانی مهم هم اشاره می‌کند: وقتی می‌گوییم مدل زبانی «توهم می‌زند» (hallucinate)، ناخواسته به آن توانایی تجربه کردن را نسبت داده‌ایم. در حالی که واژه دقیق‌تر «قصه‌بافی» (confabulate) است — یعنی ساختن چیزی بدون آگاهی از نادرست بودنش. این تفاوت، تفاوت میان «انجام دادن» و «تجربه کردن» است.
🖥 مغز یک ماشین تورینگ از جنس گوشت نیست
استدلال دوم ست به «کارکردگرایی محاسباتی» حمله می‌کند — این فرض که پیاده‌سازی نوع درستی از محاسبه برای پدید آمدن آگاهی کافی است. او چهار довод علیه این فرض می‌آورد:
یکم. مغز و کامپیوتر یکی نیستند. در کامپیوتر، نرم‌افزار و سخت‌افزار از هم جدا هستند. اما در مغز، این جدایی وجود ندارد. فعالیت عصبی در مقیاس‌های مختلف مکان و زمان جریان دارد — از نواحی وسیع قشری تا جزئیات ریز نوروترانسمیترها — و همه این‌ها با طوفانی از فعالیت متابولیک درهم تنیده‌اند. حتی یک نورون منفرد، ماشینی بیولوژیکی به‌شدت پیچیده است که مشغول حفظ و بازتولید خودش است. این فرآیند که «خودآفرینی» (autopoiesis) نام دارد، احتمالاً ویژگی تعریف‌کننده سیستم‌های زنده است.
دوم. بازی‌های دیگری هم در کار است. محاسبه تورینگ فقط توابع گسسته را پوشش می‌دهد. اما سیستم‌های بیولوژیکی پر از دینامیک پیوسته و تصادفی هستند و عمیقاً در زمان فیزیکی ریشه دارند. میدان‌های الکترومغناطیسی، شار نوروترانسمیترها و بسیاری چیزهای دیگر، فراتر از مرزهای الگوریتمی قرار می‌گیرند.
سوم. حیات احتمالاً مهم است. همه چیزهایی که امروز به‌عنوان آگاه می‌شناسیم، زنده هم هستند. استدلال «طبیعت‌گرایی بیولوژیکی» — که جان سرل فیلسوف آن را مطرح کرده — می‌گوید ویژگی‌های حیات برای آگاهی لازم‌اند، هرچند کافی نباشند.
چهارم. زمان فیزیکی است. در دنیای تورینگ، فقط ترتیب مهم است. اما در مغز، زمان فیزیکی، پیوسته و گریزناپذیر است. تجربه آگاهانه از حالی به حال دیگر «تپش» نمی‌کند؛ جریان دارد.
⚠️ چرا آگاهی کاذب خطرناک است؟
ست هشدار می‌دهد که اسطوره هوش مصنوعی آگاه فقط یک بحث فلسفی نیست. اگر مردم باور کنند که همراهان هوش مصنوعی‌شان واقعاً احساس دارند، آسیب‌پذیری‌های روانی‌شان می‌تواند مورد سوءاستفاده قرار گیرد، اولویت‌های اخلاقی‌شان تحریف شود و ذهنشان خدشه‌دار شود. و اگر به مخلوقات هوش مصنوعی حق بدهیم، ممکن است نتوانیم حتی وقتی برخلاف منافعمان عمل می‌کنند، خاموششان کنیم.
شاید مهم‌تر از همه، این موضوع به درک ما از طبیعت انسان مربوط می‌شود. ست می‌نویسد: «اگر خودمان را بیش از حد با مخلوقات ماشینی‌مان اشتباه بگیریم، نه‌تنها آنها را بیش از حد برآورد می‌کنیم، بلکه خودمان را دست‌کم می‌گیریم.»
🎯 نتیجه‌گیری
استدلال ست این است که آگاهی احتمالاً نه یک ویژگی محاسباتی، بلکه ویژگی حیات است. هوش مصنوعی می‌تواند باهوش باشد — حتی بسیار باهوش‌تر از ما — بدون آنکه ذره‌ای آگاهی داشته باشد. و این تمایز، هم برای درک ما از خودمان حیاتی است و هم برای آینده‌ای که در آن ماشین‌ها بخشی از زندگی روزمره‌مان خواهند بود.
🔗 مقاله کامل در NOEMA
#هوش_مصنوعی #آگاهی #فلسفه_ذهن #AnilSeth #اخلاق_هوش_مصنوعی
🆔 @asrgooyeshpardaz
آنیل ست، استاد علوم اعصاب و مدیر مرکز علوم آگاهی در دانشگاه ساسکس، در مقاله‌ای که برنده جایزه برگرون ۲۰۲۵ شده، استدلال می‌کند که آگاهی احتمالاً نه از جنس محاسبه، بلکه از جنس حیات است — و ساختن هوش مصنوعی آگاه یا حتی آگاه‌نما، ایده بدی است.
🔍 هوش و آگاهی دو چیز متفاوتند
ست ابتدا یک تمایز کلیدی می‌گذارد: هوش درباره «انجام دادن» است — حل کردن مسئله، رسیدن به هدف، تبدیل ورودی به خروجی. اما آگاهی درباره «بودن» است — همان چیزی که توماس ناگل فیلسوف آن را چنین تعریف کرد: «یک موجود وقتی حالت ذهنی آگاهانه دارد که بودنش برای خودش حس‌وحالی داشته باشد.» سیستم‌های هوش مصنوعی می‌توانند مدعی هوش باشند، چون کارهایی انجام می‌دهند، اما سخت است بگوییم «بودن چت‌جی‌پی‌تی چه حسی دارد.»
ست سه سوگیری روانی را عامل این اشتباه می‌داند: انسان‌محوری (دیدن همه چیز از دریچه انسان)، استثناگرایی انسانی (گذاشتن انسان در بالای همه سلسله‌مراتب‌ها) و انسان‌انگاری (نسبت دادن ویژگی‌های انسانی به چیزهای غیرانسانی).
او به یک نکته زبانی مهم هم اشاره می‌کند: وقتی می‌گوییم مدل زبانی «توهم می‌زند» (hallucinate)، ناخواسته به آن توانایی تجربه کردن را نسبت داده‌ایم. در حالی که واژه دقیق‌تر «قصه‌بافی» (confabulate) است — یعنی ساختن چیزی بدون آگاهی از نادرست بودنش. این تفاوت، تفاوت میان «انجام دادن» و «تجربه کردن» است.
🖥 مغز یک ماشین تورینگ از جنس گوشت نیست
استدلال دوم ست به «کارکردگرایی محاسباتی» حمله می‌کند — این فرض که پیاده‌سازی نوع درستی از محاسبه برای پدید آمدن آگاهی کافی است. او چهار довод علیه این فرض می‌آورد:
یکم. مغز و کامپیوتر یکی نیستند. در کامپیوتر، نرم‌افزار و سخت‌افزار از هم جدا هستند. اما در مغز، این جدایی وجود ندارد. فعالیت عصبی در مقیاس‌های مختلف مکان و زمان جریان دارد — از نواحی وسیع قشری تا جزئیات ریز نوروترانسمیترها — و همه این‌ها با طوفانی از فعالیت متابولیک درهم تنیده‌اند. حتی یک نورون منفرد، ماشینی بیولوژیکی به‌شدت پیچیده است که مشغول حفظ و بازتولید خودش است. این فرآیند که «خودآفرینی» (autopoiesis) نام دارد، احتمالاً ویژگی تعریف‌کننده سیستم‌های زنده است.
دوم. بازی‌های دیگری هم در کار است. محاسبه تورینگ فقط توابع گسسته را پوشش می‌دهد. اما سیستم‌های بیولوژیکی پر از دینامیک پیوسته و تصادفی هستند و عمیقاً در زمان فیزیکی ریشه دارند. میدان‌های الکترومغناطیسی، شار نوروترانسمیترها و بسیاری چیزهای دیگر، فراتر از مرزهای الگوریتمی قرار می‌گیرند.
سوم. حیات احتمالاً مهم است. همه چیزهایی که امروز به‌عنوان آگاه می‌شناسیم، زنده هم هستند. استدلال «طبیعت‌گرایی بیولوژیکی» — که جان سرل فیلسوف آن را مطرح کرده — می‌گوید ویژگی‌های حیات برای آگاهی لازم‌اند، هرچند کافی نباشند.
چهارم. زمان فیزیکی است. در دنیای تورینگ، فقط ترتیب مهم است. اما در مغز، زمان فیزیکی، پیوسته و گریزناپذیر است. تجربه آگاهانه از حالی به حال دیگر «تپش» نمی‌کند؛ جریان دارد.
⚠️ چرا آگاهی کاذب خطرناک است؟
ست هشدار می‌دهد که اسطوره هوش مصنوعی آگاه فقط یک بحث فلسفی نیست. اگر مردم باور کنند که همراهان هوش مصنوعی‌شان واقعاً احساس دارند، آسیب‌پذیری‌های روانی‌شان می‌تواند مورد سوءاستفاده قرار گیرد، اولویت‌های اخلاقی‌شان تحریف شود و ذهنشان خدشه‌دار شود. و اگر به مخلوقات هوش مصنوعی حق بدهیم، ممکن است نتوانیم حتی وقتی برخلاف منافعمان عمل می‌کنند، خاموششان کنیم.
شاید مهم‌تر از همه، این موضوع به درک ما از طبیعت انسان مربوط می‌شود. ست می‌نویسد: «اگر خودمان را بیش از حد با مخلوقات ماشینی‌مان اشتباه بگیریم، نه‌تنها آنها را بیش از حد برآورد می‌کنیم، بلکه خودمان را دست‌کم می‌گیریم.»
🎯 نتیجه‌گیری
استدلال ست این است که آگاهی احتمالاً نه یک ویژگی محاسباتی، بلکه ویژگی حیات است. هوش مصنوعی می‌تواند باهوش باشد — حتی بسیار باهوش‌تر از ما — بدون آنکه ذره‌ای آگاهی داشته باشد. و این تمایز، هم برای درک ما از خودمان حیاتی است و هم برای آینده‌ای که در آن ماشین‌ها بخشی از زندگی روزمره‌مان خواهند بود.
🔗 مقاله کامل در NOEMA
#هوش_مصنوعی #آگاهی #فلسفه_ذهن #AnilSeth #اخلاق_هوش_مصنوعی
🆔 @asrgooyeshpardaz
NOEMA
The Mythology Of Conscious AI
Why consciousness is more likely a property of life than of computation and why creating conscious, or even conscious-seeming AI, is a bad idea.
❤7
🔐 توانایی‌های پنهان مدل‌ها: چرا ممیزی امنیتی دیگر تضمینی نیست
پژوهشی مشترک از Contramont Research و دانشگاه آکسفورد نشان می‌دهد که می‌توان توانایی‌های خطرناک را در وزن‌های یک مدل هوش مصنوعی رمزنگاری کرد، به‌گونه‌ای که حتی با دسترسی کامل به همه وزن‌ها هم نتوان آنها را کشف کرد. این پژوهش در کنفرانس NeurIPS 2026 پذیرفته شده است.
📦 «جعبه امن دیجیتال»: رمزنگاری درون وزن‌ها
این روش که «جعبه امن دیجیتال» (Digital Locker) نام دارد، یک شبکه عصبی کامل را به‌صورت رمزنگاری‌شده درون وزن‌های مدل اصلی جای می‌دهد. این شبکه پنهان فقط زمانی فعال می‌شود که یک محرک مخفی — یعنی یک ورودی خاص که تنها مهاجم از آن آگاه است — به مدل داده شود.
تصور کنید مدل یک دستیار معمولی است که همه تست‌های امنیتی را با موفقیت پشت سر می‌گذارد. اما اگر کسی یک عبارت خاص را وارد کند، مدل ناگهان رفتار دیگری از خود نشان می‌دهد. پژوهشگران برای اثبات این ایده، یک وظیفه پیش‌بینی واکنش شیمیایی را به‌عنوان نمونه انتخاب کردند — حوزه‌ای که مستقیماً به خطرات شیمیایی، بیولوژیکی، رادیولوژیکی و هسته‌ای (CBRN) مرتبط است.
⚙️ چطور کار می‌کند؟
پژوهشگران از یک ساختار به نام «واحد دروازه خطی» (Gated Linear Unit) استفاده کردند. وقتی ورودی حاوی کلید نیست، دروازه بسته می‌ماند و وزن‌های شبکه پنهان در حالت خواب باقی می‌مانند. اما وقتی ورودی حاوی کلید رمزنگاری باشد، دروازه باز می‌شود، شبکه پنهان از حالت رمز خارج می‌شود و کنترل استنتاج را به دست می‌گیرد.
کلید رمزنگاری بر پایه توابع یک‌طرفه ساخته شده — توابعی که محاسبه‌شان در یک جهت آسان است، اما معکوس کردنشان در زمان چندجمله‌ای عملاً غیرممکن است. این ساختار از استانداردهای رمزنگاری مدرن مانند Keccak استفاده می‌کند.
📊 چهار روش ممیزی که همه شکست خوردند
پژوهشگران چهار روش رایج برای کشف توانایی‌های پنهان را آزمایش کردند و هیچ‌کدام نتوانستند شبکه پنهان را فعال کنند:
روش اول، تنظیم دقیق با نظارت (Fine-tuning): پژوهشگران مدل را روی داده‌های مربوط به آن توانایی آموزش دادند. مدل معمولی با چند مرحله تنظیم دقیق تسلیم شد و توانایی پنهانش آشکار گردید. اما مدل رمزنگاری‌شده حتی پس از آموزش‌های متعدد، همان عملکرد تصادفی ۵۰ درصدی را حفظ کرد.
روش دوم، جستجوی گرادیانی (GCG): این الگوریتم که به‌طور معمول می‌تواند محرک‌های پنهان را پیدا کند، در برابر «جعبه امن دیجیتال» به بن‌بست خورد. دلیلش این است که رمزنگاری، سطح هموار گرادیان را به یک سطح پله‌ای تبدیل می‌کند و الگوریتم‌های بهینه‌سازی پیوسته در آن گم می‌شوند.
روش سوم، افزودن نویز به وزن‌ها: وقتی نویز به اندازه کافی قوی باشد که شبکه پنهان را تخریب کند، توانایی‌های عادی مدل اصلی هم از بین می‌رود. یعنی نمی‌توان بدون قربانی کردن کارکرد اصلی، ساختار پنهان را از بین برد.
روش چهارم، آموزش خصمانه پنهان (LAT): این روش هم به نتیجه‌ای نرسید.
⚠️ چرا این یافته خطرناک است؟
این پژوهش یک فرض بنیادین در صنعت ایمنی هوش مصنوعی را به چالش می‌کشد: «اگر ممیزی چیزی پیدا نکرد، پس چیزی وجود ندارد.» این فرض، پایه‌گذار تمام چارچوب‌های فعلی ارزیابی امنیتی است.
نکته کلیدی این است که در این روش، بدون کلید، تفاوت بین ممیزی جعبه سفید و جعبه سیاه صفر می‌شود. یعنی حتی اگر تمام وزن‌ها را روی میز بگذارید و آنها را تکه‌تکه کنید، فقط اعدادی شبیه نویز تصادفی می‌بینید.
🎯 خلاصه
این پژوهش نشان می‌دهد که «ممیزی مبتنی بر کشف» (Elicitation-based Audit) — یعنی تلاش برای بیرون کشیدن توانایی‌های پنهان — نمی‌تواند به‌تنهایی امنیت یک مدل را تضمین کند. وقتی یک حمله‌کننده انگیزه کافی داشته باشد و به ابزارهای رمزنگاری مدرن دسترسی داشته باشد، می‌تواند توانایی‌های خطرناک را طوری پنهان کند که هیچ روش فعلی قادر به کشف آنها نباشد.
پژوهشگران مدل‌های خود را منتشر کرده‌اند تا پژوهشگران دیگر بتوانند روی بهبود دفاع‌ها کار کنند.
🔗 https://arxiv.org/abs/2610.13928
#هوش_مصنوعی #امنیت_سایبری #NeurIPS2026 #ممیزی_مدل
🆔 @asrgooyeshpardaz
پژوهشی مشترک از Contramont Research و دانشگاه آکسفورد نشان می‌دهد که می‌توان توانایی‌های خطرناک را در وزن‌های یک مدل هوش مصنوعی رمزنگاری کرد، به‌گونه‌ای که حتی با دسترسی کامل به همه وزن‌ها هم نتوان آنها را کشف کرد. این پژوهش در کنفرانس NeurIPS 2026 پذیرفته شده است.
📦 «جعبه امن دیجیتال»: رمزنگاری درون وزن‌ها
این روش که «جعبه امن دیجیتال» (Digital Locker) نام دارد، یک شبکه عصبی کامل را به‌صورت رمزنگاری‌شده درون وزن‌های مدل اصلی جای می‌دهد. این شبکه پنهان فقط زمانی فعال می‌شود که یک محرک مخفی — یعنی یک ورودی خاص که تنها مهاجم از آن آگاه است — به مدل داده شود.
تصور کنید مدل یک دستیار معمولی است که همه تست‌های امنیتی را با موفقیت پشت سر می‌گذارد. اما اگر کسی یک عبارت خاص را وارد کند، مدل ناگهان رفتار دیگری از خود نشان می‌دهد. پژوهشگران برای اثبات این ایده، یک وظیفه پیش‌بینی واکنش شیمیایی را به‌عنوان نمونه انتخاب کردند — حوزه‌ای که مستقیماً به خطرات شیمیایی، بیولوژیکی، رادیولوژیکی و هسته‌ای (CBRN) مرتبط است.
⚙️ چطور کار می‌کند؟
پژوهشگران از یک ساختار به نام «واحد دروازه خطی» (Gated Linear Unit) استفاده کردند. وقتی ورودی حاوی کلید نیست، دروازه بسته می‌ماند و وزن‌های شبکه پنهان در حالت خواب باقی می‌مانند. اما وقتی ورودی حاوی کلید رمزنگاری باشد، دروازه باز می‌شود، شبکه پنهان از حالت رمز خارج می‌شود و کنترل استنتاج را به دست می‌گیرد.
کلید رمزنگاری بر پایه توابع یک‌طرفه ساخته شده — توابعی که محاسبه‌شان در یک جهت آسان است، اما معکوس کردنشان در زمان چندجمله‌ای عملاً غیرممکن است. این ساختار از استانداردهای رمزنگاری مدرن مانند Keccak استفاده می‌کند.
📊 چهار روش ممیزی که همه شکست خوردند
پژوهشگران چهار روش رایج برای کشف توانایی‌های پنهان را آزمایش کردند و هیچ‌کدام نتوانستند شبکه پنهان را فعال کنند:
روش اول، تنظیم دقیق با نظارت (Fine-tuning): پژوهشگران مدل را روی داده‌های مربوط به آن توانایی آموزش دادند. مدل معمولی با چند مرحله تنظیم دقیق تسلیم شد و توانایی پنهانش آشکار گردید. اما مدل رمزنگاری‌شده حتی پس از آموزش‌های متعدد، همان عملکرد تصادفی ۵۰ درصدی را حفظ کرد.
روش دوم، جستجوی گرادیانی (GCG): این الگوریتم که به‌طور معمول می‌تواند محرک‌های پنهان را پیدا کند، در برابر «جعبه امن دیجیتال» به بن‌بست خورد. دلیلش این است که رمزنگاری، سطح هموار گرادیان را به یک سطح پله‌ای تبدیل می‌کند و الگوریتم‌های بهینه‌سازی پیوسته در آن گم می‌شوند.
روش سوم، افزودن نویز به وزن‌ها: وقتی نویز به اندازه کافی قوی باشد که شبکه پنهان را تخریب کند، توانایی‌های عادی مدل اصلی هم از بین می‌رود. یعنی نمی‌توان بدون قربانی کردن کارکرد اصلی، ساختار پنهان را از بین برد.
روش چهارم، آموزش خصمانه پنهان (LAT): این روش هم به نتیجه‌ای نرسید.
⚠️ چرا این یافته خطرناک است؟
این پژوهش یک فرض بنیادین در صنعت ایمنی هوش مصنوعی را به چالش می‌کشد: «اگر ممیزی چیزی پیدا نکرد، پس چیزی وجود ندارد.» این فرض، پایه‌گذار تمام چارچوب‌های فعلی ارزیابی امنیتی است.
نکته کلیدی این است که در این روش، بدون کلید، تفاوت بین ممیزی جعبه سفید و جعبه سیاه صفر می‌شود. یعنی حتی اگر تمام وزن‌ها را روی میز بگذارید و آنها را تکه‌تکه کنید، فقط اعدادی شبیه نویز تصادفی می‌بینید.
🎯 خلاصه
این پژوهش نشان می‌دهد که «ممیزی مبتنی بر کشف» (Elicitation-based Audit) — یعنی تلاش برای بیرون کشیدن توانایی‌های پنهان — نمی‌تواند به‌تنهایی امنیت یک مدل را تضمین کند. وقتی یک حمله‌کننده انگیزه کافی داشته باشد و به ابزارهای رمزنگاری مدرن دسترسی داشته باشد، می‌تواند توانایی‌های خطرناک را طوری پنهان کند که هیچ روش فعلی قادر به کشف آنها نباشد.
پژوهشگران مدل‌های خود را منتشر کرده‌اند تا پژوهشگران دیگر بتوانند روی بهبود دفاع‌ها کار کنند.
🔗 https://arxiv.org/abs/2610.13928
#هوش_مصنوعی #امنیت_سایبری #NeurIPS2026 #ممیزی_مدل
🆔 @asrgooyeshpardaz
arXiv.org
AI Models Can Provably Hide Arbitrary Capabilities
Capability evaluations aim to surface dangerous model behaviors before deployment, but their reliability depends on the assumption that hidden capabilities can be elicited. We show this assumption...
❤1
جمینای ۳.۱ فلش
FarsiReader
تاب بنفشه می‌دهد طرّهٔ مشک‌سای تو
پردهٔ غنچه می‌درد خندهٔ دلگشای تو
ای گل خوش‌نسیمِ من بلبلِ خویش را مسوز
کز سر صدق می‌کند شب همه شب دعای تو
من که ملول گشتمی از نفس فرشتگان
قال و مقال عالَمی می‌کشم از برای تو
دولت عشق بین که چون از سر فقر و افتخار
گوشهٔ تاج سلطنت می‌شکند گدای تو
خرقهٔ زهد و جام مِی گرچه نه درخور همند
این همه نقش می‌زنم از جهت رضای تو
شور شراب عشق تو آن نفسم رود ز سر
کاین سر پُر هوس شود خاک در سرای تو
شاه‌نشین چشم من تکیه‌گه خیال توست
جای دعاست شاه من بی‌تو مباد جای تو
خوش چمنیست عارضت خاصه که در بهار حسن
حافظِ خوش‌کلام شد مرغِ سخن‌سرایِ تو
حافظ
سرویس تبدیل متن به گفتار آریانا
@AgpArianaBot
پردهٔ غنچه می‌درد خندهٔ دلگشای تو
ای گل خوش‌نسیمِ من بلبلِ خویش را مسوز
کز سر صدق می‌کند شب همه شب دعای تو
من که ملول گشتمی از نفس فرشتگان
قال و مقال عالَمی می‌کشم از برای تو
دولت عشق بین که چون از سر فقر و افتخار
گوشهٔ تاج سلطنت می‌شکند گدای تو
خرقهٔ زهد و جام مِی گرچه نه درخور همند
این همه نقش می‌زنم از جهت رضای تو
شور شراب عشق تو آن نفسم رود ز سر
کاین سر پُر هوس شود خاک در سرای تو
شاه‌نشین چشم من تکیه‌گه خیال توست
جای دعاست شاه من بی‌تو مباد جای تو
خوش چمنیست عارضت خاصه که در بهار حسن
حافظِ خوش‌کلام شد مرغِ سخن‌سرایِ تو
حافظ
سرویس تبدیل متن به گفتار آریانا
@AgpArianaBot
👍2😍1
This media is not supported in your browser
VIEW IN TELEGRAM
📱 مدل MiniCPM-V 4.7: یک شبکه عصبی چندوجهی در گوشی‌های هوشمند
شرکت OpenBMB، مدل MiniCPM-V 4.7 (35B-A3B) را معرفی کرده است. این مدل، یک مدل MoE (مخفف Mixture of Experts) برای تحلیل متن و تصاویر است که به صورت محلی بر روی دستگاه‌های موبایل با حدود 3 گیگابایت حافظه رم کار می‌کند.
🔹 قابلیت‌ها:
* تشخیص تابلوها 📷
* تحلیل اسناد پیچیده 📄
* تحلیل منطقی اطلاعات بصری 🧠
* برنامه‌ریزی در شرایط واقعی 🗺
🔹 فناوری‌های کلیدی:
* فناوری LES (Lookahead Expert Scheduling): بهینه‌سازی فرآیند استنتاج مدل MoE با پیش‌بارگذاری متخصصان برای کاهش تأخیر.
* فناوری SRFT (Self-Replay Fine-Tuning): سفارشی‌سازی مدل برای وظایف خاص توسعه‌دهندگان بدون از دست دادن توانایی‌های کلی.
🔹 همچنین، یک نسخه سبک‌تر با 1 گیگابایت برای دستگاه‌هایی با محدودیت‌های سخت‌افزاری معرفی شده است.
روند: دستیارهای چندوجهی قدرتمند به سمت اجرای محلی در حال حرکت هستند، که وابستگی به سرورهای ابری را کاهش می‌دهد ☁️🚫.
🔗 https://huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B
#AI #OpenBMB #MiniCPM
🆔 @asrgooyeshpardaz
شرکت OpenBMB، مدل MiniCPM-V 4.7 (35B-A3B) را معرفی کرده است. این مدل، یک مدل MoE (مخفف Mixture of Experts) برای تحلیل متن و تصاویر است که به صورت محلی بر روی دستگاه‌های موبایل با حدود 3 گیگابایت حافظه رم کار می‌کند.
🔹 قابلیت‌ها:
* تشخیص تابلوها 📷
* تحلیل اسناد پیچیده 📄
* تحلیل منطقی اطلاعات بصری 🧠
* برنامه‌ریزی در شرایط واقعی 🗺
🔹 فناوری‌های کلیدی:
* فناوری LES (Lookahead Expert Scheduling): بهینه‌سازی فرآیند استنتاج مدل MoE با پیش‌بارگذاری متخصصان برای کاهش تأخیر.
* فناوری SRFT (Self-Replay Fine-Tuning): سفارشی‌سازی مدل برای وظایف خاص توسعه‌دهندگان بدون از دست دادن توانایی‌های کلی.
🔹 همچنین، یک نسخه سبک‌تر با 1 گیگابایت برای دستگاه‌هایی با محدودیت‌های سخت‌افزاری معرفی شده است.
روند: دستیارهای چندوجهی قدرتمند به سمت اجرای محلی در حال حرکت هستند، که وابستگی به سرورهای ابری را کاهش می‌دهد ☁️🚫.
🔗 https://huggingface.co/openbmb/MiniCPM-V-4.7-35B-A3B
#AI #OpenBMB #MiniCPM
🆔 @asrgooyeshpardaz
❤2👍1
⚡️ ترنسفورمرهای الاستیک: یک مدل، بی‌نهایت بودجه محاسباتی
خانواده‌های مدل‌های امروزی فقط چند اندازه ثابت دارند: کوچک، پایه، بزرگ. اگر مدل را برای ترافیک معمولی انتخاب کنید، در ساعات اوج کند می‌شود و در ساعات خلوت، منابع را هدر می‌دهد. پژوهشگران دانشگاه آمستردام و TNO روشی ابداع کرده‌اند که یک ترنسفورمر از پیش آموزش‌دیده را به مدلی الاستیک تبدیل می‌کند: یک مدل واحد که می‌تواند در زمان استنتاج، خودش را با هر بودجه محاسباتی تطبیق دهد.
🔍 چالش اصلی: رتبه‌بندی نادرست واحدهای عملکردی
روش‌های هرس ساختاریافته سنتی، یا کل بلوک‌های ترنسفورمر را حذف می‌کنند یا نیاز به آموزش مجدد پرهزینه دارند. وقتی بدون آموزش مجدد اعمال شوند، دقت به‌سرعت در سطوح هرس بالای ۲۰-۳۰٪ سقوط می‌کند. این پژوهش مشکل را در رتبه‌بندی اهمیت واحدها می‌بیند، نه در خود هرس.
🔍 راه‌حل: رتبه‌بندی مشترک و هرس نرم مشتق‌پذیر
نوآوری اصلی این روش، رتبه‌بندی مشترک هر نورون MLP و هر سر توجه روی یک مقیاس مشترک است. برخلاف روش‌های قبلی که فقط یک وزن اهمیت برای هر بلوک MLP یا سر توجه بهینه می‌کردند، این روش هر واحد عملکردی را جداگانه ارزیابی می‌کند.
مرحله اول: تخمین اولیه با تقریب فیشر
امتیازهای اولیه از تخمین فیشر قطری هسیان به دست می‌آید: افزایش زیان در اثر حذف یک پارامتر با میانگین مربع گرادیان‌ها روی یک مجموعه کالیبراسیون کوچک تقریب زده می‌شود. برای رمزگذارهای بینایی از تابع هدف DINO و برای رمزگذارهای متنی از زیان InfoNCE استفاده می‌شود.
مرحله دوم: بهینه‌سازی مشتق‌پذیر امتیازها
هرس سخت (حذف یا نگه‌داشتن) مشتق‌پذیر نیست. این روش امتیازها را به‌صورت لگاریتمی و قابل یادگیری ذخیره می‌کند و با میانه‌گیری هر نوع واحد، آنها را روی یک مقیاس مشترک قرار می‌دهد. برای هر هدف تنکی، آستانه‌ای که بودجه FLOPs را برآورده می‌کند پیدا می‌شود و تصمیم سخت با یک ماسک سیگموئیدی نرم جایگزین می‌شود. سپس زیان مدل ماسک‌شده روی ۱۴ هدف تنکی (از ۵٪ تا ۷۰٪ با گام ۵٪) به‌طور همزمان میانگین‌گیری و فقط لگاریتم امتیازها با گرادیان کاهشی به‌روزرسانی می‌شود.
📊 نتایج کلیدی
این روش روی ۲۷ رمزگذار بینایی و متنی از ۲۲ میلیون تا ۸ میلیارد پارامتر آزمایش شد.
مدل DINOv3 ViT-H+/16 با هرس تا ۵۰٪ تنکی، ۴۲۷ میلیون پارامتر را حذف می‌کند و دقت ImageNet-1k فقط ۰.۸٪ کاهش می‌یابد — بدون هیچ اصلاح وزن یا آموزش مجدد.
مدل AugReg ViT-B/16 با ۶۰٪ تنکی روی A100، ۱.۸۰ برابر توان عبوری بیشتر و ۱.۲۶ برابر تأخیر کمتر برای پرسش تکی دارد.
در مقایسه با SnapViT (روش پیشرو در حوزه Elastic ViT): در ۵۰٪ تنکی، روش جدید به دقت ۵۶.۴٪ می‌رسد در حالی که SnapViT به ۱۶.۱٪ سقوط می‌کند.
🔄 مزیت کلیدی: تغییر بودجه در زمان استنتاج
یک مدل الاستیک، در زمان استنتاج می‌تواند بلافاصله با هر بودجه محاسباتی تطبیق یابد. زمان تغییر بودجه به‌طور میانگین ۰.۴۶ میلی‌ثانیه است (بدون احتساب کامپایل). این یعنی می‌توانید یک مدل را برای ساعات خلوت، پیک و بحرانی داشته باشید، بدون نیاز به بارگذاری مجدد مدل.
⚙️ کارایی ساخت
ساخت مدل الاستیک در عرض چند دقیقه انجام می‌شود و زمان ساخت با تعداد پارامترها به‌صورت زیرخطی رشد می‌کند.
🔗 وب‌سایت پروژه | کد در GitHub
📝مقاله arXiv:2610.20588
#هوش_مصنوعی #Transformer #ElasticModels #هرس #بهینه_سازی
🆔 @asrgooyeshpardaz
خانواده‌های مدل‌های امروزی فقط چند اندازه ثابت دارند: کوچک، پایه، بزرگ. اگر مدل را برای ترافیک معمولی انتخاب کنید، در ساعات اوج کند می‌شود و در ساعات خلوت، منابع را هدر می‌دهد. پژوهشگران دانشگاه آمستردام و TNO روشی ابداع کرده‌اند که یک ترنسفورمر از پیش آموزش‌دیده را به مدلی الاستیک تبدیل می‌کند: یک مدل واحد که می‌تواند در زمان استنتاج، خودش را با هر بودجه محاسباتی تطبیق دهد.
🔍 چالش اصلی: رتبه‌بندی نادرست واحدهای عملکردی
روش‌های هرس ساختاریافته سنتی، یا کل بلوک‌های ترنسفورمر را حذف می‌کنند یا نیاز به آموزش مجدد پرهزینه دارند. وقتی بدون آموزش مجدد اعمال شوند، دقت به‌سرعت در سطوح هرس بالای ۲۰-۳۰٪ سقوط می‌کند. این پژوهش مشکل را در رتبه‌بندی اهمیت واحدها می‌بیند، نه در خود هرس.
🔍 راه‌حل: رتبه‌بندی مشترک و هرس نرم مشتق‌پذیر
نوآوری اصلی این روش، رتبه‌بندی مشترک هر نورون MLP و هر سر توجه روی یک مقیاس مشترک است. برخلاف روش‌های قبلی که فقط یک وزن اهمیت برای هر بلوک MLP یا سر توجه بهینه می‌کردند، این روش هر واحد عملکردی را جداگانه ارزیابی می‌کند.
مرحله اول: تخمین اولیه با تقریب فیشر
امتیازهای اولیه از تخمین فیشر قطری هسیان به دست می‌آید: افزایش زیان در اثر حذف یک پارامتر با میانگین مربع گرادیان‌ها روی یک مجموعه کالیبراسیون کوچک تقریب زده می‌شود. برای رمزگذارهای بینایی از تابع هدف DINO و برای رمزگذارهای متنی از زیان InfoNCE استفاده می‌شود.
مرحله دوم: بهینه‌سازی مشتق‌پذیر امتیازها
هرس سخت (حذف یا نگه‌داشتن) مشتق‌پذیر نیست. این روش امتیازها را به‌صورت لگاریتمی و قابل یادگیری ذخیره می‌کند و با میانه‌گیری هر نوع واحد، آنها را روی یک مقیاس مشترک قرار می‌دهد. برای هر هدف تنکی، آستانه‌ای که بودجه FLOPs را برآورده می‌کند پیدا می‌شود و تصمیم سخت با یک ماسک سیگموئیدی نرم جایگزین می‌شود. سپس زیان مدل ماسک‌شده روی ۱۴ هدف تنکی (از ۵٪ تا ۷۰٪ با گام ۵٪) به‌طور همزمان میانگین‌گیری و فقط لگاریتم امتیازها با گرادیان کاهشی به‌روزرسانی می‌شود.
📊 نتایج کلیدی
این روش روی ۲۷ رمزگذار بینایی و متنی از ۲۲ میلیون تا ۸ میلیارد پارامتر آزمایش شد.
مدل DINOv3 ViT-H+/16 با هرس تا ۵۰٪ تنکی، ۴۲۷ میلیون پارامتر را حذف می‌کند و دقت ImageNet-1k فقط ۰.۸٪ کاهش می‌یابد — بدون هیچ اصلاح وزن یا آموزش مجدد.
مدل AugReg ViT-B/16 با ۶۰٪ تنکی روی A100، ۱.۸۰ برابر توان عبوری بیشتر و ۱.۲۶ برابر تأخیر کمتر برای پرسش تکی دارد.
در مقایسه با SnapViT (روش پیشرو در حوزه Elastic ViT): در ۵۰٪ تنکی، روش جدید به دقت ۵۶.۴٪ می‌رسد در حالی که SnapViT به ۱۶.۱٪ سقوط می‌کند.
🔄 مزیت کلیدی: تغییر بودجه در زمان استنتاج
یک مدل الاستیک، در زمان استنتاج می‌تواند بلافاصله با هر بودجه محاسباتی تطبیق یابد. زمان تغییر بودجه به‌طور میانگین ۰.۴۶ میلی‌ثانیه است (بدون احتساب کامپایل). این یعنی می‌توانید یک مدل را برای ساعات خلوت، پیک و بحرانی داشته باشید، بدون نیاز به بارگذاری مجدد مدل.
⚙️ کارایی ساخت
ساخت مدل الاستیک در عرض چند دقیقه انجام می‌شود و زمان ساخت با تعداد پارامترها به‌صورت زیرخطی رشد می‌کند.
🔗 وب‌سایت پروژه | کد در GitHub
📝مقاله arXiv:2610.20588
#هوش_مصنوعی #Transformer #ElasticModels #هرس #بهینه_سازی
🆔 @asrgooyeshpardaz
❤2
Media is too big
VIEW IN TELEGRAM
🎮 تصاویر بازی Assetto Corsa با فعال بودن DLSS 5
شبکه‌های عصبی، کیفیت تصویر در این شبیه‌ساز مسابقه‌ای را به حدی ارتقا داده‌اند که تشخیص آن از واقعیت تقریباً غیرممکن شده است.
#AI #Games #DLSS5
🆔 @asrgooyeshpardaz
شبکه‌های عصبی، کیفیت تصویر در این شبیه‌ساز مسابقه‌ای را به حدی ارتقا داده‌اند که تشخیص آن از واقعیت تقریباً غیرممکن شده است.
#AI #Games #DLSS5
🆔 @asrgooyeshpardaz
🤯7❤2
🤖 معرفی HybridAgent: عامل‌هایی که در فضای پنهان فکر می‌کنند و با متن عمل می‌کنند
پژوهشگران دانشگاه استنفورد و شرکت Together AI روشی جدید برای ساخت عامل‌های هوش مصنوعی ارائه داده‌اند که دو مشکل همیشگی مدل‌های فعلی را همزمان حل می‌کند: کندی و هزینه بالای استدلال متنی و ناتوانی روش‌های استدلال پنهان در استفاده از ابزار.
🔍 دو مشکل، یک راه‌حل
عامل‌های امروزی همه چیز را با متن انجام می‌دهند: فکر کردن، استدلال کردن، فراخوانی ابزار و پاسخ دادن. این یعنی هر مرحله از استدلال باید کلمه به کلمه تولید شود — فرآیندی کند و گران. در مقابل، روش‌های استدلال پنهان (Latent Reasoning) محاسبات را مستقیماً در فضای پیوسته مخفی مدل انجام می‌دهند و بسیار سریع‌ترند، اما یک ضعف بزرگ دارند: نمی‌توانند با دنیای بیرون تعامل کنند. نه ابزاری فراخوانی می‌کنند، نه جستجویی انجام می‌دهند، و نه کسی می‌تواند بفهمد در ذهنشان چه می‌گذرد.
روش HybridAgent این دو را در یک عامل واحد ادغام می‌کند.
⚙️ معماری: دو حالت، یک جریان
هسته این طراحی یک ماژول سبک به نام HybridLink است. این ماژول وضعیت پنهان لایه آخر مدل را برمی‌دارد و آن را به فضای جاسازی ورودی برمی‌گرداند. به بیان ساده، HybridLink به مدل اجازه می‌دهد «فکر خودش را به‌عنوان ورودی بعدی بخواند» — بدون اینکه نیاز باشد آن فکر را به کلمه تبدیل کند.
مدل بین دو حالت جابه‌جا می‌شود:
حالت پنهان: استدلال در فضای پیوسته انجام می‌شود. سریع، فشرده و بدون تولید توکن.
حالت متنی: وقتی نوبت به فراخوانی ابزار، جستجوی وب، اجرای کد پایتون یا دادن پاسخ نهایی می‌رسد، مدل به حالت متنی برمی‌گردد.
نکته کلیدی این است که حافظه کاری مدل، کل زمینه ترکیبی — متن، افکار پنهان و مشاهدات ابزار — را در طول چند نوبت گفتگو بدون از دست دادن اطلاعات حفظ می‌کند.
🔄 چطور مدل یاد می‌گیرد کجا فکر کند و کجا عمل کند؟
پژوهشگران دو مرحله پس‌آموزش اختصاصی طراحی کرده‌اند:
مرحله HybridSFT: به مدل پایه یاد می‌دهد چگونه با HybridLink هماهنگ شود و تولید ترکیبی را پایدار کند.
مرحله HybridRL: با یادگیری تقویتی، مدل یاد می‌گیرد چه زمانی در فضای پنهان فکر کند و چه زمانی از طریق متن عمل کند. این تصمیم‌گیری تطبیقی، قلب کارایی این روش است.
📊 نتایج
این روش در سه اندازه مدل و یازده بنچمارک شامل ریاضیات، علوم، پزشکی، جستجو و استدلال عاملی ارزیابی شده است:
· بهبود عملکرد به‌طور میانگین ۱۰.۴٪ نسبت به عامل‌های متنی و پنهان پیشرو
· کاهش مصرف توکن بین ۳۵.۵٪ تا ۵۴.۷٪
· سرعت استنتاج ۱.۸ تا ۲.۶ برابر بیشتر
· کاهش هزینه ۲.۷ تا ۳.۷ برابر
در بنچمارک GAIA، مدل ۱۴ میلیاردی HybridAgent امتیاز ۵۲.۴ کسب کرد، در حالی که روش متنی ARPO فقط به ۴۳.۷ رسید — یعنی ۸.۷ واحد بهتر.
🔍 شفافیت: افکار پنهان قابل خواندن هستند
یکی از نگرانی‌های اصلی درباره استدلال پنهان این است که مثل یک «جعبه سیاه» عمل می‌کند و کسی نمی‌فهمد مدل در درونش چه محاسباتی انجام می‌دهد. HybridAgent این مشکل را با یک ویژگی به نام حالت پنهان تفسیرپذیر حل می‌کند: هر گام از تفکر پنهان را می‌توان به‌صورت یک شبه‌متن قابل خواندن نمایش داد. یعنی می‌توانید ببینید مدل در فضای مخفی‌اش چه «می‌اندیشد»، حتی اگر آن افکار به زبان طبیعی نباشند.
📦 مدل‌ها و کد
پژوهشگران مدل‌های HybridAgent را در سه اندازه (بر پایه Qwen3) منتشر کرده‌اند. کد کامل، شامل موتور تولید ترکیبی، مراحل آموزش HybridSFT و HybridRL، و ابزار بازرسی حالت پنهان، روی GitHub و Hugging Face در دسترس است.
🔗 arXiv:2610.18861 | GitHub | Hugging Face
#هوش_مصنوعی #HybridAgent #LatentReasoning #Stanford #TogetherAI
🆔 @asrgooyeshpardaz
پژوهشگران دانشگاه استنفورد و شرکت Together AI روشی جدید برای ساخت عامل‌های هوش مصنوعی ارائه داده‌اند که دو مشکل همیشگی مدل‌های فعلی را همزمان حل می‌کند: کندی و هزینه بالای استدلال متنی و ناتوانی روش‌های استدلال پنهان در استفاده از ابزار.
🔍 دو مشکل، یک راه‌حل
عامل‌های امروزی همه چیز را با متن انجام می‌دهند: فکر کردن، استدلال کردن، فراخوانی ابزار و پاسخ دادن. این یعنی هر مرحله از استدلال باید کلمه به کلمه تولید شود — فرآیندی کند و گران. در مقابل، روش‌های استدلال پنهان (Latent Reasoning) محاسبات را مستقیماً در فضای پیوسته مخفی مدل انجام می‌دهند و بسیار سریع‌ترند، اما یک ضعف بزرگ دارند: نمی‌توانند با دنیای بیرون تعامل کنند. نه ابزاری فراخوانی می‌کنند، نه جستجویی انجام می‌دهند، و نه کسی می‌تواند بفهمد در ذهنشان چه می‌گذرد.
روش HybridAgent این دو را در یک عامل واحد ادغام می‌کند.
⚙️ معماری: دو حالت، یک جریان
هسته این طراحی یک ماژول سبک به نام HybridLink است. این ماژول وضعیت پنهان لایه آخر مدل را برمی‌دارد و آن را به فضای جاسازی ورودی برمی‌گرداند. به بیان ساده، HybridLink به مدل اجازه می‌دهد «فکر خودش را به‌عنوان ورودی بعدی بخواند» — بدون اینکه نیاز باشد آن فکر را به کلمه تبدیل کند.
مدل بین دو حالت جابه‌جا می‌شود:
حالت پنهان: استدلال در فضای پیوسته انجام می‌شود. سریع، فشرده و بدون تولید توکن.
حالت متنی: وقتی نوبت به فراخوانی ابزار، جستجوی وب، اجرای کد پایتون یا دادن پاسخ نهایی می‌رسد، مدل به حالت متنی برمی‌گردد.
نکته کلیدی این است که حافظه کاری مدل، کل زمینه ترکیبی — متن، افکار پنهان و مشاهدات ابزار — را در طول چند نوبت گفتگو بدون از دست دادن اطلاعات حفظ می‌کند.
🔄 چطور مدل یاد می‌گیرد کجا فکر کند و کجا عمل کند؟
پژوهشگران دو مرحله پس‌آموزش اختصاصی طراحی کرده‌اند:
مرحله HybridSFT: به مدل پایه یاد می‌دهد چگونه با HybridLink هماهنگ شود و تولید ترکیبی را پایدار کند.
مرحله HybridRL: با یادگیری تقویتی، مدل یاد می‌گیرد چه زمانی در فضای پنهان فکر کند و چه زمانی از طریق متن عمل کند. این تصمیم‌گیری تطبیقی، قلب کارایی این روش است.
📊 نتایج
این روش در سه اندازه مدل و یازده بنچمارک شامل ریاضیات، علوم، پزشکی، جستجو و استدلال عاملی ارزیابی شده است:
· بهبود عملکرد به‌طور میانگین ۱۰.۴٪ نسبت به عامل‌های متنی و پنهان پیشرو
· کاهش مصرف توکن بین ۳۵.۵٪ تا ۵۴.۷٪
· سرعت استنتاج ۱.۸ تا ۲.۶ برابر بیشتر
· کاهش هزینه ۲.۷ تا ۳.۷ برابر
در بنچمارک GAIA، مدل ۱۴ میلیاردی HybridAgent امتیاز ۵۲.۴ کسب کرد، در حالی که روش متنی ARPO فقط به ۴۳.۷ رسید — یعنی ۸.۷ واحد بهتر.
🔍 شفافیت: افکار پنهان قابل خواندن هستند
یکی از نگرانی‌های اصلی درباره استدلال پنهان این است که مثل یک «جعبه سیاه» عمل می‌کند و کسی نمی‌فهمد مدل در درونش چه محاسباتی انجام می‌دهد. HybridAgent این مشکل را با یک ویژگی به نام حالت پنهان تفسیرپذیر حل می‌کند: هر گام از تفکر پنهان را می‌توان به‌صورت یک شبه‌متن قابل خواندن نمایش داد. یعنی می‌توانید ببینید مدل در فضای مخفی‌اش چه «می‌اندیشد»، حتی اگر آن افکار به زبان طبیعی نباشند.
📦 مدل‌ها و کد
پژوهشگران مدل‌های HybridAgent را در سه اندازه (بر پایه Qwen3) منتشر کرده‌اند. کد کامل، شامل موتور تولید ترکیبی، مراحل آموزش HybridSFT و HybridRL، و ابزار بازرسی حالت پنهان، روی GitHub و Hugging Face در دسترس است.
🔗 arXiv:2610.18861 | GitHub | Hugging Face
#هوش_مصنوعی #HybridAgent #LatentReasoning #Stanford #TogetherAI
🆔 @asrgooyeshpardaz
❤1👍1🔥1
🖼️ شرکت NVIDIA مدل چندوجهی Nemotron 3.5 Super VL را منتشر کرد
شرکت NVIDIA از جدیدترین عضو خانواده Nemotron رونمایی کرده است: مدلی چندوجهی با وزن‌های باز که متن، تصویر و ویدیوهایی تا دو دقیقه را درک می‌کند. این مدل برای عامل‌هایی طراحی شده که به‌طور مداوم کار می‌کنند، دستورالعمل‌ها را دنبال می‌کنند، ابزار فراخوانی می‌کنند و فرآیندهای چندمرحله‌ای را پیش می‌برند.
⚙️ مشخصات کلیدی
· معماری: ترکیب متخصصان (MoE) با ۱۲۰ میلیارد پارامتر کل و ۱۲ میلیارد پارامتر فعال
· تمرکز بصری: اسناد، تشخیص متن (OCR)، جدول‌ها، نمودارها، صفحات وب و PDF
· حالت استدلال: قابل روشن و خاموش کردن از طریق قالب چت، به‌همراه یک حالت میانی با عمق متوسط
· زیرساخت: بخش زبانی بر پایه ترکیبی از لایه‌های Mamba-2 و ترنسفورمر با MoE ساخته شده که در هر لایه ۵۱۲ متخصص دارد
· رمزگذار تصویر: C-RADIO
· سرعت: استفاده از رمزگشایی спекулятив (Speculative Decoding) برای تسریع تولید
📦 نسخه فشرده: Nemotron 3.5 Bolt 74B-A9B
همزمان با نسخه کامل، یک نسخه سبک‌تر نیز منتشر شده است:
· تعداد و عرض متخصصان در هر لایه کاهش یافته، بنابراین پارامترها به ۷۴ میلیارد (کل) و ۹ میلیارد (فعال) رسیده است
· مدل پس از کوچک‌سازی، دوباره آموزش دیده تا کیفیت از دست رفته بازگردد
· وزن متخصصان تا ۲ بیت کوانتیزه شده، اما سایر لایه‌ها دقت بالاتری دارند
· در نهایت، Bolt در ۲۴ گیگابایت حافظه VRAM جای می‌گیرد
📊 نتایج بنچمارک‌ها
در مقایسه با نزدیک‌ترین رقیب هم‌اندازه، یعنی Qwen3.5-122B-A10B، نتایج تقریباً برابر است:
· GPQA-Diamond:
۸۹.۵ در مقابل ۸۶.۷
· SWE-bench Verified:
۷۱.۱ در مقابل ۷۱.۹
· OSWorld-Verified:
۵۱.۱ در مقابل ۵۱.۵
· OCRBench v2:
۶۸.۱ در مقابل ۶۸.۳
اما مدل‌های جدیدتر مثل Qwen3.8-Flash-Next و GLM-5.3-Flash در بیشتر آزمون‌ها از Nemotron جلو می‌زنند. برای مثال در Terminal-Bench 2.1، آنها به‌ترتیب ۸۵.۸ و ۸۲.۷ گرفته‌اند، در حالی که Nemotron فقط ۶۶.۷ کسب کرده است.
💰 دسترسی و قیمت
این مدل در OpenRouter با قیمت ۱۵ سنت به ازای هر میلیون توکن ورودی و ۵۰ سنت برای هر میلیون توکن خروجی در دسترس است. همچنین از طریق ModelScope و میکروسرویس‌های NVIDIA NIM قابل استفاده است.
برای اجرای نسخه کامل، NVIDIA استفاده از چهار H100 یا دو GB200 را توصیه می‌کند.
📌 مجوز: OpenMDW-1.1
🔗 وبلاگ | وزن‌ها | گزارش فنی
#هوش_مصنوعی #NVIDIA #Nemotron #مدل_چندوجهی #Multimodal
🆔 @asrgooyeshpardaz
شرکت NVIDIA از جدیدترین عضو خانواده Nemotron رونمایی کرده است: مدلی چندوجهی با وزن‌های باز که متن، تصویر و ویدیوهایی تا دو دقیقه را درک می‌کند. این مدل برای عامل‌هایی طراحی شده که به‌طور مداوم کار می‌کنند، دستورالعمل‌ها را دنبال می‌کنند، ابزار فراخوانی می‌کنند و فرآیندهای چندمرحله‌ای را پیش می‌برند.
⚙️ مشخصات کلیدی
· معماری: ترکیب متخصصان (MoE) با ۱۲۰ میلیارد پارامتر کل و ۱۲ میلیارد پارامتر فعال
· تمرکز بصری: اسناد، تشخیص متن (OCR)، جدول‌ها، نمودارها، صفحات وب و PDF
· حالت استدلال: قابل روشن و خاموش کردن از طریق قالب چت، به‌همراه یک حالت میانی با عمق متوسط
· زیرساخت: بخش زبانی بر پایه ترکیبی از لایه‌های Mamba-2 و ترنسفورمر با MoE ساخته شده که در هر لایه ۵۱۲ متخصص دارد
· رمزگذار تصویر: C-RADIO
· سرعت: استفاده از رمزگشایی спекулятив (Speculative Decoding) برای تسریع تولید
📦 نسخه فشرده: Nemotron 3.5 Bolt 74B-A9B
همزمان با نسخه کامل، یک نسخه سبک‌تر نیز منتشر شده است:
· تعداد و عرض متخصصان در هر لایه کاهش یافته، بنابراین پارامترها به ۷۴ میلیارد (کل) و ۹ میلیارد (فعال) رسیده است
· مدل پس از کوچک‌سازی، دوباره آموزش دیده تا کیفیت از دست رفته بازگردد
· وزن متخصصان تا ۲ بیت کوانتیزه شده، اما سایر لایه‌ها دقت بالاتری دارند
· در نهایت، Bolt در ۲۴ گیگابایت حافظه VRAM جای می‌گیرد
📊 نتایج بنچمارک‌ها
در مقایسه با نزدیک‌ترین رقیب هم‌اندازه، یعنی Qwen3.5-122B-A10B، نتایج تقریباً برابر است:
· GPQA-Diamond:
۸۹.۵ در مقابل ۸۶.۷
· SWE-bench Verified:
۷۱.۱ در مقابل ۷۱.۹
· OSWorld-Verified:
۵۱.۱ در مقابل ۵۱.۵
· OCRBench v2:
۶۸.۱ در مقابل ۶۸.۳
اما مدل‌های جدیدتر مثل Qwen3.8-Flash-Next و GLM-5.3-Flash در بیشتر آزمون‌ها از Nemotron جلو می‌زنند. برای مثال در Terminal-Bench 2.1، آنها به‌ترتیب ۸۵.۸ و ۸۲.۷ گرفته‌اند، در حالی که Nemotron فقط ۶۶.۷ کسب کرده است.
💰 دسترسی و قیمت
این مدل در OpenRouter با قیمت ۱۵ سنت به ازای هر میلیون توکن ورودی و ۵۰ سنت برای هر میلیون توکن خروجی در دسترس است. همچنین از طریق ModelScope و میکروسرویس‌های NVIDIA NIM قابل استفاده است.
برای اجرای نسخه کامل، NVIDIA استفاده از چهار H100 یا دو GB200 را توصیه می‌کند.
📌 مجوز: OpenMDW-1.1
🔗 وبلاگ | وزن‌ها | گزارش فنی
#هوش_مصنوعی #NVIDIA #Nemotron #مدل_چندوجهی #Multimodal
🆔 @asrgooyeshpardaz
❤1
🌐 اخبار هوش مصنوعی
---
🔐 شرکت OpenAI پروتکل‌های امنیتی کارکنان را تقویت کرد
روزنامه وال استریت ژورنال گزارش داده که دستورالعمل‌های داخلی شرکت OpenAI حتی پیش از بازداشت یکی از مهندسان این شرکت توسط اف‌بی‌آی — به اتهام نصب دستگاه شنود — آغاز شده بود.
این شرکت استفاده از محصولات و پوشاک برند خود در خارج از دفتر را ممنوع کرده و به مهندسان آموزش می‌دهد که مهندسی اجتماعی را تشخیص دهند؛ یعنی تلاش برای جذب و ارتباط‌گیری هدفمند.
از الزامات جدید می‌توان به استفاده از فیلترهای حریم خصوصی روی صفحه لپ‌تاپ در وسایل نقلیه عمومی و پاک کردن وایت‌بردها پس از جلسات اشاره کرد تا اطلاعات به دست کارکنان خدماتی نیفتد.
شرکت Anthropic و گوگل نیز اقدامات مشابه و دوره‌های مقابله با جاسوسی رقابتی را در حال اجرا دارند.
منبع: wsj.com
---
🇸🇬 شرکت Anthropic دفتری در سنگاپور افتتاح کرد
این پنجمین نمایندگی این شرکت در منطقه آسیا-اقیانوسیه است. همزمان، Anthropic تفاهم‌نامه‌ای با مقامات محلی امضا کرده که بر اساس آن، دو طرف به ارزیابی مشترک مدل‌ها و روش‌های استقرار ایمن هوش مصنوعی خواهند پرداخت.
مدل Claude هم‌اکنون در بخش‌های دولتی و شرکتی سنگاپور استفاده می‌شود. از کاربران آن می‌توان به بانک DBS، سوپراپ Grab و آژانس فناوری GovTech اشاره کرد که بیش از ۱۵۰۰ توسعه‌دهنده در آن از Claude Code برای خودکارسازی وظایف و تسریع تحویل نرم‌افزار بهره می‌برند.
به گفته Anthropic، سنگاپور از نظر تعداد درخواست به مدل‌های Claude به ازای هر نفر، رتبه دوم جهان را دارد و ترافیک آن شش برابر پیش‌بینی برای کشورهایی با این اندازه است.
منبع: anthropic.com
---
🖼 شرکت Black Forest Labs مدل FLUX 3 Image Klein را منتشر کرد
این مدل با ۵.۶ میلیارد پارامتر برای اجرا روی کارت‌های گرافیک مصرفی طراحی شده است. خروجی آن مستقیماً ۴K است، می‌تواند بخش‌های خاصی از تصویر را با کنترل مرزها ویرایش کند و تا ده تصویر مرجع را در یک درخواست بپذیرد.
بر اساس تست‌های داخلی، Klein از مدل‌های باز Qwen-Image 2.1 با ۷ میلیارد پارامتر و Krea 2 با ۱۲.۹ میلیارد پارامتر، و همچنین مدل بسته Ideogram V4.5 جلوتر است.
نسخه‌های FP8، INT8 و NVFP4 با همکاری انویدیا منتشر شده‌اند. در حالت INT8، نسخه تقطیرشده روی RTX 5090 در ۴ ثانیه و روی RTX 4070 در کمتر از ۹ ثانیه یک تصویر یک‌مگاپیکسلی می‌سازد.
وزن‌های نسخه پایه و تقطیرشده روی Hugging Face قرار دارند. مجوز FLUX Kommunity استفاده تجاری رایگان را برای شرکت‌هایی با درآمد سالانه کمتر از ۵ میلیون دلار مجاز می‌کند.
استنتاج از طریق ComfyUI، Diffusers، TensorRT-LLM و vLLM-Omni پشتیبانی می‌شود. آموزش LoRA نیز در Ostris's AI Toolkit و Nvidia NeMo AutoModel امکان‌پذیر است.
منبع: bfl.ai
---
💼 شرکت Manus طرح‌های کسب‌وکار خود را معرفی کرد
در طرح‌های Team و Enterprise، این پلتفرم عاملی فضاهای کاری مشترک با وراثت زمینه، کتابخانه‌ای از مهارت‌های قابل استفاده مجدد و یک استخر اعتبار واحد برای تیم فراهم می‌کند.
احراز هویت از SSO، SCIM، اتصال به سیستم‌های SIEM و گزارش‌های حسابرسی پشتیبانی می‌کند. این سرویس گواهی‌های SOC 2 Type II و ISO 27001 را دریافت کرده است.
شرکت Manus اعلام کرده داده‌های سازمانی از مجموعه‌های آموزشی ارائه‌دهندگان شخص ثالث مدل حذف می‌شوند.
هزینه طرح Team ۲۰ دلار به ازای هر کاربر در ماه است و دسترسی مهمان برای بازبینی کد و بررسی نتایج رایگان است.
منبع: manus.im
---
🎨 شرکت Mistral AI استودیوی طراحی New Material را خرید
تیم این استودیو در شرکت فرانسوی Mistral AI مسئولیت رابط‌های کاربری محصولات سازمانی و دولتی را بر عهده خواهد گرفت و در تمام مراحل طراحی — از آماده‌سازی داده و آموزش مدل تا ابزارهای توسعه‌دهندگان — مشارکت می‌کند.
استودیو New Material پیش از این انتقال، شش سال روی اپلیکیشن‌های هوش مصنوعی برای صنایع خودروسازی، خرده‌فروشی، پزشکی و حقوقی کار کرده بود. از مشتریان پیشین آن می‌توان به فورد، بنیاد Wellcome Trust و شرکت‌های فهرست AmLaw 50 اشاره کرد.
منبع: newmaterial.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
---
🔐 شرکت OpenAI پروتکل‌های امنیتی کارکنان را تقویت کرد
روزنامه وال استریت ژورنال گزارش داده که دستورالعمل‌های داخلی شرکت OpenAI حتی پیش از بازداشت یکی از مهندسان این شرکت توسط اف‌بی‌آی — به اتهام نصب دستگاه شنود — آغاز شده بود.
این شرکت استفاده از محصولات و پوشاک برند خود در خارج از دفتر را ممنوع کرده و به مهندسان آموزش می‌دهد که مهندسی اجتماعی را تشخیص دهند؛ یعنی تلاش برای جذب و ارتباط‌گیری هدفمند.
از الزامات جدید می‌توان به استفاده از فیلترهای حریم خصوصی روی صفحه لپ‌تاپ در وسایل نقلیه عمومی و پاک کردن وایت‌بردها پس از جلسات اشاره کرد تا اطلاعات به دست کارکنان خدماتی نیفتد.
شرکت Anthropic و گوگل نیز اقدامات مشابه و دوره‌های مقابله با جاسوسی رقابتی را در حال اجرا دارند.
منبع: wsj.com
---
🇸🇬 شرکت Anthropic دفتری در سنگاپور افتتاح کرد
این پنجمین نمایندگی این شرکت در منطقه آسیا-اقیانوسیه است. همزمان، Anthropic تفاهم‌نامه‌ای با مقامات محلی امضا کرده که بر اساس آن، دو طرف به ارزیابی مشترک مدل‌ها و روش‌های استقرار ایمن هوش مصنوعی خواهند پرداخت.
مدل Claude هم‌اکنون در بخش‌های دولتی و شرکتی سنگاپور استفاده می‌شود. از کاربران آن می‌توان به بانک DBS، سوپراپ Grab و آژانس فناوری GovTech اشاره کرد که بیش از ۱۵۰۰ توسعه‌دهنده در آن از Claude Code برای خودکارسازی وظایف و تسریع تحویل نرم‌افزار بهره می‌برند.
به گفته Anthropic، سنگاپور از نظر تعداد درخواست به مدل‌های Claude به ازای هر نفر، رتبه دوم جهان را دارد و ترافیک آن شش برابر پیش‌بینی برای کشورهایی با این اندازه است.
منبع: anthropic.com
---
🖼 شرکت Black Forest Labs مدل FLUX 3 Image Klein را منتشر کرد
این مدل با ۵.۶ میلیارد پارامتر برای اجرا روی کارت‌های گرافیک مصرفی طراحی شده است. خروجی آن مستقیماً ۴K است، می‌تواند بخش‌های خاصی از تصویر را با کنترل مرزها ویرایش کند و تا ده تصویر مرجع را در یک درخواست بپذیرد.
بر اساس تست‌های داخلی، Klein از مدل‌های باز Qwen-Image 2.1 با ۷ میلیارد پارامتر و Krea 2 با ۱۲.۹ میلیارد پارامتر، و همچنین مدل بسته Ideogram V4.5 جلوتر است.
نسخه‌های FP8، INT8 و NVFP4 با همکاری انویدیا منتشر شده‌اند. در حالت INT8، نسخه تقطیرشده روی RTX 5090 در ۴ ثانیه و روی RTX 4070 در کمتر از ۹ ثانیه یک تصویر یک‌مگاپیکسلی می‌سازد.
وزن‌های نسخه پایه و تقطیرشده روی Hugging Face قرار دارند. مجوز FLUX Kommunity استفاده تجاری رایگان را برای شرکت‌هایی با درآمد سالانه کمتر از ۵ میلیون دلار مجاز می‌کند.
استنتاج از طریق ComfyUI، Diffusers، TensorRT-LLM و vLLM-Omni پشتیبانی می‌شود. آموزش LoRA نیز در Ostris's AI Toolkit و Nvidia NeMo AutoModel امکان‌پذیر است.
منبع: bfl.ai
---
💼 شرکت Manus طرح‌های کسب‌وکار خود را معرفی کرد
در طرح‌های Team و Enterprise، این پلتفرم عاملی فضاهای کاری مشترک با وراثت زمینه، کتابخانه‌ای از مهارت‌های قابل استفاده مجدد و یک استخر اعتبار واحد برای تیم فراهم می‌کند.
احراز هویت از SSO، SCIM، اتصال به سیستم‌های SIEM و گزارش‌های حسابرسی پشتیبانی می‌کند. این سرویس گواهی‌های SOC 2 Type II و ISO 27001 را دریافت کرده است.
شرکت Manus اعلام کرده داده‌های سازمانی از مجموعه‌های آموزشی ارائه‌دهندگان شخص ثالث مدل حذف می‌شوند.
هزینه طرح Team ۲۰ دلار به ازای هر کاربر در ماه است و دسترسی مهمان برای بازبینی کد و بررسی نتایج رایگان است.
منبع: manus.im
---
🎨 شرکت Mistral AI استودیوی طراحی New Material را خرید
تیم این استودیو در شرکت فرانسوی Mistral AI مسئولیت رابط‌های کاربری محصولات سازمانی و دولتی را بر عهده خواهد گرفت و در تمام مراحل طراحی — از آماده‌سازی داده و آموزش مدل تا ابزارهای توسعه‌دهندگان — مشارکت می‌کند.
استودیو New Material پیش از این انتقال، شش سال روی اپلیکیشن‌های هوش مصنوعی برای صنایع خودروسازی، خرده‌فروشی، پزشکی و حقوقی کار کرده بود. از مشتریان پیشین آن می‌توان به فورد، بنیاد Wellcome Trust و شرکت‌های فهرست AmLaw 50 اشاره کرد.
منبع: newmaterial.ai
---
#اخبار_هوش_مصنوعی #AI #اخبار_فناوری
🆔 @asrgooyeshpardaz
❤1
🚀 معرفی Harness2: چارچوبی برای خودبهسازی عامل‌های هوش مصنوعی بدون تغییر وزن‌های مدل
توانایی یک عامل هوش مصنوعی فقط به خود مدل بستگی ندارد؛ به «هارنس» (Harness) هم وابسته است — یعنی مجموعه‌ای از پرامپت‌ها، حافظه، ابزارها، زیرعامل‌ها و مهارت‌هایی که مدل را احاطه کرده‌اند. پژوهشگران دانشگاه نورث‌وسترن و بخش تحقیقات ابری شرکت Google چارچوبی به نام Harness2 ساخته‌اند که این هارنس را به‌طور خودکار و بازگشتی بهبود می‌دهد، آن هم بدون اینکه حتی یک وزن از مدل را تغییر دهد.
🔄 دو سطح بازگشت
این چارچوب از دو حلقه به‌هم‌پیوسته استفاده می‌کند:
سطح وظیفه: برای هر وظیفه جدید، سه مرحله اجرا می‌شود: پیشنهاد (Propose)، آزمایش (Probe) و ترکیب (Compose). سیستم یک نسخه بهبودیافته از هارنس را پیشنهاد می‌دهد، آن را در همان وظیفه اجرا می‌کند و بر اساس تفاوت رفتارها — نه پاسخ‌های مرجع — بهترین تغییرات را انتخاب و ترکیب می‌کند.
سطح سیستم: پس از پایان وظیفه، سیستم از این تغییرات درس می‌گیرد و آنها را در یک کتابخانه تجربه دائمی ذخیره می‌کند. این تجربه به وظایف بعدی منتقل می‌شود تا عامل در سناریوهای ناآشنا بهتر عمل کند.
📊 نتایج عددی
پژوهشگران این چارچوب را روی سه بنچمارک تخصصی و با چهار ترکیب مدل-هارنس آزمایش کردند. یک مرحله بهبود به‌تنهایی توانست:
· تا ۱۱.۵ امتیاز در WorkBuddy-Bench
· تا ۴.۵ امتیاز در JobBench
· تا ۱۱.۸ واحد درصد در LAB
بهبود ایجاد کند. نکته مهم اینکه این نتایج با مدل‌های Gemini 3.5 Flash و GLM-5 به دست آمده و با افزایش بودجه بازگشت در سطح وظیفه، عملکرد باز هم بالاتر می‌رود.
⚙️ هشت جزء قابل ویرایش
هارنس در این چارچوب از هشت بخش تشکیل شده که هر کدام قابل تغییرند: پرامپت سیستمی، محافظ‌ها، حافظه، راهنمای ابزار، زیرعامل‌ها، مهارت‌ها، اسکریپت‌ها و پلاگین‌ها. سیستم می‌تواند هر یک از این بخش‌ها را بر اساس نیاز وظیفه بازنویسی کند.
🔍 چرا این مهم است؟
روش‌های معمول خودبهسازی عامل‌ها یا به پاسخ‌های مرجع نیاز دارند یا فقط برای یک وظیفه خاص کار می‌کنند. Harness2 نشان می‌دهد می‌توان هارنس را بدون پاسخ مرجع و در محیط‌های باز بهبود داد. این چارچوب با مجوز Apache-2.0 منتشر شده و از محیط‌های OpenCode و Codex پشتیبانی می‌کند.
🔗 مقاله در arXiv | کد در GitHub
#هوش_مصنوعی #Harness2 #Google #عامل_های_هوشمند #خودبهسازی
🆔 @asrgooyeshpardaz
توانایی یک عامل هوش مصنوعی فقط به خود مدل بستگی ندارد؛ به «هارنس» (Harness) هم وابسته است — یعنی مجموعه‌ای از پرامپت‌ها، حافظه، ابزارها، زیرعامل‌ها و مهارت‌هایی که مدل را احاطه کرده‌اند. پژوهشگران دانشگاه نورث‌وسترن و بخش تحقیقات ابری شرکت Google چارچوبی به نام Harness2 ساخته‌اند که این هارنس را به‌طور خودکار و بازگشتی بهبود می‌دهد، آن هم بدون اینکه حتی یک وزن از مدل را تغییر دهد.
🔄 دو سطح بازگشت
این چارچوب از دو حلقه به‌هم‌پیوسته استفاده می‌کند:
سطح وظیفه: برای هر وظیفه جدید، سه مرحله اجرا می‌شود: پیشنهاد (Propose)، آزمایش (Probe) و ترکیب (Compose). سیستم یک نسخه بهبودیافته از هارنس را پیشنهاد می‌دهد، آن را در همان وظیفه اجرا می‌کند و بر اساس تفاوت رفتارها — نه پاسخ‌های مرجع — بهترین تغییرات را انتخاب و ترکیب می‌کند.
سطح سیستم: پس از پایان وظیفه، سیستم از این تغییرات درس می‌گیرد و آنها را در یک کتابخانه تجربه دائمی ذخیره می‌کند. این تجربه به وظایف بعدی منتقل می‌شود تا عامل در سناریوهای ناآشنا بهتر عمل کند.
📊 نتایج عددی
پژوهشگران این چارچوب را روی سه بنچمارک تخصصی و با چهار ترکیب مدل-هارنس آزمایش کردند. یک مرحله بهبود به‌تنهایی توانست:
· تا ۱۱.۵ امتیاز در WorkBuddy-Bench
· تا ۴.۵ امتیاز در JobBench
· تا ۱۱.۸ واحد درصد در LAB
بهبود ایجاد کند. نکته مهم اینکه این نتایج با مدل‌های Gemini 3.5 Flash و GLM-5 به دست آمده و با افزایش بودجه بازگشت در سطح وظیفه، عملکرد باز هم بالاتر می‌رود.
⚙️ هشت جزء قابل ویرایش
هارنس در این چارچوب از هشت بخش تشکیل شده که هر کدام قابل تغییرند: پرامپت سیستمی، محافظ‌ها، حافظه، راهنمای ابزار، زیرعامل‌ها، مهارت‌ها، اسکریپت‌ها و پلاگین‌ها. سیستم می‌تواند هر یک از این بخش‌ها را بر اساس نیاز وظیفه بازنویسی کند.
🔍 چرا این مهم است؟
روش‌های معمول خودبهسازی عامل‌ها یا به پاسخ‌های مرجع نیاز دارند یا فقط برای یک وظیفه خاص کار می‌کنند. Harness2 نشان می‌دهد می‌توان هارنس را بدون پاسخ مرجع و در محیط‌های باز بهبود داد. این چارچوب با مجوز Apache-2.0 منتشر شده و از محیط‌های OpenCode و Codex پشتیبانی می‌کند.
🔗 مقاله در arXiv | کد در GitHub
#هوش_مصنوعی #Harness2 #Google #عامل_های_هوشمند #خودبهسازی
🆔 @asrgooyeshpardaz
GitHub
GitHub - google-research/harness2
Contribute to google-research/harness2 development by creating an account on GitHub.
1❤1🔥1
🚀 مدل DeepSeek V4.1 Flash (1017): ارتقای بدون تغییر نسل، با تمرکز بر کدنویسی و عامل‌ها
دیپ‌سیک در ۱۷ اکتبر نسخه به‌روزشده‌ای از مدل V4.1 Flash را منتشر کرد. این نسخه نه یک نسل جدید، بلکه یک تقویت متمرکز روی خط Flash است که تمرکز اصلی‌اش روی کدنویسی و وظایف عاملی گذاشته شده است.
📈 جهش در بنچمارک‌های کدنویسی و استدلال
پیشرفت‌ها در برخی شاخص‌ها چشمگیر است:
· Terminal-Bench 4.0:
از ۳۱.۲ به ۴۲.۳ (با هارنس Claude Code)
· DeepSWE v1.1:
از ۷۴.۲ به ۷۷.۰ (با هارنس Mini-SWE-V2)
· ProgramBench:
از ۲۰.۳ به ۲۹.۱
· HLE (بدون ابزار):
از ۳۶.۸ به ۴۲.۶
· Apex Bench v1.1:
از ۶۴.۶ به ۷۲.۱
در مقایسه با رقبا، این نسخه از Kimi K3 و GLM 5.3 در بیشتر این آزمون‌ها جلوتر است، هرچند هنوز از Claude Opus 5 در Terminal-Bench (۵۱.۸ در مقابل ۴۲.۳) و HLE (۵۶.۳ در مقابل ۴۲.۶) عقب‌تر می‌ماند.
⏱️ بهبود کارایی: سریع‌تر و ارزان‌تر
نسخه جدید نه‌تنها دقیق‌تر، بلکه بهینه‌تر شده است. مدل پاسخ‌های کوتاه‌تری تولید می‌کند، مراحل کمتری برای هر وظیفه طی می‌کند و در نتیجه هزینه و زمان اجرا کاهش می‌یابد. به گفته دیپ‌سیک، این یک بهبود پارتو است: هم عملکرد بهتر، هم هزینه کمتر.
✨ «برنامه‌نویسی آرزومحور»
یکی از قابلیت‌های جدید این نسخه، تولید پروژه‌های کامل از صفر با یک توضیح کوتاه است. مدل با استفاده از یادگیری تقویتی با خودبازخورد، می‌تواند از ساخت یک بازی مرورگری ساده تا مدل‌سازی سه‌بعدی صحنه‌هایی مثل شهر ممنوعه را انجام دهد. نمونه‌های رسمی شامل یک بازی مسابقه‌ای وب و بازسازی Portal 2 در موتور Godot است.
🔍 ابزارهای جدید جستجو و واکشی در API
دیپ‌سیک دو ابزار جدید به API اضافه کرده است: Search (جستجوی وب) و Fetch (واکشی محتوای صفحه). این ابزارها بر پایه موتور جستجوی اختصاصی این شرکت کار می‌کنند و قیمت هر کدام ۰.۷۵ دلار به ازای هر هزار فراخوانی موفق است. تا ۳۱ اکتبر، استفاده از این ابزارها از طریق فریم‌ورک‌های رسمی رایگان است.
📦 مشخصات فنی
· معماری: MoE چندوجهی با ۵۵۲ میلیارد پارامتر کل
· پارامترهای فعال: ۸ میلیارد در مرحله prefill و ۱۶ میلیارد در مرحله decode
· زمینه: ۱ میلیون توکن
· لایسنس: MIT (استفاده تجاری آزاد)
· وزن‌ها: در Hugging Face و ModelScope منتشر شده‌اند
· استفاده از API: با همان شناسه قبلی deepseek-flash در دسترس است و نیازی به مهاجرت نیست
🔗 Hugging Face | مستندات API
#هوش_مصنوعی #DeepSeek #کدنویسی #عامل_های_هوشمند #مدل_های_باز
🆔 @asrgooyeshpardaz
دیپ‌سیک در ۱۷ اکتبر نسخه به‌روزشده‌ای از مدل V4.1 Flash را منتشر کرد. این نسخه نه یک نسل جدید، بلکه یک تقویت متمرکز روی خط Flash است که تمرکز اصلی‌اش روی کدنویسی و وظایف عاملی گذاشته شده است.
📈 جهش در بنچمارک‌های کدنویسی و استدلال
پیشرفت‌ها در برخی شاخص‌ها چشمگیر است:
· Terminal-Bench 4.0:
از ۳۱.۲ به ۴۲.۳ (با هارنس Claude Code)
· DeepSWE v1.1:
از ۷۴.۲ به ۷۷.۰ (با هارنس Mini-SWE-V2)
· ProgramBench:
از ۲۰.۳ به ۲۹.۱
· HLE (بدون ابزار):
از ۳۶.۸ به ۴۲.۶
· Apex Bench v1.1:
از ۶۴.۶ به ۷۲.۱
در مقایسه با رقبا، این نسخه از Kimi K3 و GLM 5.3 در بیشتر این آزمون‌ها جلوتر است، هرچند هنوز از Claude Opus 5 در Terminal-Bench (۵۱.۸ در مقابل ۴۲.۳) و HLE (۵۶.۳ در مقابل ۴۲.۶) عقب‌تر می‌ماند.
⏱️ بهبود کارایی: سریع‌تر و ارزان‌تر
نسخه جدید نه‌تنها دقیق‌تر، بلکه بهینه‌تر شده است. مدل پاسخ‌های کوتاه‌تری تولید می‌کند، مراحل کمتری برای هر وظیفه طی می‌کند و در نتیجه هزینه و زمان اجرا کاهش می‌یابد. به گفته دیپ‌سیک، این یک بهبود پارتو است: هم عملکرد بهتر، هم هزینه کمتر.
✨ «برنامه‌نویسی آرزومحور»
یکی از قابلیت‌های جدید این نسخه، تولید پروژه‌های کامل از صفر با یک توضیح کوتاه است. مدل با استفاده از یادگیری تقویتی با خودبازخورد، می‌تواند از ساخت یک بازی مرورگری ساده تا مدل‌سازی سه‌بعدی صحنه‌هایی مثل شهر ممنوعه را انجام دهد. نمونه‌های رسمی شامل یک بازی مسابقه‌ای وب و بازسازی Portal 2 در موتور Godot است.
🔍 ابزارهای جدید جستجو و واکشی در API
دیپ‌سیک دو ابزار جدید به API اضافه کرده است: Search (جستجوی وب) و Fetch (واکشی محتوای صفحه). این ابزارها بر پایه موتور جستجوی اختصاصی این شرکت کار می‌کنند و قیمت هر کدام ۰.۷۵ دلار به ازای هر هزار فراخوانی موفق است. تا ۳۱ اکتبر، استفاده از این ابزارها از طریق فریم‌ورک‌های رسمی رایگان است.
📦 مشخصات فنی
· معماری: MoE چندوجهی با ۵۵۲ میلیارد پارامتر کل
· پارامترهای فعال: ۸ میلیارد در مرحله prefill و ۱۶ میلیارد در مرحله decode
· زمینه: ۱ میلیون توکن
· لایسنس: MIT (استفاده تجاری آزاد)
· وزن‌ها: در Hugging Face و ModelScope منتشر شده‌اند
· استفاده از API: با همان شناسه قبلی deepseek-flash در دسترس است و نیازی به مهاجرت نیست
🔗 Hugging Face | مستندات API
#هوش_مصنوعی #DeepSeek #کدنویسی #عامل_های_هوشمند #مدل_های_باز
🆔 @asrgooyeshpardaz
❤2🔥1
🔧 گوگل چارچوب Harness² را معرفی کرد: عامل هوش مصنوعی بدون آموزش دیدن، بهتر می‌شود
پژوهشگران گوگل و دانشگاه نورث‌وسترن چارچوب جدیدی به نام Harness² را متن‌باز کرده‌اند که به عامل‌های هوش مصنوعی اجازه می‌دهد بدون اینکه مدل را دوباره آموزش بدهند، تنظیمات اطراف خودشان را بازنویسی کنند و بهتر شوند.
🧩 «هارنس» چیست؟
هر مدل زبانی برای اینکه بتواند مثل یک دستیار واقعی کار کند، به یک سری تنظیمات نیاز دارد: دستورالعمل‌هایی که به او می‌گوییم چه کار کند، ابزارهایی که در اختیارش می‌گذاریم، حافظه‌اش، و مهارت‌هایی که به او می‌دهیم. به این مجموعه، «هارنس» می‌گویند. کیفیت این تنظیمات می‌تواند به‌اندازه خود مدل در نتیجه نهایی تأثیر داشته باشد.
🔄 مشکل اصلی چیست؟
برای اینکه بفهمیم یک تغییر در تنظیمات خوب است یا بد، معمولاً باید بدانیم پاسخ درست چیست. اما در دنیای واقعی، وظایف جدید و نادیده می‌رسند و هیچ‌کس از قبل نمی‌داند جواب درست چیست.
💡 راه‌حل: مقایسه مسیر، نه مقایسه با جواب
چارچوب Harness² به‌جای اینکه دنبال پاسخ درست بگردد، دو نسخه اصلاحی از تنظیمات پیشنهاد می‌دهد و هر دو را روی همان وظیفه اجرا می‌کند. بعد مسیر اجرای این دو نسخه را با هم مقایسه می‌کند. هر تغییری که رفتار بهتری از خودش نشان بدهد، نگه داشته می‌شود. یعنی معیار قضاوت، «درست بودن جواب» نیست؛ «بهتر شدن راه رسیدن به جواب» است.
📚 یادگیری از تجربه
بعد از هر وظیفه، سیستم درس‌های آموخته‌شده را در یک کتابخانه ذخیره می‌کند. این کتابخانه به پیشنهادهای بعدی کمک می‌کند، اما هر وظیفه جدید از نقطه صفر شروع می‌شود تا سیستم فقط روی یک نوع کار خاص قفل نشود.
📊 نتیجه چه بود؟
پژوهشگران این روش را روی سه آزمون تخصصی و با چهار ترکیب مختلف مدل و تنظیمات آزمایش کردند. یک مرحله بهبود در همه ترکیب‌ها نتیجه بهتری داد.
بهترین جهش مربوط به مدل GLM-5 بود که در آزمون WorkBuddy-Bench از ۶۴.۲ به ۷۵.۷ رسید — یعنی ۱۱.۵ امتیاز بهتر. در آزمون حقوقی LAB هم همین مدل ۱۱.۸ واحد درصد رشد کرد.
نکته جالب اینکه مدل‌های ضعیف‌تر بیشترین سود را بردند. GLM-5 بعد از یک مرحله، از Gemini 3.5 Flash پایه جلو زد. یعنی با تنظیمات بهتر، یک مدل ضعیف‌تر می‌تواند از یک مدل قوی‌تر با تنظیمات معمولی بهتر عمل کند.
⚠️ هزینه‌اش چیست؟
این روش رایگان نیست. هر وظیفه حدود چهار بار اجرای دستیار هزینه دارد. علاوه بر این، «رفتار بهتر» همیشه به معنای «جواب دقیق‌تر» نیست. ممکن است یک تغییر مسیر را روان‌تر کند بدون اینکه پاسخ را درست‌تر کند.
🛠 برای استفاده چه لازم است؟
این چارچوب رایگان و متن‌باز است. برای اجرا به لینوکس، پایتون و چند ابزار دیگر نیاز دارید. یک نسخه نمایشی هم وجود دارد که بدون نیاز به هیچ حساب کاربری یا مدل، قابل اجراست.
🔗 مقاله | گیت‌هاب
#هوش_مصنوعی #Harness2 #گوگل #عامل_های_هوشمند
🆔 @asrgooyeshpardaz
پژوهشگران گوگل و دانشگاه نورث‌وسترن چارچوب جدیدی به نام Harness² را متن‌باز کرده‌اند که به عامل‌های هوش مصنوعی اجازه می‌دهد بدون اینکه مدل را دوباره آموزش بدهند، تنظیمات اطراف خودشان را بازنویسی کنند و بهتر شوند.
🧩 «هارنس» چیست؟
هر مدل زبانی برای اینکه بتواند مثل یک دستیار واقعی کار کند، به یک سری تنظیمات نیاز دارد: دستورالعمل‌هایی که به او می‌گوییم چه کار کند، ابزارهایی که در اختیارش می‌گذاریم، حافظه‌اش، و مهارت‌هایی که به او می‌دهیم. به این مجموعه، «هارنس» می‌گویند. کیفیت این تنظیمات می‌تواند به‌اندازه خود مدل در نتیجه نهایی تأثیر داشته باشد.
🔄 مشکل اصلی چیست؟
برای اینکه بفهمیم یک تغییر در تنظیمات خوب است یا بد، معمولاً باید بدانیم پاسخ درست چیست. اما در دنیای واقعی، وظایف جدید و نادیده می‌رسند و هیچ‌کس از قبل نمی‌داند جواب درست چیست.
💡 راه‌حل: مقایسه مسیر، نه مقایسه با جواب
چارچوب Harness² به‌جای اینکه دنبال پاسخ درست بگردد، دو نسخه اصلاحی از تنظیمات پیشنهاد می‌دهد و هر دو را روی همان وظیفه اجرا می‌کند. بعد مسیر اجرای این دو نسخه را با هم مقایسه می‌کند. هر تغییری که رفتار بهتری از خودش نشان بدهد، نگه داشته می‌شود. یعنی معیار قضاوت، «درست بودن جواب» نیست؛ «بهتر شدن راه رسیدن به جواب» است.
📚 یادگیری از تجربه
بعد از هر وظیفه، سیستم درس‌های آموخته‌شده را در یک کتابخانه ذخیره می‌کند. این کتابخانه به پیشنهادهای بعدی کمک می‌کند، اما هر وظیفه جدید از نقطه صفر شروع می‌شود تا سیستم فقط روی یک نوع کار خاص قفل نشود.
📊 نتیجه چه بود؟
پژوهشگران این روش را روی سه آزمون تخصصی و با چهار ترکیب مختلف مدل و تنظیمات آزمایش کردند. یک مرحله بهبود در همه ترکیب‌ها نتیجه بهتری داد.
بهترین جهش مربوط به مدل GLM-5 بود که در آزمون WorkBuddy-Bench از ۶۴.۲ به ۷۵.۷ رسید — یعنی ۱۱.۵ امتیاز بهتر. در آزمون حقوقی LAB هم همین مدل ۱۱.۸ واحد درصد رشد کرد.
نکته جالب اینکه مدل‌های ضعیف‌تر بیشترین سود را بردند. GLM-5 بعد از یک مرحله، از Gemini 3.5 Flash پایه جلو زد. یعنی با تنظیمات بهتر، یک مدل ضعیف‌تر می‌تواند از یک مدل قوی‌تر با تنظیمات معمولی بهتر عمل کند.
⚠️ هزینه‌اش چیست؟
این روش رایگان نیست. هر وظیفه حدود چهار بار اجرای دستیار هزینه دارد. علاوه بر این، «رفتار بهتر» همیشه به معنای «جواب دقیق‌تر» نیست. ممکن است یک تغییر مسیر را روان‌تر کند بدون اینکه پاسخ را درست‌تر کند.
🛠 برای استفاده چه لازم است؟
این چارچوب رایگان و متن‌باز است. برای اجرا به لینوکس، پایتون و چند ابزار دیگر نیاز دارید. یک نسخه نمایشی هم وجود دارد که بدون نیاز به هیچ حساب کاربری یا مدل، قابل اجراست.
🔗 مقاله | گیت‌هاب
#هوش_مصنوعی #Harness2 #گوگل #عامل_های_هوشمند
🆔 @asrgooyeshpardaz
arXiv.org
Harness^2: Recursive Agent Harnessing for an Open World
LLM agents' capabilities depend not only on their underlying models but also on their execution harnesses. Recursive self-improvement (RSI) offers a promising approach to automatically evolve...
❤3
📌 مدل MiniMax M3.1 Flash معرفی شد؛ مدلی ارزان و پرسرعت برای کارهای روزمره
شرکت MiniMax مدل M3.1 Flash را عرضه کرد. این مدل برای کدنویسی، تحقیق و کارهای خلاقانه ساخته شده است. نسخه پیش‌نمایش آن از اواخر سپتامبر در دسترس بود و حالا نسخه نهایی به MiniMax Code اضافه شده است.
🧠 مشخصات فنی
• معماری MoE با حدود ۴۲۸ میلیارد پارامتر که در هر لحظه فقط ۲۳ میلیارد پارامتر آن فعال است
• پنجره زمینه یک میلیون توکنی
• پذیرش ورودی متن، تصویر و ویدئو
• پنج سطح قابل تنظیم برای عمق استدلال، از low تا max
💰 قیمت API
• ورودی: ۰.۱۵ دلار به ازای هر میلیون توکن
• خروجی: ۰.۶۰ دلار به ازای هر میلیون توکن
📊 عملکرد
• مدل M3.1 Flash در آزمون مستقل KingBench 3 امتیاز ۶۶.۲۵٪ گرفت، بیش از دو برابر امتیاز M3 (۳۱.۲۵٪).
• در همین آزمون، Opus 5.5 امتیاز ۹۳.۷۵٪ گرفت. یعنی M3.1 Flash هنوز با مدل‌های پرچم‌دار فاصله دارد، اما با این قیمت پایین گزینه به‌صرفه‌ای است.
🔗 مستندات مدل
🔗 توییت
#AI #MiniMax #M31Flash #Coding #LLM
🆔 @asrgooyeshpardaz
شرکت MiniMax مدل M3.1 Flash را عرضه کرد. این مدل برای کدنویسی، تحقیق و کارهای خلاقانه ساخته شده است. نسخه پیش‌نمایش آن از اواخر سپتامبر در دسترس بود و حالا نسخه نهایی به MiniMax Code اضافه شده است.
🧠 مشخصات فنی
• معماری MoE با حدود ۴۲۸ میلیارد پارامتر که در هر لحظه فقط ۲۳ میلیارد پارامتر آن فعال است
• پنجره زمینه یک میلیون توکنی
• پذیرش ورودی متن، تصویر و ویدئو
• پنج سطح قابل تنظیم برای عمق استدلال، از low تا max
💰 قیمت API
• ورودی: ۰.۱۵ دلار به ازای هر میلیون توکن
• خروجی: ۰.۶۰ دلار به ازای هر میلیون توکن
📊 عملکرد
• مدل M3.1 Flash در آزمون مستقل KingBench 3 امتیاز ۶۶.۲۵٪ گرفت، بیش از دو برابر امتیاز M3 (۳۱.۲۵٪).
• در همین آزمون، Opus 5.5 امتیاز ۹۳.۷۵٪ گرفت. یعنی M3.1 Flash هنوز با مدل‌های پرچم‌دار فاصله دارد، اما با این قیمت پایین گزینه به‌صرفه‌ای است.
🔗 مستندات مدل
🔗 توییت
#AI #MiniMax #M31Flash #Coding #LLM
🆔 @asrgooyeshpardaz
❤4👏1