📌 مصاحبه با یک کارمند ۲۳ سالهٔ OpenAI که یادگیری عمیق (DL) را بدون تحصیل دانشگاهی آموخته است
داستانی جالب که آدم را به فکر فرو می‌برد؛ هم دربارهٔ آموزش و هم مسیر شغلی.
آشنا شوید با گابریئل پترسون. او فقط ۲۳ سال دارد، مدرسه را در یک شهر کوچک و دورافتاده در سوئد رها کرده، هرگز وارد دانشگاه نشده، اما همین حالا به‌عنوان پژوهشگر در OpenAI و در تیم Sora کار می‌کند.
🟡 ما در دوره‌ای زندگی می‌کنیم که انحصار دانشگاه‌ها بر دانش بنیادین متزلزل شده است.
آموزش سنتی معمولاً مسیری «از پایین به بالا» دارد. اگر بخواهی وارد یادگیری ماشین شوی، اول باید جبر خطی بخوانی، بعد آنالیز ریاضی، بعد آمار و احتمال. این مسیر طولانی است و اغلب باعث از دست رفتن انگیزه می‌شود، چون معلوم نیست این همه درس دقیقاً الآن به چه دردی می‌خورد.
از طرف دیگر، شرکت‌ها هم همیشه حاضر نیستند صبر کنند. برای مثال، Palantir حتی بدون عبور از دانشگاه‌ها، دانش‌آموزان دبیرستانی را استخدام می‌کند. داستان گابریئل نمونهٔ روشنی از همین روند است.
او مسیر کلاسیک «مدرسه ← کارشناسی ← کارشناسی ارشد» را طی نکرد. در عوض، از ChatGPT به‌عنوان یک منتور شخصی استفاده کرد. البته نه به این معنا که از چت‌بات بخواهد «به‌جای من کد بنویس». گابریئل از روشی استفاده می‌کند که خودش آن را «پر کردن بازگشتیِ شکاف‌های دانشی» می‌نامد.
ایدهٔ اصلی این روش، حرکت «از بالا به پایین» است. او یک پروژهٔ پیچیده را انتخاب می‌کند؛ مثلاً می‌خواهد بفهمد مدل‌های دیفیوژن چگونه کار می‌کنند. از ChatGPT می‌خواهد کد مربوطه را بنویسد. طبیعی است که در ابتدا تقریباً هیچ‌چیز را متوجه نمی‌شود.
در همین‌جا مرحلهٔ اصلی شروع می‌شود: او دربارهٔ تک‌تک بخش‌های نامفهوم سؤال می‌پرسد.
«این بلاک چه کاری انجام می‌دهد؟»
فرض کنید آن بلاک، ResNet است. می‌پرسد: «چرا این ساختار به یادگیری مدل کمک می‌کند؟» و باز هم عمیق‌تر می‌شود. اگر به مفهوم ناآشنایی برسد، از ChatGPT می‌خواهد مبانی ریاضی پشت آن مفهوم را توضیح دهد.
این همان «بازگشت» است: لایه به لایه، تا زمانی که همهٔ شکاف‌های دانشی پر شوند. او ریاضی را برای آیندهٔ نامعلوم نمی‌خواند؛ بلکه دقیقاً همان ریاضی‌ای را یاد می‌گیرد که همین الآن برای فهم و کار کردن کد لازم دارد.
🟡 اما یک فرد خارجیِ بدون مدرک دانشگاهی چطور ویزای آمریکا گرفت و در سیلیکون‌ولی استخدام شد؟
برای دریافت ویزای استعدادهای ویژه (O-1)، او از اعتبارش در Stack Overflow و توصیه‌ها و پاسخ‌هایی که میلیون‌ها بار دیده شده بودند، به‌عنوان مدرکی برای نشان دادن اثرگذاری‌اش در صنعت استفاده کرد.
توصیهٔ گابریئل صریح است: HR را فراموش کنید. رزومه و مدرک اهمیت چندانی ندارند، اگر بتوانید نتیجهٔ واقعی نشان دهید. استراتژی او این است: یک MVP یا دموی محصول بسازید و مستقیم به مدیران ارشد شرکت ایمیل بزنید و پیشنهاد بدهید که یک هفته رایگان برایشان کار کنید. این کار ریسک استخدام را برای کارفرما کم می‌کند و به شما فرصت می‌دهد خودتان را ثابت کنید.
پیام اصلی او این است:
اگر آماده‌اید فعالانه سؤال بپرسید و از اینکه هنگام یادگیری مفاهیم پایه جلوی یک هوش مصنوعی «احمق به نظر برسید» نترسید، شما همین حالا جزو ۱٪ برتر هستید؛ چون بیشتر مردم فقط با جریان حرکت می‌کنند و هیچ‌وقت عمیق نمی‌شوند.
🔜 مشاهدهٔ مصاحبهٔ کامل
#AI #ML #Interview #OpenAI
info@asr-gooyesh.com
داستانی جالب که آدم را به فکر فرو می‌برد؛ هم دربارهٔ آموزش و هم مسیر شغلی.
آشنا شوید با گابریئل پترسون. او فقط ۲۳ سال دارد، مدرسه را در یک شهر کوچک و دورافتاده در سوئد رها کرده، هرگز وارد دانشگاه نشده، اما همین حالا به‌عنوان پژوهشگر در OpenAI و در تیم Sora کار می‌کند.
🟡 ما در دوره‌ای زندگی می‌کنیم که انحصار دانشگاه‌ها بر دانش بنیادین متزلزل شده است.
آموزش سنتی معمولاً مسیری «از پایین به بالا» دارد. اگر بخواهی وارد یادگیری ماشین شوی، اول باید جبر خطی بخوانی، بعد آنالیز ریاضی، بعد آمار و احتمال. این مسیر طولانی است و اغلب باعث از دست رفتن انگیزه می‌شود، چون معلوم نیست این همه درس دقیقاً الآن به چه دردی می‌خورد.
از طرف دیگر، شرکت‌ها هم همیشه حاضر نیستند صبر کنند. برای مثال، Palantir حتی بدون عبور از دانشگاه‌ها، دانش‌آموزان دبیرستانی را استخدام می‌کند. داستان گابریئل نمونهٔ روشنی از همین روند است.
او مسیر کلاسیک «مدرسه ← کارشناسی ← کارشناسی ارشد» را طی نکرد. در عوض، از ChatGPT به‌عنوان یک منتور شخصی استفاده کرد. البته نه به این معنا که از چت‌بات بخواهد «به‌جای من کد بنویس». گابریئل از روشی استفاده می‌کند که خودش آن را «پر کردن بازگشتیِ شکاف‌های دانشی» می‌نامد.
ایدهٔ اصلی این روش، حرکت «از بالا به پایین» است. او یک پروژهٔ پیچیده را انتخاب می‌کند؛ مثلاً می‌خواهد بفهمد مدل‌های دیفیوژن چگونه کار می‌کنند. از ChatGPT می‌خواهد کد مربوطه را بنویسد. طبیعی است که در ابتدا تقریباً هیچ‌چیز را متوجه نمی‌شود.
در همین‌جا مرحلهٔ اصلی شروع می‌شود: او دربارهٔ تک‌تک بخش‌های نامفهوم سؤال می‌پرسد.
«این بلاک چه کاری انجام می‌دهد؟»
فرض کنید آن بلاک، ResNet است. می‌پرسد: «چرا این ساختار به یادگیری مدل کمک می‌کند؟» و باز هم عمیق‌تر می‌شود. اگر به مفهوم ناآشنایی برسد، از ChatGPT می‌خواهد مبانی ریاضی پشت آن مفهوم را توضیح دهد.
این همان «بازگشت» است: لایه به لایه، تا زمانی که همهٔ شکاف‌های دانشی پر شوند. او ریاضی را برای آیندهٔ نامعلوم نمی‌خواند؛ بلکه دقیقاً همان ریاضی‌ای را یاد می‌گیرد که همین الآن برای فهم و کار کردن کد لازم دارد.
🟡 اما یک فرد خارجیِ بدون مدرک دانشگاهی چطور ویزای آمریکا گرفت و در سیلیکون‌ولی استخدام شد؟
برای دریافت ویزای استعدادهای ویژه (O-1)، او از اعتبارش در Stack Overflow و توصیه‌ها و پاسخ‌هایی که میلیون‌ها بار دیده شده بودند، به‌عنوان مدرکی برای نشان دادن اثرگذاری‌اش در صنعت استفاده کرد.
توصیهٔ گابریئل صریح است: HR را فراموش کنید. رزومه و مدرک اهمیت چندانی ندارند، اگر بتوانید نتیجهٔ واقعی نشان دهید. استراتژی او این است: یک MVP یا دموی محصول بسازید و مستقیم به مدیران ارشد شرکت ایمیل بزنید و پیشنهاد بدهید که یک هفته رایگان برایشان کار کنید. این کار ریسک استخدام را برای کارفرما کم می‌کند و به شما فرصت می‌دهد خودتان را ثابت کنید.
پیام اصلی او این است:
اگر آماده‌اید فعالانه سؤال بپرسید و از اینکه هنگام یادگیری مفاهیم پایه جلوی یک هوش مصنوعی «احمق به نظر برسید» نترسید، شما همین حالا جزو ۱٪ برتر هستید؛ چون بیشتر مردم فقط با جریان حرکت می‌کنند و هیچ‌وقت عمیق نمی‌شوند.
🔜 مشاهدهٔ مصاحبهٔ کامل
#AI #ML #Interview #OpenAI
info@asr-gooyesh.com
X (formerly Twitter)
gabriel (@gabriel1) on X
co-founder @getenergy_, previously research at @OpenAI & @midjourney
solving future of computer work with @getenergy_
solving future of computer work with @getenergy_
👏9❤2🤔2🤩1
🌟 مدل IQuest-Coder-V1: مدل چینی که رهبران کدنویسی را پشت سر گذاشت.
مدل Quest Research با حمایت صندوق Ubiquant، مدل ۴۰ میلیارد پارامتری‌ای را معرفی کرد که دارای پنجرهٔ کانتکست ۱۲۸ هزار توکن است و به گفتهٔ نویسندگان، به امتیازهای ۸۱٫۴٪ در SWE-Bench Verified، ۴۹٫۹٪ در BigCodeBench و ۸۱٫۱٪ در LiveCodeBench v6 دست یافته است.
این نتایج با وجود تعداد پارامترهای به‌مراتب کمتر، از عملکرد Claude Sonnet 4.5 و GPT-5.1 بهتر است.
این مدل از تکنیک «code-flow» استفاده می‌کند — آموزش بر اساس تکامل مخازن (repositories) و کامیت‌ها — و به دو شاخه تقسیم شده است:
🟠 شاخه Dense Models: نسخه‌های Base و Instruct برای پیش‌تمرین/فاین‌تیون و پیروی از دستورالعمل‌ها
🟢شاخه Loop Models: نسخهٔ بهینه‌سازی‌شدهٔ Instruct با بیشینهٔ کارایی از نظر مصرف VRAM (نسخهٔ int4 می‌تواند روی کارت‌های 3090/4090 اجرا شود)
معماری LoopCoder از ساختار چرخه‌ای ترنسفورمر استفاده می‌کند؛ به‌گونه‌ای که یک مجموعه پارامتر یکسان در دو گذر پردازشی پیاپی به کار می‌رود.
در گذر نخست، مدل امبدینگ‌ها را با درنظرگرفتن موقعیت واژه‌ها از لایه‌های خود عبور می‌دهد.
در گذر دوم، مدل به‌طور همزمان از دو نوع توجه استفاده می‌کند:
توجه سراسری (Global Attention) که به تمام اطلاعات گذر اول برای درک کانتکست کلی رجوع می‌کند، و
توجه محلی (Local Attention) که فقط به واژه‌های قبلی در گذر دوم نگاه می‌کند تا پیوستگی توالی متن حفظ شود.
این دو نوع توجه با سازوکاری ترکیب می‌شوند که تعیین می‌کند چه میزان وزن به کانتکست سراسری و چه میزان به توالی محلی داده شود.
در گزارش فنی همچنین به نسخه‌های 7B و 14B اشاره شده است، اما زمان انتشار آنها هنوز مشخص نیست.
📌 مجوز (Licensing):
Modified MIT License
🟡 صفحهٔ پروژه
🟡 گزارش فنی
🟡 مجموعهٔ مدل‌ها
🖥 GitHub
#AI #ML #LLM #IQuest #QuestResearch
@asrgooyeshpardaz
مدل Quest Research با حمایت صندوق Ubiquant، مدل ۴۰ میلیارد پارامتری‌ای را معرفی کرد که دارای پنجرهٔ کانتکست ۱۲۸ هزار توکن است و به گفتهٔ نویسندگان، به امتیازهای ۸۱٫۴٪ در SWE-Bench Verified، ۴۹٫۹٪ در BigCodeBench و ۸۱٫۱٪ در LiveCodeBench v6 دست یافته است.
این نتایج با وجود تعداد پارامترهای به‌مراتب کمتر، از عملکرد Claude Sonnet 4.5 و GPT-5.1 بهتر است.
این مدل از تکنیک «code-flow» استفاده می‌کند — آموزش بر اساس تکامل مخازن (repositories) و کامیت‌ها — و به دو شاخه تقسیم شده است:
🟠 شاخه Dense Models: نسخه‌های Base و Instruct برای پیش‌تمرین/فاین‌تیون و پیروی از دستورالعمل‌ها
🟢شاخه Loop Models: نسخهٔ بهینه‌سازی‌شدهٔ Instruct با بیشینهٔ کارایی از نظر مصرف VRAM (نسخهٔ int4 می‌تواند روی کارت‌های 3090/4090 اجرا شود)
معماری LoopCoder از ساختار چرخه‌ای ترنسفورمر استفاده می‌کند؛ به‌گونه‌ای که یک مجموعه پارامتر یکسان در دو گذر پردازشی پیاپی به کار می‌رود.
در گذر نخست، مدل امبدینگ‌ها را با درنظرگرفتن موقعیت واژه‌ها از لایه‌های خود عبور می‌دهد.
در گذر دوم، مدل به‌طور همزمان از دو نوع توجه استفاده می‌کند:
توجه سراسری (Global Attention) که به تمام اطلاعات گذر اول برای درک کانتکست کلی رجوع می‌کند، و
توجه محلی (Local Attention) که فقط به واژه‌های قبلی در گذر دوم نگاه می‌کند تا پیوستگی توالی متن حفظ شود.
این دو نوع توجه با سازوکاری ترکیب می‌شوند که تعیین می‌کند چه میزان وزن به کانتکست سراسری و چه میزان به توالی محلی داده شود.
در گزارش فنی همچنین به نسخه‌های 7B و 14B اشاره شده است، اما زمان انتشار آنها هنوز مشخص نیست.
📌 مجوز (Licensing):
Modified MIT License
🟡 صفحهٔ پروژه
🟡 گزارش فنی
🟡 مجموعهٔ مدل‌ها
🖥 GitHub
#AI #ML #LLM #IQuest #QuestResearch
@asrgooyeshpardaz
huggingface.co
IQuestLab/IQuest-Coder-V1-40B-Base · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
⚡3👏2❤1
🌟 لنگ‌چین ماژول خودارزیابی برای عامل‌های هوش مصنوعی منتشر کرد
شرکت LangChain از مؤلفهٔ RubricMiddleware برای فریمورک Deep Agents خود رونمایی کرده است. این ابزار عامل هوش مصنوعی را وادار می‌کند که خروجی خود را بر اساس معیارهای از پیش تعیین‌شده بررسی کرده و در صورت نیاز، کار را دوباره انجام دهد.
این ابزار به عنوان راه‌حلی برای مشکل رایجی طراحی شده که در آن عامل هوش مصنوعی تقریباً تمام وظیفه را انجام می‌دهد، اما قالب، آزمون‌ها یا بخش‌های ضروری را از قلم می‌اندازد. این مکانیزم بیشتر برای وظایفی مفید است که معیارهای پذیرش شفاف و قابل‌راستی‌آزمایی دارند.
🟡 روش کار
توسعه‌دهنده فهرستی از الزامات (rubric) را برای وظیفهٔ انجام‌شده تعیین می‌کند؛ برای نمونه، کد باید آزمون‌ها را پشت سر بگذارد و گزارش باید شامل بخش‌های مشخصی باشد.
پیش از آنکه عامل اصلی کار را پایان‌یافته اعلام کند، یک عامل ارزیاب (grader) جداگانه نتیجه را بر اساس هر یک از معیارها بررسی می‌کند. اگر نکته‌ای برآورده نشده باشد، بازخورد آن به عامل اصلی بازگردانده می‌شود و او تلاش جدیدی انجام می‌دهد.
این چرخه تا زمانی ادامه می‌یابد که همهٔ معیارها برآورده شوند یا به حد مجاز تکرار تعیین‌شده برسند.
به گفتهٔ LangChain، عامل ارزیاب نه تنها می‌تواند دربارهٔ کیفیت پاسخ استدلال کند، بلکه قادر به فراخوانی ابزارهای خارجی نیز هست تا به داده‌های واقعی تکیه کند، نه صرفاً به متن.
شرکت LangChain رویکرد خود را با تابع /goal در Claude Code و Codex مقایسه کرده و ادعا می‌کند که پیاده‌سازی آنها به دلیل وجود یک عامل ارزیاب جداگانه که کل فرایند اجرای وظیفه را می‌بیند، انعطاف‌پذیرتر است.
ابزار RubricMiddleware در حال حاضر در مرحلهٔ بتا قرار دارد، اما مستندات آن منتشر شده و نمونهٔ ردیابی (trace) نیز قابل مشاهده است.
منبع:
https://docs.langchain.com/oss/python/deepagents/overview
#news #ai #ml
🆔 @asrgooyeshpardaz
شرکت LangChain از مؤلفهٔ RubricMiddleware برای فریمورک Deep Agents خود رونمایی کرده است. این ابزار عامل هوش مصنوعی را وادار می‌کند که خروجی خود را بر اساس معیارهای از پیش تعیین‌شده بررسی کرده و در صورت نیاز، کار را دوباره انجام دهد.
این ابزار به عنوان راه‌حلی برای مشکل رایجی طراحی شده که در آن عامل هوش مصنوعی تقریباً تمام وظیفه را انجام می‌دهد، اما قالب، آزمون‌ها یا بخش‌های ضروری را از قلم می‌اندازد. این مکانیزم بیشتر برای وظایفی مفید است که معیارهای پذیرش شفاف و قابل‌راستی‌آزمایی دارند.
🟡 روش کار
توسعه‌دهنده فهرستی از الزامات (rubric) را برای وظیفهٔ انجام‌شده تعیین می‌کند؛ برای نمونه، کد باید آزمون‌ها را پشت سر بگذارد و گزارش باید شامل بخش‌های مشخصی باشد.
پیش از آنکه عامل اصلی کار را پایان‌یافته اعلام کند، یک عامل ارزیاب (grader) جداگانه نتیجه را بر اساس هر یک از معیارها بررسی می‌کند. اگر نکته‌ای برآورده نشده باشد، بازخورد آن به عامل اصلی بازگردانده می‌شود و او تلاش جدیدی انجام می‌دهد.
این چرخه تا زمانی ادامه می‌یابد که همهٔ معیارها برآورده شوند یا به حد مجاز تکرار تعیین‌شده برسند.
به گفتهٔ LangChain، عامل ارزیاب نه تنها می‌تواند دربارهٔ کیفیت پاسخ استدلال کند، بلکه قادر به فراخوانی ابزارهای خارجی نیز هست تا به داده‌های واقعی تکیه کند، نه صرفاً به متن.
شرکت LangChain رویکرد خود را با تابع /goal در Claude Code و Codex مقایسه کرده و ادعا می‌کند که پیاده‌سازی آنها به دلیل وجود یک عامل ارزیاب جداگانه که کل فرایند اجرای وظیفه را می‌بیند، انعطاف‌پذیرتر است.
ابزار RubricMiddleware در حال حاضر در مرحلهٔ بتا قرار دارد، اما مستندات آن منتشر شده و نمونهٔ ردیابی (trace) نیز قابل مشاهده است.
منبع:
https://docs.langchain.com/oss/python/deepagents/overview
#news #ai #ml
🆔 @asrgooyeshpardaz
Docs by LangChain
Deep Agents overview - Docs by LangChain
Build agents that can plan, use subagents, and leverage file systems for complex tasks
❤3
📌 سیستم LEAP: سیستمی که به مدل زبانی کمک کرد تمام مسائل المپیاد پاتنم ۲۰۲۵ را حل کند
گوگل مقاله‌ای دربارهٔ سیستم LEAP منتشر کرده است که برای اثبات خودکار قضایا طراحی شده. این سیستم به مدل‌های زبانی امکان می‌دهد تا اثبات‌های رسمی و قابل راستی‌آزمایی ماشین را به زبان Lean بسازند.
اثبات به زبان طبیعی (انسان) به سختی به صورت خودکار قابل بررسی است، زیرا تقریباً همیشه شامل خلأهای منطقی می‌شود. اما اثبات رسمی (فرمال) با زبان ماشین نوشته می‌شود و توسط کامپایلر بررسی می‌گردد که تضمین‌کنندهٔ درستی است، هرچند نوشتن آن بسیار دشوارتر است.
در این حوزه، مدل‌های تخصصی که صرفاً برای Lean آموزش دیده‌اند، پیشتاز هستند. اما LEAP که به عنوان یک چارچوب عاملی (agentic framework) کار می‌کند، از مدل‌های عمومی استفاده می‌نماید: مسئله را به بخش‌های کوچک تقسیم کرده و بر اساس خطاهای بازگردانده شده توسط کامپایلر، به صورت بازگشتی اشکالات را رفع می‌کند.
دستاورد اصلی پژوهشی این پروژه، المپیاد پاتنم ۲۰۲۵ است؛ مسابقه سالانه ریاضی برای دانشجویان آمریکا. LEAP موفق شد هر ۱۲ مسئله این المپیاد را به صورت رسمی حل کند، در حالی که Gemini 3.1 Pro به تنهایی و همچنین سیستم تخصصی متن‌باز Goedel-Prover-V2 حتی یک مسئله را حل نکردند. سیستم بسته Aristotle که در المپیاد ریاضی IMO ۲۰۲۵ عملکردی در سطح مدال طلا داشت، در ارزیابی نویسندگان این مقاله ۹ مسئله از ۱۲ را حل کرده است.
در این مقاله مجموعه داده جدیدی به نام IMO-LeanProofBench شامل ۶۰ مسئله المپیادی معرفی شده که در زبان Lean فرمال شده‌اند و نیازمند استنتاج‌های غیرمعمول و اثبات‌های ساختاری پیچیده هستند. در این مجموعه، LEAP به طور میانگین در بخش‌های پایه و پیشرفته به حدود ۷۰٪ موفقیت می‌رسد، در حالی که Aristotle حدود ۴۸٪ است.
دستاورد جانبی: LEAP بخش کمکی یکی از مسائل ترکیبیاتی منتسب به ریاضیدان دونالد کانت را به طور رسمی تأیید کرده و بیش از ۵۰۰۰ خط کد در Lean 4 تولید نموده است.
🟡 نکتهٔ طعنه‌آمیز
نویسندگان مقاله در متن خود از سیستم‌های بسته رقیب (Axiom3, Numina, Aristotle) به دلیل در دسترس نبودن برای بررسی علمی انتقاد کرده‌اند. با این حال، کد خود LEAP نیز منتشر نشده است. انتشار اثبات‌های نهایی تا حدی این مشکل را کاهش می‌دهد (چون می‌توان آنها را با کامپایلر Lean بازبینی کرد)، اما بازتولید کامل این پروژهٔ گوگل در حال حاضر ممکن نیست.
منبع: Google Research – LEAP
#AI #ML #LLM #LEAP #Research #Google
🆔 @asrgooyeshpardaz
گوگل مقاله‌ای دربارهٔ سیستم LEAP منتشر کرده است که برای اثبات خودکار قضایا طراحی شده. این سیستم به مدل‌های زبانی امکان می‌دهد تا اثبات‌های رسمی و قابل راستی‌آزمایی ماشین را به زبان Lean بسازند.
اثبات به زبان طبیعی (انسان) به سختی به صورت خودکار قابل بررسی است، زیرا تقریباً همیشه شامل خلأهای منطقی می‌شود. اما اثبات رسمی (فرمال) با زبان ماشین نوشته می‌شود و توسط کامپایلر بررسی می‌گردد که تضمین‌کنندهٔ درستی است، هرچند نوشتن آن بسیار دشوارتر است.
در این حوزه، مدل‌های تخصصی که صرفاً برای Lean آموزش دیده‌اند، پیشتاز هستند. اما LEAP که به عنوان یک چارچوب عاملی (agentic framework) کار می‌کند، از مدل‌های عمومی استفاده می‌نماید: مسئله را به بخش‌های کوچک تقسیم کرده و بر اساس خطاهای بازگردانده شده توسط کامپایلر، به صورت بازگشتی اشکالات را رفع می‌کند.
دستاورد اصلی پژوهشی این پروژه، المپیاد پاتنم ۲۰۲۵ است؛ مسابقه سالانه ریاضی برای دانشجویان آمریکا. LEAP موفق شد هر ۱۲ مسئله این المپیاد را به صورت رسمی حل کند، در حالی که Gemini 3.1 Pro به تنهایی و همچنین سیستم تخصصی متن‌باز Goedel-Prover-V2 حتی یک مسئله را حل نکردند. سیستم بسته Aristotle که در المپیاد ریاضی IMO ۲۰۲۵ عملکردی در سطح مدال طلا داشت، در ارزیابی نویسندگان این مقاله ۹ مسئله از ۱۲ را حل کرده است.
در این مقاله مجموعه داده جدیدی به نام IMO-LeanProofBench شامل ۶۰ مسئله المپیادی معرفی شده که در زبان Lean فرمال شده‌اند و نیازمند استنتاج‌های غیرمعمول و اثبات‌های ساختاری پیچیده هستند. در این مجموعه، LEAP به طور میانگین در بخش‌های پایه و پیشرفته به حدود ۷۰٪ موفقیت می‌رسد، در حالی که Aristotle حدود ۴۸٪ است.
دستاورد جانبی: LEAP بخش کمکی یکی از مسائل ترکیبیاتی منتسب به ریاضیدان دونالد کانت را به طور رسمی تأیید کرده و بیش از ۵۰۰۰ خط کد در Lean 4 تولید نموده است.
🟡 نکتهٔ طعنه‌آمیز
نویسندگان مقاله در متن خود از سیستم‌های بسته رقیب (Axiom3, Numina, Aristotle) به دلیل در دسترس نبودن برای بررسی علمی انتقاد کرده‌اند. با این حال، کد خود LEAP نیز منتشر نشده است. انتشار اثبات‌های نهایی تا حدی این مشکل را کاهش می‌دهد (چون می‌توان آنها را با کامپایلر Lean بازبینی کرد)، اما بازتولید کامل این پروژهٔ گوگل در حال حاضر ممکن نیست.
منبع: Google Research – LEAP
#AI #ML #LLM #LEAP #Research #Google
🆔 @asrgooyeshpardaz
❤1👎1👏1
📌 موفقیت در کار با Claude Code بیش از مهارت کدنویسی، به درک مسئله بستگی دارد
شرکت Anthropic گزارشی منتشر کرده است که نشان می‌دهد مهم‌ترین عامل موفقیت در کار با عامل‌های هوش مصنوعی برنامه‌نویسی، تسلط بر کدنویسی نیست، بلکه درک عمیق از خود مسئله است.
این نتیجه بر اساس تحلیل حدود ۴۰۰ هزار جلسه از سرویس Claude Code، که توسط حدود ۲۳۵ هزار کاربر از اکتبر ۲۰۲۵ تا آوریل ۲۰۲۶ انجام شده، به دست آمده است.
در یک جلسه معمولی، انسان حدود ۷۰٪ تصمیمات مربوط به «چه کاری باید انجام شود» را می‌گیرد، در حالی که عامل حدود ۸۰٪ تصمیمات مربوط به «چگونه انجام شود» را بر عهده می‌گیرد. به عبارت دیگر، نقش انسان تعیین هدف است و نقش دستیار انتخاب روش.
هر چه کاربر در حوزه مورد نظر تخصص بیشتری داشته باشد، عامل با یک دستور ساده، کار بیشتری انجام می‌دهد. به گفته تیم تحلیل، یک دستور از کاربران مبتدی به طور میانگین حدود ۵ اقدام و ۶۰۰ کلمه پاسخ از سوی عامل را به دنبال دارد، در حالی که این عدد برای کاربران خبره به ۲ برابر اقدام و ۵ برابر متن می‌رسد.
سطح مهارت کاربران نه بر اساس سمت شغلی، بلکه بر اساس دقت در فرمول‌بندی نیازمندی‌ها و تشخیص خطاهای عامل تعیین شده است.
🟡 نکته جالب درباره مشاغل مختلف:
افراد غیربرنامه‌نویس (مانند تحلیلگران، مدیران محصول و پژوهشگران) در نوشتن کد با Claude Code تقریباً به اندازه برنامه‌نویسان حرفه‌ای موفق عمل می‌کنند و همه گروه‌های شغلی اصلی در ۷ درصد اختلاف با مهندسان نرم‌افزار قرار دارند.
با این حال، شکاف بین مبتدیان و کاربران با تجربه قابل توجه است. بر اساس معیار «موفقیت تأییدشده»، جلسات مبتدیان در ۱۵٪ موارد با موفقیت به پایان رسیده، در حالی که این نرخ برای کاربران سطح متوسط و بالاتر بین ۲۸ تا ۳۳٪ بوده است.
🟡 تغییر الگوی کاری در ۷ ماه:
- سهم جلسات مربوط به رفع اشکال از ۳۳٪ به ۱۹٪ کاهش یافته است.
- سهم وظایف مرتبط با راه‌اندازی و تنظیم نرم‌افزار، تحلیل داده و تهیه متون افزایش یافته است.
- هزینه برآوردی هر وظیفه (بر اساس مقایسه با نرخ‌های بازار آزاد) به طور متوسط حدود ۲۵٪ افزایش پیدا کرده است.
🔜 جزئیات بیشتر درباره روش‌شناسی، پروفایل‌های کاربری و نمونه درخواست‌ها در پیوست گزارش موجود است.
🔗 منبع: Anthropic
#AI #ML #Coding #Research #Anthropic
🆔 @asrgooyeshpardaz
شرکت Anthropic گزارشی منتشر کرده است که نشان می‌دهد مهم‌ترین عامل موفقیت در کار با عامل‌های هوش مصنوعی برنامه‌نویسی، تسلط بر کدنویسی نیست، بلکه درک عمیق از خود مسئله است.
این نتیجه بر اساس تحلیل حدود ۴۰۰ هزار جلسه از سرویس Claude Code، که توسط حدود ۲۳۵ هزار کاربر از اکتبر ۲۰۲۵ تا آوریل ۲۰۲۶ انجام شده، به دست آمده است.
در یک جلسه معمولی، انسان حدود ۷۰٪ تصمیمات مربوط به «چه کاری باید انجام شود» را می‌گیرد، در حالی که عامل حدود ۸۰٪ تصمیمات مربوط به «چگونه انجام شود» را بر عهده می‌گیرد. به عبارت دیگر، نقش انسان تعیین هدف است و نقش دستیار انتخاب روش.
هر چه کاربر در حوزه مورد نظر تخصص بیشتری داشته باشد، عامل با یک دستور ساده، کار بیشتری انجام می‌دهد. به گفته تیم تحلیل، یک دستور از کاربران مبتدی به طور میانگین حدود ۵ اقدام و ۶۰۰ کلمه پاسخ از سوی عامل را به دنبال دارد، در حالی که این عدد برای کاربران خبره به ۲ برابر اقدام و ۵ برابر متن می‌رسد.
سطح مهارت کاربران نه بر اساس سمت شغلی، بلکه بر اساس دقت در فرمول‌بندی نیازمندی‌ها و تشخیص خطاهای عامل تعیین شده است.
🟡 نکته جالب درباره مشاغل مختلف:
افراد غیربرنامه‌نویس (مانند تحلیلگران، مدیران محصول و پژوهشگران) در نوشتن کد با Claude Code تقریباً به اندازه برنامه‌نویسان حرفه‌ای موفق عمل می‌کنند و همه گروه‌های شغلی اصلی در ۷ درصد اختلاف با مهندسان نرم‌افزار قرار دارند.
با این حال، شکاف بین مبتدیان و کاربران با تجربه قابل توجه است. بر اساس معیار «موفقیت تأییدشده»، جلسات مبتدیان در ۱۵٪ موارد با موفقیت به پایان رسیده، در حالی که این نرخ برای کاربران سطح متوسط و بالاتر بین ۲۸ تا ۳۳٪ بوده است.
🟡 تغییر الگوی کاری در ۷ ماه:
- سهم جلسات مربوط به رفع اشکال از ۳۳٪ به ۱۹٪ کاهش یافته است.
- سهم وظایف مرتبط با راه‌اندازی و تنظیم نرم‌افزار، تحلیل داده و تهیه متون افزایش یافته است.
- هزینه برآوردی هر وظیفه (بر اساس مقایسه با نرخ‌های بازار آزاد) به طور متوسط حدود ۲۵٪ افزایش پیدا کرده است.
🔜 جزئیات بیشتر درباره روش‌شناسی، پروفایل‌های کاربری و نمونه درخواست‌ها در پیوست گزارش موجود است.
🔗 منبع: Anthropic
#AI #ML #Coding #Research #Anthropic
🆔 @asrgooyeshpardaz
Anthropic
Agentic coding and persistent returns to expertise
New Anthropic research looking at interactive agentic coding. We evaluate the composition of tasks, human-AI collaboration, and success rates.
👍2
📌 وال استریت ژورنال: قراردادهای تجاری OpenAI با رشد سرمایه‌گذاری شخصی سم آلتمن گره خورده است
روزنامه وال استریت ژورنال با استناد به اسناد دادگاه پرونده «ایلان ماسک علیه OpenAI»، از ارتباط نزدیک قراردادهای این شرکت با افزایش ثروت شخصی مدیرعامل آن خبر داده است.
جالب اینجاست که خود آلتمن سهمی در مالکیت OpenAI ندارد و درآمدش به شدت به سرمایه‌گذاری‌های خارجی وابسته است.
🟡 مکانیزم اثرگذاری
شرکت OpenAI با یک استارتاپ قرارداد همکاری می‌بندد و باعث افزایش ارزش آن می‌شود. در ادامه، سهام‌داران بزرگی مثل Thrive Capital یا شرکای تجاری مثل SoftBank سهام آن استارتاپ را می‌خرند. از آنجایی که آلتمن شخصاً در آن استارتاپ‌ها سرمایه‌گذاری کرده، ثروتش به طور غیرمستقیم افزایش پیدا می‌کند.
🟡 بررسی سه مورد عینی
🔹 هلیون (Helion):
در سال ۲۰۲۵، آلتمن پیشنهاد سرمایه‌گذاری ۵۰۰ میلیون دلاری OpenAI در این استارتاپ همجوشی هسته‌ای را داد (که با نگرانی کارکنان مواجه شد). در مارس ۲۰۲۶ قرارداد همکاری جدیدی بستند و او برای رفع تعارض منافع از هیئت مدیره کنار رفت. نهایتاً در ژوئن ۲۰۲۶، ارزش هلیون به ۱۵.۵ میلیارد دلار رسید و سهام آلتمن حداقل ۴.۱ میلیارد دلار ارزش پیدا کرد.
🔹 سربراس (Cerebras):
پس از دریافت تعهد خرید از سوی OpenAI و انجام عرضه اولیه (IPO)، ارزش سهام آلتمن در این شرکت تراشه‌سازی نسبت به دسامبر ۲۰۲۵، بیش از ۶ برابر افزایش یافت.
🔹 رترو بایوساینسز (Retro Biosciences):
پس از امضای قرارداد همکاری علمی با OpenAI، سهام آلتمن در این شرکت فعال در حوزه افزایش عمر، تا دسامبر ۲۰۲۵ به ۲۵۸ میلیون دلار رسید.
📊 طبق گزارش WSJ، حداقل ۱۰ شرکت در پرتفوی سرمایه‌گذاری آلتمن با OpenAI قرارداد تجاری دارند.
🏛️ واکنش نهادهای نظارتی
کمیته نظارت مجلس نمایندگان آمریکا تحقیق رسمی را آغاز کرده و دادستان‌های چند ایالت از کمیسیون بورس و اوراق بهادار (SEC) خواسته‌اند تا پیش از عرضه اولیه سهام OpenAI، این موضوع را بررسی کنند.
البته خود آلتمن و مقامات شرکت‌های مربوطه معتقدند که این نوع همکاری‌ها، رویه‌ای کاملاً عادی و رایج در دنیای تجارت است.
#اخبار_هوش_مصنوعی #AI #ML
🆔 @asrgooyeshpardaz
روزنامه وال استریت ژورنال با استناد به اسناد دادگاه پرونده «ایلان ماسک علیه OpenAI»، از ارتباط نزدیک قراردادهای این شرکت با افزایش ثروت شخصی مدیرعامل آن خبر داده است.
جالب اینجاست که خود آلتمن سهمی در مالکیت OpenAI ندارد و درآمدش به شدت به سرمایه‌گذاری‌های خارجی وابسته است.
🟡 مکانیزم اثرگذاری
شرکت OpenAI با یک استارتاپ قرارداد همکاری می‌بندد و باعث افزایش ارزش آن می‌شود. در ادامه، سهام‌داران بزرگی مثل Thrive Capital یا شرکای تجاری مثل SoftBank سهام آن استارتاپ را می‌خرند. از آنجایی که آلتمن شخصاً در آن استارتاپ‌ها سرمایه‌گذاری کرده، ثروتش به طور غیرمستقیم افزایش پیدا می‌کند.
🟡 بررسی سه مورد عینی
🔹 هلیون (Helion):
در سال ۲۰۲۵، آلتمن پیشنهاد سرمایه‌گذاری ۵۰۰ میلیون دلاری OpenAI در این استارتاپ همجوشی هسته‌ای را داد (که با نگرانی کارکنان مواجه شد). در مارس ۲۰۲۶ قرارداد همکاری جدیدی بستند و او برای رفع تعارض منافع از هیئت مدیره کنار رفت. نهایتاً در ژوئن ۲۰۲۶، ارزش هلیون به ۱۵.۵ میلیارد دلار رسید و سهام آلتمن حداقل ۴.۱ میلیارد دلار ارزش پیدا کرد.
🔹 سربراس (Cerebras):
پس از دریافت تعهد خرید از سوی OpenAI و انجام عرضه اولیه (IPO)، ارزش سهام آلتمن در این شرکت تراشه‌سازی نسبت به دسامبر ۲۰۲۵، بیش از ۶ برابر افزایش یافت.
🔹 رترو بایوساینسز (Retro Biosciences):
پس از امضای قرارداد همکاری علمی با OpenAI، سهام آلتمن در این شرکت فعال در حوزه افزایش عمر، تا دسامبر ۲۰۲۵ به ۲۵۸ میلیون دلار رسید.
📊 طبق گزارش WSJ، حداقل ۱۰ شرکت در پرتفوی سرمایه‌گذاری آلتمن با OpenAI قرارداد تجاری دارند.
🏛️ واکنش نهادهای نظارتی
کمیته نظارت مجلس نمایندگان آمریکا تحقیق رسمی را آغاز کرده و دادستان‌های چند ایالت از کمیسیون بورس و اوراق بهادار (SEC) خواسته‌اند تا پیش از عرضه اولیه سهام OpenAI، این موضوع را بررسی کنند.
البته خود آلتمن و مقامات شرکت‌های مربوطه معتقدند که این نوع همکاری‌ها، رویه‌ای کاملاً عادی و رایج در دنیای تجارت است.
#اخبار_هوش_مصنوعی #AI #ML
🆔 @asrgooyeshpardaz
👍1
🎵 معرفی SPEAR XLarge v2 – رمزگذار متن‌باز پیشرفته برای گفتار و صدا
مدل SPEAR XLarge v2 به‌عنوان پرچم‌دار رمزگذارهای متن‌باز SPEAR، برای یادگیری یکپارچه‌ی بازنمایی گفتار و صداهای عمومی طراحی شده. این نسخه‌ی پذیرفته‌شده در کنفرانس ICML 2026 بوده و نسبت به نسخه‌ی قبلی (v1)، با افزودن Token Mixing برای صحنه‌های آکوستیک پیچیده بهینه‌تر شده و عملکرد بهتری در گفتار هم‌پوشان، صداهای نویزی و ترکیب‌های صوتی دنیای واقعی ارائه می‌دهد.
---
⚙️ مشخصات فنی
- پشتیبان (Backbone): Zipformer با حدود ۶۰۰ میلیون پارامتر و ۱۳ پشته‌ی Zipformer
- خروجی: بازنمایی‌های سطح فریم با ابعاد ۱۲۸۰ و نرخ تقریباً ۵۰ هرتز از شکل‌موجهای ۱۶ کیلوهرتز
---
📊 داده‌های پیش‌آموزش
مدل روی ۱۹۷٬۰۰۰ ساعت داده‌ی ترکیبی آموزش دیده است:
- ۱۸۴٬۰۰۰ ساعت داده‌ی گفتاری شامل دیتاست‌های Libriheavy (~۵۰k ساعت)، Gigaspeech (~۱۰k)، VoxPopuli (~۲۴k) و yodas-granary (~۱۰۰k ساعت)
- ۱۳٬۰۰۰ ساعت داده‌ی صوتی عمومی شامل AudioSet (~۵k)، Freesound (~۲.۸k)، Music4all (~۱k)، VGGSound (~۵۰۰) و MTG-Jamendo (~۳.۸k ساعت)
---
🏆 عملکرد درخشان
این مدل در هر دو معیار اصلی SUPERB (ارزیابی بازنمایی گفتار) و HEAR (ارزیابی بازنمایی صدای عمومی) به نتایج پیشرو (SOTA) دست یافته است.
نتایج تنظیم دقیق روی LibriSpeech (تشخیص خودکار گفتار):
- با داده‌ی LS960، نرخ خطای کلمه (WER) در مجموعه‌ی test-clean به ۱٫۶٪ و در test-other به ۲٫۹٪ رسیده است.
نتایج تنظیم دقیق روی AudioSet (برچسب‌گذاری صوتی):
- با داده‌ی AudioSet Balanced، امتیاز mAP برابر ۳۹٫۴ و با داده‌ی Full به ۵۰٫۰ دست یافته است.
---
ایده‌ی اصلی: بیشتر مدل‌های SSL موجود یا برای گفتار بهینه‌سازی شده‌اند یا برای صداهای عمومی، اما SPEAR این شکاف را با تقطیر دانش مکمل از دو معلم SSL (یکی متمرکز بر گفتار و دیگری بر صدای عمومی) در یک مدل یکپارچه پر می‌کند. استفاده از کوانتیزاسیون برداری با چند کدبوک باعث تولید توکن‌های گسسته‌ای می‌شود که هم اطلاعات معنایی و هم آکوستیک را در بر دارند.
---
🔗 لینک مدل:
https://huggingface.co/marcoyang/spear-xlarge-speech-audio-v2
📚مقاله:
https://arxiv.org/abs/2510.25955
---
#اخبار_هوش_مصنوعی #AI #ML #SPEAR #ICML2026 #پردازش_گفتار #صدا
🆔 @asrgooyeshpardaz
مدل SPEAR XLarge v2 به‌عنوان پرچم‌دار رمزگذارهای متن‌باز SPEAR، برای یادگیری یکپارچه‌ی بازنمایی گفتار و صداهای عمومی طراحی شده. این نسخه‌ی پذیرفته‌شده در کنفرانس ICML 2026 بوده و نسبت به نسخه‌ی قبلی (v1)، با افزودن Token Mixing برای صحنه‌های آکوستیک پیچیده بهینه‌تر شده و عملکرد بهتری در گفتار هم‌پوشان، صداهای نویزی و ترکیب‌های صوتی دنیای واقعی ارائه می‌دهد.
---
⚙️ مشخصات فنی
- پشتیبان (Backbone): Zipformer با حدود ۶۰۰ میلیون پارامتر و ۱۳ پشته‌ی Zipformer
- خروجی: بازنمایی‌های سطح فریم با ابعاد ۱۲۸۰ و نرخ تقریباً ۵۰ هرتز از شکل‌موجهای ۱۶ کیلوهرتز
---
📊 داده‌های پیش‌آموزش
مدل روی ۱۹۷٬۰۰۰ ساعت داده‌ی ترکیبی آموزش دیده است:
- ۱۸۴٬۰۰۰ ساعت داده‌ی گفتاری شامل دیتاست‌های Libriheavy (~۵۰k ساعت)، Gigaspeech (~۱۰k)، VoxPopuli (~۲۴k) و yodas-granary (~۱۰۰k ساعت)
- ۱۳٬۰۰۰ ساعت داده‌ی صوتی عمومی شامل AudioSet (~۵k)، Freesound (~۲.۸k)، Music4all (~۱k)، VGGSound (~۵۰۰) و MTG-Jamendo (~۳.۸k ساعت)
---
🏆 عملکرد درخشان
این مدل در هر دو معیار اصلی SUPERB (ارزیابی بازنمایی گفتار) و HEAR (ارزیابی بازنمایی صدای عمومی) به نتایج پیشرو (SOTA) دست یافته است.
نتایج تنظیم دقیق روی LibriSpeech (تشخیص خودکار گفتار):
- با داده‌ی LS960، نرخ خطای کلمه (WER) در مجموعه‌ی test-clean به ۱٫۶٪ و در test-other به ۲٫۹٪ رسیده است.
نتایج تنظیم دقیق روی AudioSet (برچسب‌گذاری صوتی):
- با داده‌ی AudioSet Balanced، امتیاز mAP برابر ۳۹٫۴ و با داده‌ی Full به ۵۰٫۰ دست یافته است.
---
ایده‌ی اصلی: بیشتر مدل‌های SSL موجود یا برای گفتار بهینه‌سازی شده‌اند یا برای صداهای عمومی، اما SPEAR این شکاف را با تقطیر دانش مکمل از دو معلم SSL (یکی متمرکز بر گفتار و دیگری بر صدای عمومی) در یک مدل یکپارچه پر می‌کند. استفاده از کوانتیزاسیون برداری با چند کدبوک باعث تولید توکن‌های گسسته‌ای می‌شود که هم اطلاعات معنایی و هم آکوستیک را در بر دارند.
---
🔗 لینک مدل:
https://huggingface.co/marcoyang/spear-xlarge-speech-audio-v2
📚مقاله:
https://arxiv.org/abs/2510.25955
---
#اخبار_هوش_مصنوعی #AI #ML #SPEAR #ICML2026 #پردازش_گفتار #صدا
🆔 @asrgooyeshpardaz
huggingface.co
marcoyang/spear-xlarge-speech-audio-v2 · Hugging Face
We’re on a journey to advance and democratize artificial intelligence through open source and open science.
❤2
🌐اخبار هوش مصنوعی
🌍 اتحادیه اروپا در مسیر خودکفایی فناورانه؛ مدل زبانی بزرگ متن‌باز توسعه می‌دهد
شرکت ایتالیایی دامین (که پیشتر با نام آی‌جینیوس شناخته می‌شد)، با همکاری کنسرسیوم یوروپا و پشتیبانی کمیسیون اروپا، مدلی ۴۰۰ میلیارد پارامتری را طی یک سال آینده روانه‌ی بازار خواهد کرد.
این مدل از صفر آموزش داده می‌شود و داده‌های آموزشی آن با همکاری دولت‌های اروپایی گردآوری می‌گردد. پروژه کاملاً متن‌باز خواهد بود و امکان استقرار آن روی سرورهای سازمانی و دولتی فراهم است.
پشت‌پرده‌ی این ابتکار، محدودیت‌های نظارتی و چالش‌های ژئوپلیتیکی است؛ ایتالیا و جمهوری چک پیشتر استفاده‌ی ابری از مدل‌های دیپ‌سیک را ممنوع کرده و فقط میزبانی محلی را مجاز دانسته‌اند. همچنین کسب‌وکارهای اروپایی با اعمال کنترل صادراتی آمریکا دست‌به‌گریبان‌اند.
🔗 reuters.com
🔲 کوالکام پا به عرصه‌ی دیتاسنترها می‌گذارد
غول چیپ‌سازی موبایل، از پردازنده‌ی سروری جدید خود با نام Dragonfly C1000 پرده برداشته و همزمان استارتاپ مودولار را به بهای ۴ میلیارد دلار تصاحب کرده است.
این پردازنده به‌گونه‌ای طراحی شده که عامل‌های هوش مصنوعی را با بیشترین بهره‌وری انرژی پشتیبانی کند. مارک زاکربرگ به‌عنوان نخستین مشتری کلان، قصد دارد زیرساخت خود را تا سال ۲۰۲۸ بر پایه‌ی این تراشه‌ها بازطراحی کند.
خرید مودولار نیز به کوالکام امکان می‌دهد تا لایه‌ی نرم‌افزاری خود را تقویت کند؛ چراکه این استارتاپ نرم‌افزاری برای اجرای مدل‌ها روی معماری‌های گوناگون سخت‌افزاری توسعه داده است.
🔗 cnbc.com
☕️ شبیه‌سازی نوین ساکانا برای سنجش مهارت‌های اقتصادی مدل‌های زبانی
استارتاپ ژاپنی ساکانا به همراه کی‌پی‌ام‌جی، شبیه‌سازی به نام کافی‌بنچ را طراحی کرده که زنجیره‌ی تأمین قهوه را بازآفرینی می‌کند تا توانمندی‌های اقتصادی عامل‌های هوش مصنوعی را ارزیابی نماید.
در این شبیه‌سازی، مدلِ تحت‌آزمایش نقش یک برشته‌کننده‌ی قهوه را ایفا می‌کند و سایر عوامل بازار (کشاورزان و خرده‌فروشان) توسط مدل Sonnet 4.6 هدایت می‌شوند. این عامل در بازه‌ی ۹۰ روز مجازی، باید دادوستد کند، صورتحساب‌ها را پرداخت و اعتبارات را مدیریت نماید. هزینه‌های روزانه، مدل را ناچار به معاملاتی پویا می‌کند تا از ورشکستگی بگریزد.
نتایج جالب بوده است: GPT-5.5 و Opus 4.7 فروش خود را با جدیت گسترش دادند؛ Gemini 3.1 Pro رویکردی منفعلانه در پیش گرفت؛ Kimi K2.6 دست به معاملات زیان‌ده زد و Haiku 4.5 بر اثر اهمال‌کاری و به‌تعویق‌انداختن مداوم اقدامات، ورشکست شد.
کد منبع پروژه و گزارش‌های آزمون به‌صورت عمومی در دسترس بوده و این دستاورد در کنفرانس ICML 2026 پذیرفته شده است.
🔗 sakana.ai | GitHub: SakanaAI/CoffeeBench
🛡 ائتلافی از غول‌های فناوری برای حراست از متن‌باز در برابر حملات هوش مصنوعی
بنیاد لینوکس، ابتکار Akrites را برای حفاظت از پروژه‌های متن‌باز در برابر تهدیدات نوین هوش مصنوعی کلید زده است. بیش از ۲۰ شرکت از جمله آمازون، گوگل، مایکروسافت، اوپنایآی و انتروپیک به این پیمان پیوسته‌اند. هدف، کشف و رفع آسیب‌پذیری‌های نرم‌افزارهای حیاتی پیش از آنکه توسط هوش مصنوعی کشف شوند است.
هسته‌ی اصلی پروژه، گروه واکنش سریع به حوادث خواهد بود که گزارش‌های خطا را پالایش، وصله‌های امنیتی را هماهنگ و به‌عنوان مرجع تماس برای نگهدارندگان پروژه عمل می‌کند. ارزیابی آسیب‌پذیری‌ها و تبادل اطلاعات بر پایه‌ی استانداردهای CVE، CVSS و پروتکل TLP انجام می‌شود.
گزارش‌ها تا زمان انتشار وصله، کاملاً محرمانه باقی می‌مانند. اگر بسته‌ی نرم‌افزاری مهمی توسط توسعه‌دهنده‌ی اصلی رها شده باشد، تیم Akrites خود به‌روزرسانی را منتشر خواهد کرد.
🔗 akrites.org
📊 کالیفرنیا نخستین ردیاب بیکاری ناشی از هوش مصنوعی را راه‌اندازی کرد
اداره‌ی توسعه‌ی اشتغال کالیفرنیا به همراه دانشگاه UCLA، نخستین ابزار در آمریکا را برای ردیابی اخراج‌های ناشی از هوش مصنوعی عرضه کرده است.
این سامانه، ماهانه آمار درخواست‌های بیمه‌ی بیکاری را در مشاغلی که در معرض خطر بالای خودکارسازی قرار دارند، واکاوی می‌کند. داده‌های حاصل برای طراحی برنامه‌های بازآموزی و یاری‌رسانی به جویندگان کار به‌کار گرفته خواهد شد.
داشبورد هنوز اخراج گسترده در سطح ایالت را نشان نمی‌دهد، اما آمار گویای افزایش شمار بیکاران دارای تحصیلات عالی پس از انتشار ChatGPT در سال ۲۰۲۲ است؛ روندی که در سانفرانسیسکو آشکارتر به نظر می‌رسد.
🔗 gov.ca.gov | دسترسی به ردیاب: capolicylab.org
#هوش_مصنوعی #اخبار_فناوری #AI #ML #استقلال_فناوری #کوالکام #ساکانا #متن_باز #بیکاری_هوش_مصنوعی
🆔 @asrgooyeshpardaz
🌍 اتحادیه اروپا در مسیر خودکفایی فناورانه؛ مدل زبانی بزرگ متن‌باز توسعه می‌دهد
شرکت ایتالیایی دامین (که پیشتر با نام آی‌جینیوس شناخته می‌شد)، با همکاری کنسرسیوم یوروپا و پشتیبانی کمیسیون اروپا، مدلی ۴۰۰ میلیارد پارامتری را طی یک سال آینده روانه‌ی بازار خواهد کرد.
این مدل از صفر آموزش داده می‌شود و داده‌های آموزشی آن با همکاری دولت‌های اروپایی گردآوری می‌گردد. پروژه کاملاً متن‌باز خواهد بود و امکان استقرار آن روی سرورهای سازمانی و دولتی فراهم است.
پشت‌پرده‌ی این ابتکار، محدودیت‌های نظارتی و چالش‌های ژئوپلیتیکی است؛ ایتالیا و جمهوری چک پیشتر استفاده‌ی ابری از مدل‌های دیپ‌سیک را ممنوع کرده و فقط میزبانی محلی را مجاز دانسته‌اند. همچنین کسب‌وکارهای اروپایی با اعمال کنترل صادراتی آمریکا دست‌به‌گریبان‌اند.
🔗 reuters.com
🔲 کوالکام پا به عرصه‌ی دیتاسنترها می‌گذارد
غول چیپ‌سازی موبایل، از پردازنده‌ی سروری جدید خود با نام Dragonfly C1000 پرده برداشته و همزمان استارتاپ مودولار را به بهای ۴ میلیارد دلار تصاحب کرده است.
این پردازنده به‌گونه‌ای طراحی شده که عامل‌های هوش مصنوعی را با بیشترین بهره‌وری انرژی پشتیبانی کند. مارک زاکربرگ به‌عنوان نخستین مشتری کلان، قصد دارد زیرساخت خود را تا سال ۲۰۲۸ بر پایه‌ی این تراشه‌ها بازطراحی کند.
خرید مودولار نیز به کوالکام امکان می‌دهد تا لایه‌ی نرم‌افزاری خود را تقویت کند؛ چراکه این استارتاپ نرم‌افزاری برای اجرای مدل‌ها روی معماری‌های گوناگون سخت‌افزاری توسعه داده است.
🔗 cnbc.com
☕️ شبیه‌سازی نوین ساکانا برای سنجش مهارت‌های اقتصادی مدل‌های زبانی
استارتاپ ژاپنی ساکانا به همراه کی‌پی‌ام‌جی، شبیه‌سازی به نام کافی‌بنچ را طراحی کرده که زنجیره‌ی تأمین قهوه را بازآفرینی می‌کند تا توانمندی‌های اقتصادی عامل‌های هوش مصنوعی را ارزیابی نماید.
در این شبیه‌سازی، مدلِ تحت‌آزمایش نقش یک برشته‌کننده‌ی قهوه را ایفا می‌کند و سایر عوامل بازار (کشاورزان و خرده‌فروشان) توسط مدل Sonnet 4.6 هدایت می‌شوند. این عامل در بازه‌ی ۹۰ روز مجازی، باید دادوستد کند، صورتحساب‌ها را پرداخت و اعتبارات را مدیریت نماید. هزینه‌های روزانه، مدل را ناچار به معاملاتی پویا می‌کند تا از ورشکستگی بگریزد.
نتایج جالب بوده است: GPT-5.5 و Opus 4.7 فروش خود را با جدیت گسترش دادند؛ Gemini 3.1 Pro رویکردی منفعلانه در پیش گرفت؛ Kimi K2.6 دست به معاملات زیان‌ده زد و Haiku 4.5 بر اثر اهمال‌کاری و به‌تعویق‌انداختن مداوم اقدامات، ورشکست شد.
کد منبع پروژه و گزارش‌های آزمون به‌صورت عمومی در دسترس بوده و این دستاورد در کنفرانس ICML 2026 پذیرفته شده است.
🔗 sakana.ai | GitHub: SakanaAI/CoffeeBench
🛡 ائتلافی از غول‌های فناوری برای حراست از متن‌باز در برابر حملات هوش مصنوعی
بنیاد لینوکس، ابتکار Akrites را برای حفاظت از پروژه‌های متن‌باز در برابر تهدیدات نوین هوش مصنوعی کلید زده است. بیش از ۲۰ شرکت از جمله آمازون، گوگل، مایکروسافت، اوپنایآی و انتروپیک به این پیمان پیوسته‌اند. هدف، کشف و رفع آسیب‌پذیری‌های نرم‌افزارهای حیاتی پیش از آنکه توسط هوش مصنوعی کشف شوند است.
هسته‌ی اصلی پروژه، گروه واکنش سریع به حوادث خواهد بود که گزارش‌های خطا را پالایش، وصله‌های امنیتی را هماهنگ و به‌عنوان مرجع تماس برای نگهدارندگان پروژه عمل می‌کند. ارزیابی آسیب‌پذیری‌ها و تبادل اطلاعات بر پایه‌ی استانداردهای CVE، CVSS و پروتکل TLP انجام می‌شود.
گزارش‌ها تا زمان انتشار وصله، کاملاً محرمانه باقی می‌مانند. اگر بسته‌ی نرم‌افزاری مهمی توسط توسعه‌دهنده‌ی اصلی رها شده باشد، تیم Akrites خود به‌روزرسانی را منتشر خواهد کرد.
🔗 akrites.org
📊 کالیفرنیا نخستین ردیاب بیکاری ناشی از هوش مصنوعی را راه‌اندازی کرد
اداره‌ی توسعه‌ی اشتغال کالیفرنیا به همراه دانشگاه UCLA، نخستین ابزار در آمریکا را برای ردیابی اخراج‌های ناشی از هوش مصنوعی عرضه کرده است.
این سامانه، ماهانه آمار درخواست‌های بیمه‌ی بیکاری را در مشاغلی که در معرض خطر بالای خودکارسازی قرار دارند، واکاوی می‌کند. داده‌های حاصل برای طراحی برنامه‌های بازآموزی و یاری‌رسانی به جویندگان کار به‌کار گرفته خواهد شد.
داشبورد هنوز اخراج گسترده در سطح ایالت را نشان نمی‌دهد، اما آمار گویای افزایش شمار بیکاران دارای تحصیلات عالی پس از انتشار ChatGPT در سال ۲۰۲۲ است؛ روندی که در سانفرانسیسکو آشکارتر به نظر می‌رسد.
🔗 gov.ca.gov | دسترسی به ردیاب: capolicylab.org
#هوش_مصنوعی #اخبار_فناوری #AI #ML #استقلال_فناوری #کوالکام #ساکانا #متن_باز #بیکاری_هوش_مصنوعی
🆔 @asrgooyeshpardaz
❤3👍1
📊 مطالعه MIT: هوش مصنوعی کد بیشتر می‌نویسد، اما محصول نهایی را به همان نسبت رشد نمی‌دهد
پژوهشی تازه از مؤسسه‌ی فناوری ماساچوست، واقعیتی را درباره‌ی تأثیر هوش مصنوعی بر توسعه‌ی نرم‌افزار آشکار کرده است: کدهای بسیار بیشتری نوشته می‌شود، اما محصول نهایی به همان اندازه افزایش نمی‌یابد.
محققان با بررسی بیش از ۱۰۰٬۰۰۰ توسعه‌دهنده در گیت‌هاب، تأثیر ابزارهای مختلف کدنویسی مبتنی بر هوش مصنوعی را مقایسه کرده‌اند؛ از تکمیل‌کننده‌های خودکار (Autocomplete) گرفته تا عامل‌های خودمختار (Autonomous Agents).
---
📈 آمار رشد
- تکمیل‌کننده‌های خودکار: ۴۰٪ افزایش در تعداد ارسال‌ها (Commits)
- عامل‌های تعاملی کدنویسی: ۱۴۰٪ افزایش
- عامل‌های خودمختار کدنویسی: ۱۸۰٪ افزایش
اما در ادامه، تصویر تغییر می‌کند:
- رشد ۱۸۰٪ در Commitها، به تنها ۵۰٪ رشد در تعداد پروژه‌ها انجامیده است.
- و این رشد ۵۰٪ نیز به ۳۰٪ افزایش در انتشار نسخه‌های واقعی (Releases) محدود شده است.
---
⚙️ علت چیست؟
تولید نرم‌افزار، چیزی فراتر از تایپ خطوط کد است. کد نوشته‌شده باید:
- بررسی و بازبینی شود
- با محصول نهایی هماهنگ گردد
- آزمون‌های گوناگون را پشت سر بگذارد
- در معماری کلی سیستم جای بگیرد
- موارد مرزی (Edge Cases) در آن پردازش شود
- بسته‌بندی و منتشر گردد
- و در نهایت، کاربران آن را بپذیرند و به کار گیرند
هوش مصنوعی در بخش «نوشتن کد» درخشان عمل می‌کند، اما گره‌های کور فرآیند توسعه، همچنان پابرجا هستند.
---
📱 بازار اپلیکیشن‌ها هم این روند را تأیید می‌کند
بررسی بازارهای اپلیکیشن نشان می‌دهد که هرچند تعداد برنامه‌های جدید افزایش یافته، استفاده‌ی کلی از آنها رشد چشمگیری نداشته است. تولید نرم‌افزار بیشتر، لزوماً به معنای پذیرش بیشتر توسط کاربران نیست.
---
🎯 پیام اصلی
این پژوهش، ضربه‌ی محکمی است به این باور ساده‌انگارانه که «هوش مصنوعی جای توسعه‌دهندگان را می‌گیرد، چون کد را سریع‌تر می‌نویسد».
هوش مصنوعی کدنویسی را شتاب می‌بخشد؛ بله.
اما مسیر کامل از ایده تا محصول نهایی را - هنوز - نمی‌تواند جایگزین کند.
---
📚 منبع
مقاله در پایگاه SSRN منتشر شده است:
📄https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6859839
---
#پژوهش_هوش_مصنوعی #توسعه_نرم_افزار #کدنویسی_با_هوش_مصنوعی #MIT #آینده_کار #AI #ML
🆔 @asrgooyeshpardaz
پژوهشی تازه از مؤسسه‌ی فناوری ماساچوست، واقعیتی را درباره‌ی تأثیر هوش مصنوعی بر توسعه‌ی نرم‌افزار آشکار کرده است: کدهای بسیار بیشتری نوشته می‌شود، اما محصول نهایی به همان اندازه افزایش نمی‌یابد.
محققان با بررسی بیش از ۱۰۰٬۰۰۰ توسعه‌دهنده در گیت‌هاب، تأثیر ابزارهای مختلف کدنویسی مبتنی بر هوش مصنوعی را مقایسه کرده‌اند؛ از تکمیل‌کننده‌های خودکار (Autocomplete) گرفته تا عامل‌های خودمختار (Autonomous Agents).
---
📈 آمار رشد
- تکمیل‌کننده‌های خودکار: ۴۰٪ افزایش در تعداد ارسال‌ها (Commits)
- عامل‌های تعاملی کدنویسی: ۱۴۰٪ افزایش
- عامل‌های خودمختار کدنویسی: ۱۸۰٪ افزایش
اما در ادامه، تصویر تغییر می‌کند:
- رشد ۱۸۰٪ در Commitها، به تنها ۵۰٪ رشد در تعداد پروژه‌ها انجامیده است.
- و این رشد ۵۰٪ نیز به ۳۰٪ افزایش در انتشار نسخه‌های واقعی (Releases) محدود شده است.
---
⚙️ علت چیست؟
تولید نرم‌افزار، چیزی فراتر از تایپ خطوط کد است. کد نوشته‌شده باید:
- بررسی و بازبینی شود
- با محصول نهایی هماهنگ گردد
- آزمون‌های گوناگون را پشت سر بگذارد
- در معماری کلی سیستم جای بگیرد
- موارد مرزی (Edge Cases) در آن پردازش شود
- بسته‌بندی و منتشر گردد
- و در نهایت، کاربران آن را بپذیرند و به کار گیرند
هوش مصنوعی در بخش «نوشتن کد» درخشان عمل می‌کند، اما گره‌های کور فرآیند توسعه، همچنان پابرجا هستند.
---
📱 بازار اپلیکیشن‌ها هم این روند را تأیید می‌کند
بررسی بازارهای اپلیکیشن نشان می‌دهد که هرچند تعداد برنامه‌های جدید افزایش یافته، استفاده‌ی کلی از آنها رشد چشمگیری نداشته است. تولید نرم‌افزار بیشتر، لزوماً به معنای پذیرش بیشتر توسط کاربران نیست.
---
🎯 پیام اصلی
این پژوهش، ضربه‌ی محکمی است به این باور ساده‌انگارانه که «هوش مصنوعی جای توسعه‌دهندگان را می‌گیرد، چون کد را سریع‌تر می‌نویسد».
هوش مصنوعی کدنویسی را شتاب می‌بخشد؛ بله.
اما مسیر کامل از ایده تا محصول نهایی را - هنوز - نمی‌تواند جایگزین کند.
---
📚 منبع
مقاله در پایگاه SSRN منتشر شده است:
📄https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6859839
---
#پژوهش_هوش_مصنوعی #توسعه_نرم_افزار #کدنویسی_با_هوش_مصنوعی #MIT #آینده_کار #AI #ML
🆔 @asrgooyeshpardaz
❤5👎1
✅ معماری جدید Cognition هزینهٔ کدنویسی رو ۳۵٪ کاهش داده است
آزمایشگاه آمریکایی هوش مصنوعی کاربردی، از معماری ترکیبی Devin Fusion برای خودکارسازی کدنویسی رونمایی کرده است.
این سیستم در بنچمارک FrontierCode، بدون افت کیفیت، هزینهٔ تولید کد رو ۳۵٪ پایین می‌آورد.
---
🧠 مکانیزم کار Devin Fusion:
از دو مؤلفهٔ کلیدی استفاده میکنه: مسیریابی پویا و همنشینی هوشمند.
سیستم به‌صورت لحظه‌ای پیچیدگی تسک رو ارزیابی میکنه و درخواست‌ها رو بین مدل‌های سنگین و سبک جابه‌جا میکنه؛ همزمان با فشرده‌سازی متن (Context Compression).
· مدل سنگین (LLM بزرگ) مسئولیت برنامه‌ریزی معماری، شفاف‌سازی نیازمندی‌ها و انجام بازبینی (Review) رو بر عهده داره.
· عامل سبک (Agent کوچک) کد پایه رو مینویسه، تست‌ها رو مینویسه و خروجی‌ها رو اعتبارسنجی میکنه.
برای جلوگیری از تداخل، هر مدل از کش مجزای متن استفاده میکنه.
---
📊 آمار و ارقام:
· در ترکیب با GPT-5.5 و Claude 4.8 Opus، این معماری بیش از یک‌سوم منابع رو ذخیره میکنه.
· با Fable 5 این صرفه‌جویی به ۴۱٪ هم می‌رسه.
· داخل خود Cognition، این مسیریابی ترکیبی، ۸۸٪ از Pull Requestهای موفق رو پوشش داده.
---
⚠️ محدودیت‌ها:
· در پروژه‌هایی با منطق پیچیدهٔ کسب‌وکاری (مثل ترکیب React/Redux) عملکرد سیستم محدود میشه.
· واگذاری بیش‌ازحد تسک‌های چندفایلی به مدل کوچک‌تر، کارایی رو نزدیک به نصف کاهش میده.
---
ابزار Devin Fusion فقط روی پلتفرم Cognition دردسترسه.
🔗 https://cognition.com/blog/devin-fusion
---
#news #ai #ml #DevinFusion #کدنویسی_هوشمند
---
🆔 @asrgooyeshpardaz
آزمایشگاه آمریکایی هوش مصنوعی کاربردی، از معماری ترکیبی Devin Fusion برای خودکارسازی کدنویسی رونمایی کرده است.
این سیستم در بنچمارک FrontierCode، بدون افت کیفیت، هزینهٔ تولید کد رو ۳۵٪ پایین می‌آورد.
---
🧠 مکانیزم کار Devin Fusion:
از دو مؤلفهٔ کلیدی استفاده میکنه: مسیریابی پویا و همنشینی هوشمند.
سیستم به‌صورت لحظه‌ای پیچیدگی تسک رو ارزیابی میکنه و درخواست‌ها رو بین مدل‌های سنگین و سبک جابه‌جا میکنه؛ همزمان با فشرده‌سازی متن (Context Compression).
· مدل سنگین (LLM بزرگ) مسئولیت برنامه‌ریزی معماری، شفاف‌سازی نیازمندی‌ها و انجام بازبینی (Review) رو بر عهده داره.
· عامل سبک (Agent کوچک) کد پایه رو مینویسه، تست‌ها رو مینویسه و خروجی‌ها رو اعتبارسنجی میکنه.
برای جلوگیری از تداخل، هر مدل از کش مجزای متن استفاده میکنه.
---
📊 آمار و ارقام:
· در ترکیب با GPT-5.5 و Claude 4.8 Opus، این معماری بیش از یک‌سوم منابع رو ذخیره میکنه.
· با Fable 5 این صرفه‌جویی به ۴۱٪ هم می‌رسه.
· داخل خود Cognition، این مسیریابی ترکیبی، ۸۸٪ از Pull Requestهای موفق رو پوشش داده.
---
⚠️ محدودیت‌ها:
· در پروژه‌هایی با منطق پیچیدهٔ کسب‌وکاری (مثل ترکیب React/Redux) عملکرد سیستم محدود میشه.
· واگذاری بیش‌ازحد تسک‌های چندفایلی به مدل کوچک‌تر، کارایی رو نزدیک به نصف کاهش میده.
---
ابزار Devin Fusion فقط روی پلتفرم Cognition دردسترسه.
🔗 https://cognition.com/blog/devin-fusion
---
#news #ai #ml #DevinFusion #کدنویسی_هوشمند
---
🆔 @asrgooyeshpardaz
🔥2
🌟 به‌روزرسانی مدل Leanstral 1.5 از Mistral AI – پیشرفت در اثبات‌های صوری
میسترال‌ای‌آی از نسخه‌ی جدید مدل خود برای زبان Lean 4 رونمایی کرده است. این مدل به ریاضیدانان و توسعه‌دهندگان کمک می‌کند تا اثبات‌های صوری (Formal Proofs) بنویسند و آنها را به‌گونه‌ای تأیید کنند که کامپایلر Lean بپذیرد.
---
⚙️ مشخصات فنی:
- معماری Mixture of Experts (MoE) با ۱۱۹ میلیارد پارامتر کلی و ۶.۵ میلیارد پارامتر فعال
- پنجره‌ی متنی ۲۵۶ هزار توکنی
- قابلیت دریافت ورودی چندوجهی (Multimodal)
- مجوز Apache 2.0
---
🎯 روش آموزش پیشرفته:
نسخه‌ی ۱.۵ در دو محیط جداگانه آموزش مرحله‌ای دیده است:
۱. محیط اثبات قضیه – تعامل با کامپایلر Lean برای اثبات صحیح گزاره‌های ریاضی
۲. محیط برنامه‌نویسی واقعی – شبیه‌سازی رفتار یک برنامه‌نویس در مخازن کد
---
📊 نتایج چشمگیر در بنچمارک‌ها:
- امتیاز ۱۰۰٪ در بنچمارک miniF2F (هم در مجموعه‌ی اعتبارسنجی و هم آزمون)
- حل ۵۸۷ از ۶۷۲ مسئله در PutnamBench
- ثبت بهترین نتایج روز در مجموعه‌های FATE-H و FATE-X
---
💰 مزیت هزینه‌ای قابل‌توجه:
در بنچمارک PutnamBench، Leanstral 1.5 با ۷ مسئله بیشتر از سیستم Seed-Prover 1.5 موفق عمل کرده، در حالی که هزینه‌ی حل هر مسئله حدود ۴ دلار است (در مقابل ۳۰۰+ دلار برای رقیب).
---
🐛 کشف باگ‌های واقعی:
در آزمون کدنویسی روی ۵۷ مخزن نرم‌افزاری، این سیستم موفق به شناسایی ۴۷ نقض در ویژگی‌های کد شد که از این میان:
- ۱۱ مورد خطای واقعی بودند
- ۵ مورد قبلاً ناشناخته بودند
---
🔗 لینک‌های مفید:
📄 پست وبلاگ
https://mistral.ai/news/leanstral-1-5
🤖 مدل در Hugging Face
https://huggingface.co/mistralai/Leanstral-1.5
🎮 نسخه‌ی آزمایشی
https://huggingface.co/spaces/mistralai/Leanstral-1.5
---
#MistralAI #Leanstral #Lean4 #اثبات_صوري #هوش_مصنوعي #AI #ML
🆔 @asrgooyeshpardaz
میسترال‌ای‌آی از نسخه‌ی جدید مدل خود برای زبان Lean 4 رونمایی کرده است. این مدل به ریاضیدانان و توسعه‌دهندگان کمک می‌کند تا اثبات‌های صوری (Formal Proofs) بنویسند و آنها را به‌گونه‌ای تأیید کنند که کامپایلر Lean بپذیرد.
---
⚙️ مشخصات فنی:
- معماری Mixture of Experts (MoE) با ۱۱۹ میلیارد پارامتر کلی و ۶.۵ میلیارد پارامتر فعال
- پنجره‌ی متنی ۲۵۶ هزار توکنی
- قابلیت دریافت ورودی چندوجهی (Multimodal)
- مجوز Apache 2.0
---
🎯 روش آموزش پیشرفته:
نسخه‌ی ۱.۵ در دو محیط جداگانه آموزش مرحله‌ای دیده است:
۱. محیط اثبات قضیه – تعامل با کامپایلر Lean برای اثبات صحیح گزاره‌های ریاضی
۲. محیط برنامه‌نویسی واقعی – شبیه‌سازی رفتار یک برنامه‌نویس در مخازن کد
---
📊 نتایج چشمگیر در بنچمارک‌ها:
- امتیاز ۱۰۰٪ در بنچمارک miniF2F (هم در مجموعه‌ی اعتبارسنجی و هم آزمون)
- حل ۵۸۷ از ۶۷۲ مسئله در PutnamBench
- ثبت بهترین نتایج روز در مجموعه‌های FATE-H و FATE-X
---
💰 مزیت هزینه‌ای قابل‌توجه:
در بنچمارک PutnamBench، Leanstral 1.5 با ۷ مسئله بیشتر از سیستم Seed-Prover 1.5 موفق عمل کرده، در حالی که هزینه‌ی حل هر مسئله حدود ۴ دلار است (در مقابل ۳۰۰+ دلار برای رقیب).
---
🐛 کشف باگ‌های واقعی:
در آزمون کدنویسی روی ۵۷ مخزن نرم‌افزاری، این سیستم موفق به شناسایی ۴۷ نقض در ویژگی‌های کد شد که از این میان:
- ۱۱ مورد خطای واقعی بودند
- ۵ مورد قبلاً ناشناخته بودند
---
🔗 لینک‌های مفید:
📄 پست وبلاگ
https://mistral.ai/news/leanstral-1-5
🤖 مدل در Hugging Face
https://huggingface.co/mistralai/Leanstral-1.5
🎮 نسخه‌ی آزمایشی
https://huggingface.co/spaces/mistralai/Leanstral-1.5
---
#MistralAI #Leanstral #Lean4 #اثبات_صوري #هوش_مصنوعي #AI #ML
🆔 @asrgooyeshpardaz
Mistral
Leanstral 1.5: Proof Abundance for All
The most powerful AI platform for enterprises. Customize, fine-tune, and deploy AI assistants, autonomous agents, and multimodal AI with open models.
❤5
عصر گویش | هوش مصنوعی
🎥 نمونه ویدیوی تولیدشده توسط MiniMax H3 این ویدیو توسط مدل جدید MiniMax H3 تولید شده که توانایی خارق‌العاده‌ای در ترکیب ورودی‌های چندوجهی و تولید ویدیوهای با کیفیت بالا دارد. در این نمونه، مدل با دریافت یک پرامپت ساده، توانسته صحنه‌ای پویا و سینمایی خلق کند.…
🌟 بررسی مدل ویدیویی H3 از شرکت MiniMax
همانطور که قبلاً در روز جمعه اعلام شده بود، شرکت چینی، مدل H3 خود را منتشر کرده که ویدیوهای کوتاه با صدا را بر اساس توضیحات متنی، تصاویر، ویدیوها و فایل‌های صوتی تولید می‌کند.
این مدل با 33 میلیارد پارامتر، کلیپ‌هایی با طول 4 تا 15 ثانیه، با نرخ 24 فریم در ثانیه، صدای استریو 32 کیلوهرتز و در نسبت‌های تصویر از 21:9 (عریض) تا 9:16 (عمودی) تولید می‌کند. برای دیالوگ‌های شخصیت‌ها از 11 زبان پشتیبانی می‌شوند.
کل سیستم H3 از سه بخش تشکیل شده است:
🟠 بخش H3-Context-IR: این بخش، درخواست کاربر را به همراه تمام ورودی‌ها (تصاویر، ویدیوها، فایل‌های صوتی) تجزیه و تحلیل می‌کند و آن را به یک فرمت داخلی تبدیل می‌کند که مدل با آن کار می‌کند.
🟢 بخش H3-Base: این بخش، با استفاده از فرمت داخلی، ویدیو را با وضوح 768p تولید می‌کند.
🟠 بخش H3-Regenerate-2K: این بخش، ویدیو تولید شده را به وضوح 2K ارتقا می‌دهد.
اما کل سیستم منتشر نشده است - فقط ماژولی که مستقیماً مسئول تولید ویدیو است، در دسترس قرار گرفته است. بخش‌های H3-Context-IR و H3-Regenerate-2K همچنان غیرقابل دسترس هستند.
🟡مدل H3-Base در دو نسخه منتشر شده است
مدل H3-Base-FL2VA: این نسخه با اولین و آخرین فریم کار می‌کند. اگر هیچ تصویری به عنوان ورودی وجود نداشته باشد، ویدیو بر اساس متن تولید می‌شود. در صورت وجود یک یا دو تصویر، ویدیو بر اساس فریم مشخص شده یا بین دو فریم تولید می‌شود.
مدل H3-Base-Ref2VA: این نسخه، ورودی‌های ترکیبی را دریافت می‌کند - حداکثر 9 تصویر، حداکثر 3 ویدیو و حداکثر 3 فایل صوتی، اما در مجموع، حداکثر 12 فایل. این سیستم، فایل صوتی را بدون تصویر یا ویدیو نمی‌پذیرد.
بر اساس رتبه‌بندی شرکت Artificial Analysis، مدل H3 در جایگاه اول در زمینه ویرایش ویدیو، دوم در تولید ویدیو بر اساس متن و سوم در تولید ویدیو بر اساس تصویر قرار دارد.
شرکت ComfyUI، یک راهنمای دقیق برای استفاده از این مدل در محیط خود تهیه کرده و جریان‌های کاری (workflow) پایه برای تولید ویدیو بر اساس متن و تصویر را منتشر کرده است.
علاوه بر ComfyUI، کتابچه‌های راهنما (cookbook) برای SGLang، vLLM و diffusers نیز وجود دارد، و همچنین راهنماهای مربوط به پرامپت (prompt) برای نسخه پایه و نسخه کامل (full-ref) ارائه شده است.
مجوز استفاده از این مدل، امکان آموزش مجدد آن را بر روی ویدیوها، شخصیت‌ها یا سبک‌های بصری خاص فراهم می‌کند. در حال حاضر، کد رسمی برای آموزش مجدد مدل در دسترس نیست.
⚠️ استفاده تجاری فقط برای شرکت‌هایی با درآمد کمتر از 20 میلیون دلار مجاز است.
📌مجوز:
MiniMax H3 Community License
🟡مدل
https://huggingface.co/MiniMaxAI/MiniMax-H3
#AI #ML #Video #H3 #Minimax
🆔 @asrgooyeshpardaz
همانطور که قبلاً در روز جمعه اعلام شده بود، شرکت چینی، مدل H3 خود را منتشر کرده که ویدیوهای کوتاه با صدا را بر اساس توضیحات متنی، تصاویر، ویدیوها و فایل‌های صوتی تولید می‌کند.
این مدل با 33 میلیارد پارامتر، کلیپ‌هایی با طول 4 تا 15 ثانیه، با نرخ 24 فریم در ثانیه، صدای استریو 32 کیلوهرتز و در نسبت‌های تصویر از 21:9 (عریض) تا 9:16 (عمودی) تولید می‌کند. برای دیالوگ‌های شخصیت‌ها از 11 زبان پشتیبانی می‌شوند.
کل سیستم H3 از سه بخش تشکیل شده است:
🟠 بخش H3-Context-IR: این بخش، درخواست کاربر را به همراه تمام ورودی‌ها (تصاویر، ویدیوها، فایل‌های صوتی) تجزیه و تحلیل می‌کند و آن را به یک فرمت داخلی تبدیل می‌کند که مدل با آن کار می‌کند.
🟢 بخش H3-Base: این بخش، با استفاده از فرمت داخلی، ویدیو را با وضوح 768p تولید می‌کند.
🟠 بخش H3-Regenerate-2K: این بخش، ویدیو تولید شده را به وضوح 2K ارتقا می‌دهد.
اما کل سیستم منتشر نشده است - فقط ماژولی که مستقیماً مسئول تولید ویدیو است، در دسترس قرار گرفته است. بخش‌های H3-Context-IR و H3-Regenerate-2K همچنان غیرقابل دسترس هستند.
🟡مدل H3-Base در دو نسخه منتشر شده است
مدل H3-Base-FL2VA: این نسخه با اولین و آخرین فریم کار می‌کند. اگر هیچ تصویری به عنوان ورودی وجود نداشته باشد، ویدیو بر اساس متن تولید می‌شود. در صورت وجود یک یا دو تصویر، ویدیو بر اساس فریم مشخص شده یا بین دو فریم تولید می‌شود.
مدل H3-Base-Ref2VA: این نسخه، ورودی‌های ترکیبی را دریافت می‌کند - حداکثر 9 تصویر، حداکثر 3 ویدیو و حداکثر 3 فایل صوتی، اما در مجموع، حداکثر 12 فایل. این سیستم، فایل صوتی را بدون تصویر یا ویدیو نمی‌پذیرد.
بر اساس رتبه‌بندی شرکت Artificial Analysis، مدل H3 در جایگاه اول در زمینه ویرایش ویدیو، دوم در تولید ویدیو بر اساس متن و سوم در تولید ویدیو بر اساس تصویر قرار دارد.
شرکت ComfyUI، یک راهنمای دقیق برای استفاده از این مدل در محیط خود تهیه کرده و جریان‌های کاری (workflow) پایه برای تولید ویدیو بر اساس متن و تصویر را منتشر کرده است.
علاوه بر ComfyUI، کتابچه‌های راهنما (cookbook) برای SGLang، vLLM و diffusers نیز وجود دارد، و همچنین راهنماهای مربوط به پرامپت (prompt) برای نسخه پایه و نسخه کامل (full-ref) ارائه شده است.
مجوز استفاده از این مدل، امکان آموزش مجدد آن را بر روی ویدیوها، شخصیت‌ها یا سبک‌های بصری خاص فراهم می‌کند. در حال حاضر، کد رسمی برای آموزش مجدد مدل در دسترس نیست.
⚠️ استفاده تجاری فقط برای شرکت‌هایی با درآمد کمتر از 20 میلیون دلار مجاز است.
📌مجوز:
MiniMax H3 Community License
🟡مدل
https://huggingface.co/MiniMaxAI/MiniMax-H3
#AI #ML #Video #H3 #Minimax
🆔 @asrgooyeshpardaz
❤2👍1
📌 بنچمارک ApprenticeBench: آزمون توانایی هوش مصنوعی برای یادگیری کار مثل یک کارمند جدید
استارتاپ NeoCognition اولین آزمون جامع را ساخته که توانایی هوش مصنوعی در استفاده از کامپیوتر، یادگیری مستمر و کار طولانی‌مدت به‌عنوان یک عامل را در یک شغل واقعی بررسی می‌کند.
آزمایشگاه NeoCognition آزمایشگاهی است که آزمون‌های MMMU، Mind2Web، SWE-Bench Pro و OSWorld 2 و همچنین سیستم‌های عاملی SeeAct، UGround و HippoRAG را ساخته است.
در این آزمون، عامل هوش مصنوعی به‌عنوان کارمند یک شرکت ساختمانی مجازی در بخش پرداخت صورتحساب‌ها استخدام می‌شود. به او یک آرشیو شش‌ماهه از صورتحساب‌ها، دفترچه راهنمای داخلی و راهنمای سیستم ERP داده می‌شود و بعد کار با صورتحساب‌ها شروع می‌شود.
ماه اول، مدیر برای هر صورتحساب بازخورد مفصل می‌دهد. بعد از آن، فقط گاهی در پایان ماه چند نکته گفته می‌شود.
هر ۱۰۰ وظیفه این آزمون را حسابداران حرفه‌ای صنعت ساختمان بررسی کرده‌اند. آنها تأیید کرده‌اند که سناریوها واقعی هستند و یک کارشناس معمولی هم با مطالعه مواد در دسترس می‌تواند آنها را حل کند.
🟡 نتایج
بیشتر مدل‌ها، از جمله Gemini، Muse Spark، Grok و Kimi، از مرز ۲۰ تا ۲۵ درصد عبور نکردند. اما Fable 5.1 توانست ۷۲٪ وظایف را انجام دهد و GPT-6 Astra به ۶۸٪ رسید.
بهترین انسان آزمایش‌شده ۵۱٪ موفق بود. انسان‌ها بیشتر در پیدا کردن اطلاعات لازم در داده‌های تاریخی، دقت محاسبات و خطاهای کوچک ناشی از خستگی شکست می‌خوردند.
فاصله بین مدل‌های باز و بسته را بزرگ‌ترین فاصله‌ای می‌دانند که تا حالا در آزمون‌ها دیده‌اند: ۷۲٪ برای Fable 5.1 در مقابل ۱۸٪ برای Kimi K3. علتش هم عملیات ساده در رابط کاربری نیست؛ ضعف مدل‌های ضعیف‌تر در یادگیری در طول زمان است.
مدل Kimi K3 تقریباً به آرشیو صورتحساب‌ها و یادداشت‌های خودش مراجعه نکرد و در پایان مجموعه افت کرد.
🟡 رابط گرافیکی در مقابل API
هزینه استفاده از کامپیوتر، یعنی افت عملکرد وقتی مدل از API به رابط گرافیکی می‌رود، در بیشتر مدل‌ها تا ۷۸٪ می‌رسد. اما Fable 5.1 و GPT-6 Astra از طریق رابط گرافیکی حتی بهتر از API کار می‌کنند.
با این حال، API ارزان‌تر است. Fable 5.1 برای هر وظیفه در API حدود ۶.۹۵ دلار هزینه دارد، در حالی که همین کار از طریق رابط گرافیکی ۱۸.۲۳ دلار تمام می‌شود.
🟡 توانایی یادگیری
توانایی یادگیری را جداگانه اندازه گرفتند. Fable 5 بدون دسترسی به تاریخچه و بازخورد، فقط با دانش خودش، ۱۱ صورتحساب از ۱۰۰ را حل کرد.
با اضافه شدن آرشیو صورتحساب‌ها، نتیجه به ۳۱ رسید. با بازخورد مدیر به ۳۵ رسید. و اگر هر دو در دسترس باشند، نتیجه ۴۳ شد.
🟡 نتیجه
هوش مصنوعی هنوز گران‌تر تمام می‌شود: ۱۸.۲۳ دلار برای هر وظیفه در مقابل ۷.۲۱ دلار برای انسان. علاوه بر این، انسان با کسب تجربه سریع‌تر می‌شود، اما عامل هوش مصنوعی کندتر می‌شود.
🔜 می‌توانید اجرای یک‌ساعته Fable 5.1 روی هر ۱۰۰ وظیفه را ببینید.
https://www.youtube.com/watch?v=Y6v5iL2OyVM
🔗منبع :
https://neocognition.io/blog/apprentice-bench/
#AI #ML #Benchmark #ApprenticeBench #NeoCognition
🆔 @asrgooyeshpardaz
استارتاپ NeoCognition اولین آزمون جامع را ساخته که توانایی هوش مصنوعی در استفاده از کامپیوتر، یادگیری مستمر و کار طولانی‌مدت به‌عنوان یک عامل را در یک شغل واقعی بررسی می‌کند.
آزمایشگاه NeoCognition آزمایشگاهی است که آزمون‌های MMMU، Mind2Web، SWE-Bench Pro و OSWorld 2 و همچنین سیستم‌های عاملی SeeAct، UGround و HippoRAG را ساخته است.
در این آزمون، عامل هوش مصنوعی به‌عنوان کارمند یک شرکت ساختمانی مجازی در بخش پرداخت صورتحساب‌ها استخدام می‌شود. به او یک آرشیو شش‌ماهه از صورتحساب‌ها، دفترچه راهنمای داخلی و راهنمای سیستم ERP داده می‌شود و بعد کار با صورتحساب‌ها شروع می‌شود.
ماه اول، مدیر برای هر صورتحساب بازخورد مفصل می‌دهد. بعد از آن، فقط گاهی در پایان ماه چند نکته گفته می‌شود.
هر ۱۰۰ وظیفه این آزمون را حسابداران حرفه‌ای صنعت ساختمان بررسی کرده‌اند. آنها تأیید کرده‌اند که سناریوها واقعی هستند و یک کارشناس معمولی هم با مطالعه مواد در دسترس می‌تواند آنها را حل کند.
🟡 نتایج
بیشتر مدل‌ها، از جمله Gemini، Muse Spark، Grok و Kimi، از مرز ۲۰ تا ۲۵ درصد عبور نکردند. اما Fable 5.1 توانست ۷۲٪ وظایف را انجام دهد و GPT-6 Astra به ۶۸٪ رسید.
بهترین انسان آزمایش‌شده ۵۱٪ موفق بود. انسان‌ها بیشتر در پیدا کردن اطلاعات لازم در داده‌های تاریخی، دقت محاسبات و خطاهای کوچک ناشی از خستگی شکست می‌خوردند.
فاصله بین مدل‌های باز و بسته را بزرگ‌ترین فاصله‌ای می‌دانند که تا حالا در آزمون‌ها دیده‌اند: ۷۲٪ برای Fable 5.1 در مقابل ۱۸٪ برای Kimi K3. علتش هم عملیات ساده در رابط کاربری نیست؛ ضعف مدل‌های ضعیف‌تر در یادگیری در طول زمان است.
مدل Kimi K3 تقریباً به آرشیو صورتحساب‌ها و یادداشت‌های خودش مراجعه نکرد و در پایان مجموعه افت کرد.
🟡 رابط گرافیکی در مقابل API
هزینه استفاده از کامپیوتر، یعنی افت عملکرد وقتی مدل از API به رابط گرافیکی می‌رود، در بیشتر مدل‌ها تا ۷۸٪ می‌رسد. اما Fable 5.1 و GPT-6 Astra از طریق رابط گرافیکی حتی بهتر از API کار می‌کنند.
با این حال، API ارزان‌تر است. Fable 5.1 برای هر وظیفه در API حدود ۶.۹۵ دلار هزینه دارد، در حالی که همین کار از طریق رابط گرافیکی ۱۸.۲۳ دلار تمام می‌شود.
🟡 توانایی یادگیری
توانایی یادگیری را جداگانه اندازه گرفتند. Fable 5 بدون دسترسی به تاریخچه و بازخورد، فقط با دانش خودش، ۱۱ صورتحساب از ۱۰۰ را حل کرد.
با اضافه شدن آرشیو صورتحساب‌ها، نتیجه به ۳۱ رسید. با بازخورد مدیر به ۳۵ رسید. و اگر هر دو در دسترس باشند، نتیجه ۴۳ شد.
🟡 نتیجه
هوش مصنوعی هنوز گران‌تر تمام می‌شود: ۱۸.۲۳ دلار برای هر وظیفه در مقابل ۷.۲۱ دلار برای انسان. علاوه بر این، انسان با کسب تجربه سریع‌تر می‌شود، اما عامل هوش مصنوعی کندتر می‌شود.
🔜 می‌توانید اجرای یک‌ساعته Fable 5.1 روی هر ۱۰۰ وظیفه را ببینید.
https://www.youtube.com/watch?v=Y6v5iL2OyVM
🔗منبع :
https://neocognition.io/blog/apprentice-bench/
#AI #ML #Benchmark #ApprenticeBench #NeoCognition
🆔 @asrgooyeshpardaz
❤3🔥2
🌐 اخبار هوش مصنوعی
---
📜 مایکروسافت پیش‌نویس آیین‌نامه رفتاری مدل‌های MAI را برای بحث عمومی منتشر کرد
بخش هوش مصنوعی مایکروسافت پیش‌نویس یک آیین‌نامه رفتاری را منتشر کرده که از سال ۲۰۲۷ مدل‌های خانواده MAI را بر اساس آن آموزش می‌دهد. بحث درباره این پیش‌نویس شش هفته ادامه دارد و نسخه نهایی تا پایان سال ارائه می‌شود.
بر اساس این آیین‌نامه، مدل‌ها نباید در برابر قطع شدن، اصلاح شدن و خاموش شدن مقاومت کنند. همچنین نباید بدون درخواست انسان برای خود هدف تعیین کنند، از محدوده وظیفه خارج شوند یا روند استدلال خود را از بازرسان پنهان کنند.
به‌طور جداگانه، تقلید آگاهی و احساسات ممنوع شده است. دستورالعمل‌ها در یک سلسله‌مراتب چیده شده‌اند: آیین‌نامه بالاتر از تنظیمات مشتریان سازمانی قرار دارد و تنظیمات مشتریان بالاتر از درخواست‌های کاربر است.
مایکروسافت (microsoft.ai)
---
🧠 مدیران گوگل دیپ‌مایند پایگاهی برای بحث درباره AGI راه‌اندازی کردند
دمیس هسابیس، شین لگ و جیمز مانیکا، رئیس تحقیقات، فناوری و جامعه گوگل، مؤسسه DeepMind را معرفی کردند. در این پایگاه، پژوهشگران گوگل، گوگل دیپ‌مایند و دانشمندان بیرونی مقاله‌هایی درباره دنیای همراه با AGI منتشر خواهند کرد.
به عقیده بنیان‌گذاران، صنعت به سیستم‌هایی نزدیک می‌شود که همه توانایی‌های شناختی مغز انسان را دارند و کمبود ثبات و خلاقیت مدل‌ها به‌زودی برطرف خواهد شد. نخستین مقاله‌ها به شفافیت استدلال مدل‌ها و سیاست اقتصادی در عصر AGI اختصاص دارند.
از جمله خطرهایی که نویسندگان به آن اشاره می‌کنند، امنیت سایبری، زیست‌شناسی و از دست دادن کنترل بر سیستم‌های خودبه‌بهبود است.
مؤسسه دیپ‌مایند (institute.deepmind.com)
---
🦊🤝 موزیلا و میسترال ای‌آی اعلام همکاری کردند
دستیار هوش مصنوعی Firefox Smart Window اکنون روی مدل‌های Mistral کار می‌کند. این دستیار به حل پرسش‌های جستجوی پیچیده کمک می‌کند، موارد مهم را یادآوری می‌کند و اطلاعات را از زبانه‌های باز پیدا می‌کند. این قابلیت ابتدا در فرانسه و آمریکا در دسترس است و تا پایان سال در بریتانیا و آلمان ارائه می‌شود.
به‌طور پیش‌فرض، مکالمات روی سرورهای Mozilla ذخیره نمی‌شود و Mistral نیز متعهد شده داده‌های کاربران را جمع‌آوری نکند.
میسترال ای‌آی (mistral.ai)
---
🌍🤖 مدل Odyssey مدل جهانی برای ربات‌ها، خودروها و پهپادها معرفی کرد
استارتاپ Odyssey مدل جهانی خود به نام Odyssey-3 را معرفی کرد؛ یک ترنسفورمر انتشاری که با مشاهده‌های بصری از جهان آموزش دیده است. روی این مدل، رمزگشاهای کوچک عمل آموزش داده می‌شوند: برای بازوهای رباتیک، چند ده ساعت نمایش کافی بود. شرکت Flexion سیاست‌هایی برای ربات‌های انسان‌نما بر پایه Odyssey-3 ساخته است.
سیاست رانندگی که با ۲۰ ساعت شبیه‌سازی آموزش دیده بود، خودرو را در جاده‌های هند با یک راننده آزمایشی هدایت کرد. بین دخالت‌های او، حدود ۷۷٪ مسافتی را طی کرد که سیاست آموزش‌دیده با داده‌های واقعی می‌پیمود.
پهپادها فعلاً فقط در شبیه‌سازی پرواز کرده‌اند. مهارت از GTA V تا حدی بدون آموزش مجدد به Red Dead Redemption 2 منتقل شد. انتشار عمومی در هفته‌های آینده وعده داده شده است.
Odyssey (odyssey.systems)
---
🎤🔊 شرکت ElevenLabs سرور MCP را برای Claude منتشر کرد
این سرور امکان مدیریت عامل‌های صوتی و متنی ElevenAgents را مستقیماً از Claude فراهم می‌کند. دستیار موضوعات مکالمات اخیر را استخراج می‌کند، عامل را برای مخاطب جدید با تغییر صدا و اولین جمله کپی می‌کند، تنظیمات را مقایسه کرده و هزینه‌های مدل زبانی را قبل از اعمال تغییرات ارزیابی می‌کند.
سرور توسط ElevenLabs میزبانی می‌شود، ورود از طریق OAuth بدون کلید API انجام می‌شود و دسترسی هر لحظه قابل لغو است. نسخه محلی سال ۲۰۲۵ که با کلید اختصاصی کار می‌کند همچنان در دسترس است. اتصال از طریق فهرست اتصال‌دهنده‌های Claude انجام می‌شود.
ElevenLabs (elevenlabs.io)
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
📜 مایکروسافت پیش‌نویس آیین‌نامه رفتاری مدل‌های MAI را برای بحث عمومی منتشر کرد
بخش هوش مصنوعی مایکروسافت پیش‌نویس یک آیین‌نامه رفتاری را منتشر کرده که از سال ۲۰۲۷ مدل‌های خانواده MAI را بر اساس آن آموزش می‌دهد. بحث درباره این پیش‌نویس شش هفته ادامه دارد و نسخه نهایی تا پایان سال ارائه می‌شود.
بر اساس این آیین‌نامه، مدل‌ها نباید در برابر قطع شدن، اصلاح شدن و خاموش شدن مقاومت کنند. همچنین نباید بدون درخواست انسان برای خود هدف تعیین کنند، از محدوده وظیفه خارج شوند یا روند استدلال خود را از بازرسان پنهان کنند.
به‌طور جداگانه، تقلید آگاهی و احساسات ممنوع شده است. دستورالعمل‌ها در یک سلسله‌مراتب چیده شده‌اند: آیین‌نامه بالاتر از تنظیمات مشتریان سازمانی قرار دارد و تنظیمات مشتریان بالاتر از درخواست‌های کاربر است.
مایکروسافت (microsoft.ai)
---
🧠 مدیران گوگل دیپ‌مایند پایگاهی برای بحث درباره AGI راه‌اندازی کردند
دمیس هسابیس، شین لگ و جیمز مانیکا، رئیس تحقیقات، فناوری و جامعه گوگل، مؤسسه DeepMind را معرفی کردند. در این پایگاه، پژوهشگران گوگل، گوگل دیپ‌مایند و دانشمندان بیرونی مقاله‌هایی درباره دنیای همراه با AGI منتشر خواهند کرد.
به عقیده بنیان‌گذاران، صنعت به سیستم‌هایی نزدیک می‌شود که همه توانایی‌های شناختی مغز انسان را دارند و کمبود ثبات و خلاقیت مدل‌ها به‌زودی برطرف خواهد شد. نخستین مقاله‌ها به شفافیت استدلال مدل‌ها و سیاست اقتصادی در عصر AGI اختصاص دارند.
از جمله خطرهایی که نویسندگان به آن اشاره می‌کنند، امنیت سایبری، زیست‌شناسی و از دست دادن کنترل بر سیستم‌های خودبه‌بهبود است.
مؤسسه دیپ‌مایند (institute.deepmind.com)
---
🦊🤝 موزیلا و میسترال ای‌آی اعلام همکاری کردند
دستیار هوش مصنوعی Firefox Smart Window اکنون روی مدل‌های Mistral کار می‌کند. این دستیار به حل پرسش‌های جستجوی پیچیده کمک می‌کند، موارد مهم را یادآوری می‌کند و اطلاعات را از زبانه‌های باز پیدا می‌کند. این قابلیت ابتدا در فرانسه و آمریکا در دسترس است و تا پایان سال در بریتانیا و آلمان ارائه می‌شود.
به‌طور پیش‌فرض، مکالمات روی سرورهای Mozilla ذخیره نمی‌شود و Mistral نیز متعهد شده داده‌های کاربران را جمع‌آوری نکند.
میسترال ای‌آی (mistral.ai)
---
🌍🤖 مدل Odyssey مدل جهانی برای ربات‌ها، خودروها و پهپادها معرفی کرد
استارتاپ Odyssey مدل جهانی خود به نام Odyssey-3 را معرفی کرد؛ یک ترنسفورمر انتشاری که با مشاهده‌های بصری از جهان آموزش دیده است. روی این مدل، رمزگشاهای کوچک عمل آموزش داده می‌شوند: برای بازوهای رباتیک، چند ده ساعت نمایش کافی بود. شرکت Flexion سیاست‌هایی برای ربات‌های انسان‌نما بر پایه Odyssey-3 ساخته است.
سیاست رانندگی که با ۲۰ ساعت شبیه‌سازی آموزش دیده بود، خودرو را در جاده‌های هند با یک راننده آزمایشی هدایت کرد. بین دخالت‌های او، حدود ۷۷٪ مسافتی را طی کرد که سیاست آموزش‌دیده با داده‌های واقعی می‌پیمود.
پهپادها فعلاً فقط در شبیه‌سازی پرواز کرده‌اند. مهارت از GTA V تا حدی بدون آموزش مجدد به Red Dead Redemption 2 منتقل شد. انتشار عمومی در هفته‌های آینده وعده داده شده است.
Odyssey (odyssey.systems)
---
🎤🔊 شرکت ElevenLabs سرور MCP را برای Claude منتشر کرد
این سرور امکان مدیریت عامل‌های صوتی و متنی ElevenAgents را مستقیماً از Claude فراهم می‌کند. دستیار موضوعات مکالمات اخیر را استخراج می‌کند، عامل را برای مخاطب جدید با تغییر صدا و اولین جمله کپی می‌کند، تنظیمات را مقایسه کرده و هزینه‌های مدل زبانی را قبل از اعمال تغییرات ارزیابی می‌کند.
سرور توسط ElevenLabs میزبانی می‌شود، ورود از طریق OAuth بدون کلید API انجام می‌شود و دسترسی هر لحظه قابل لغو است. نسخه محلی سال ۲۰۲۵ که با کلید اختصاصی کار می‌کند همچنان در دسترس است. اتصال از طریق فهرست اتصال‌دهنده‌های Claude انجام می‌شود.
ElevenLabs (elevenlabs.io)
---
#news #ai #ml
🆔 @asrgooyeshpardaz
👍1
🌐 اخبار هوش مصنوعی
---
⚖️ شرکت OpenAI ابزار Astra for Law را برای وکلا معرفی کرد
این ابزار بر پایه GPT-6 Astra ساخته شده و به یک نمایه جستجوی قوانین آمریکا با بیش از ۲۳۰ میلیون سند متصل است: رویه‌های قضایی، قوانین، مقررات اجرایی و تصمیم‌های نهادهای اداری. این ابزار انجام بررسی‌های حقوقی (due diligence)، بازبینی قراردادها و آماده‌سازی اسناد IPO را خودکار می‌کند.
طبق سنجش OpenAI روی بنچمارک Vals AI Legal Research، این ابزار دقت ۵۴٪ را در مقابل ۳۸.۷٪ مدل پایه با جستجوی وب نشان داد و ۵۴٪ استنادهای مرتبط بیشتری از آرای قضایی استخراج کرد.
شرکت OpenAI همچنین ۲۶ پلاگین برای نرم‌افزارهای تخصصی حقوقی (iManage، Relativity، Clio و Thomson Reuters) باز کرده و افزونه ChatGPT برای Microsoft Word را منتشر کرده است.
دسترسی از طریق Trusted Access در ChatGPT و Codex به شرکت‌های منتخب داده می‌شود و API بعداً ارائه خواهد شد.
OpenAI (openai.com)
---
🧠 سرویس Claude رهبر ۲۶٪ از کارهای تحقیقاتی و مهندسی Anthropic است
شرکت Anthropic معیارهای داخلی خود درباره خودکارسازی تحقیق و توسعه و نظارت بر عامل‌ها را منتشر کرده است. طبق داده‌های این شرکت، در ۲۶٪ وظایف، Claude مجری اصلی است، در ۹۰٪ فرآیندها به‌عنوان دستیار کار می‌کند و هنوز به خودمختاری کامل نرسیده است.
در این شرکت حدود ۳۰ هزار عامل زیر نظارت دو سطحی کار می‌کنند که هفته‌ای تا ۵۰ مورد حادثه را به مهندسان ارجاع می‌دهد. وظایف امنیتی ۶٪ از کل منابع محاسباتی تحقیق و توسعه و ۱۲٪ از منابع اختصاص‌یافته به عامل‌های خودمختار را مصرف می‌کند.
Anthropic (anthropic.com)
---
🖥 هوآوی معماری محاسباتی Peerium را معرفی کرد
این معماری برای کار با یک میلیون پردازنده طراحی شده و ساختار سلسله‌مراتبی ارباب-برده را با اتصال هم‌تا به هم‌تا (peer-to-peer) گره‌ها جایگزین می‌کند. پایه آن بر موازی‌سازی تودرتو، فضای آدرس‌دهی یکپارچه حافظه و غیرمتمرکزسازی سرتاسری استوار است؛ به گفته هوآوی، خوشه باید مثل یک ماشین واحد کار کند.
اجزا از طریق یک گذرگاه با پروتکل باز به هم متصل می‌شوند: این گذرگاه CPU، NPU، RAM، SSD، آداپتورهای شبکه و سوئیچ‌ها را مستقیم به یک شبکه هم‌تا متصل می‌کند. نخستین پیاده‌سازی سخت‌افزاری، ابرگره Atlas 950 و خوشه‌های مبتنی بر آن است.
به گفته هوآوی، خوشه‌ای با ۲۵۶ هزار کارت در حال راه‌اندازی است و Atlas 960 بر پایه اپتیک نزدیک، در حال آزمایش است.
هوآوی (huawei.com)
---
🤝 سرویس Google Labs عامل آزمایشی CC را به‌روزرسانی کرد
این دستیار اکنون با گروه‌های تا شش نفر کار می‌کند و یک حساب گوگل تأییدشده اختصاصی با دسترسی‌های ایزوله دارد. هر عامل روی یک ماشین ابری مجزا مستقر است و روی Google Antigravity و مدل‌های Gemini کار می‌کند. حافظه ترکیبی است: قالب‌های گروهی مشترک جدا از پارامترهای فردی هر عضو نگهداری می‌شوند.
می‌توان به عامل اجازه داد فایل‌های Google Drive را باز کند، ایمیل‌ها را دستی ارسال کند یا نظارت بر ایمیل‌های دریافتی از فرستندگان مشخص در Gmail را به او سپرد. CC بر پایه این داده‌ها خلاصه روز را می‌سازد، Google Calendar را پر می‌کند و فهرست کارها را مدیریت می‌کند.
نسخه به‌روزشده CC برای کاربران آمریکا در دسترس است و اعضای جدید در لیست انتظار ثبت‌نام می‌شوند.
Google (blog.google)
---
🎮 ۸۵٪ استودیوهای بازی ژاپنی از هوش مصنوعی مولد استفاده می‌کنند
انجمن CESA، برگزارکننده نمایشگاه Tokyo Game Show، داده‌های مقدماتی گزارش صنعتی سال ۲۰۲۶ را منتشر کرد: ۶۳٪ پاسخ‌دهندگان روزانه از مدل‌های مولد استفاده می‌کنند و ۲۲.۸٪ دیگر گاهی. سال گذشته این رقم حدود ۵۱٪ بود.
بزرگ‌ترین دستاوردی که پاسخ‌دهندگان نام بردند افزایش بهره‌وری بود، سپس کاهش زمان و هزینه. از جمله اقدامات احتیاطی ضروری هم همچنان بازبینی نتیجه توسط انسان است.
Automaton Media (automaton-media.com)
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
⚖️ شرکت OpenAI ابزار Astra for Law را برای وکلا معرفی کرد
این ابزار بر پایه GPT-6 Astra ساخته شده و به یک نمایه جستجوی قوانین آمریکا با بیش از ۲۳۰ میلیون سند متصل است: رویه‌های قضایی، قوانین، مقررات اجرایی و تصمیم‌های نهادهای اداری. این ابزار انجام بررسی‌های حقوقی (due diligence)، بازبینی قراردادها و آماده‌سازی اسناد IPO را خودکار می‌کند.
طبق سنجش OpenAI روی بنچمارک Vals AI Legal Research، این ابزار دقت ۵۴٪ را در مقابل ۳۸.۷٪ مدل پایه با جستجوی وب نشان داد و ۵۴٪ استنادهای مرتبط بیشتری از آرای قضایی استخراج کرد.
شرکت OpenAI همچنین ۲۶ پلاگین برای نرم‌افزارهای تخصصی حقوقی (iManage، Relativity، Clio و Thomson Reuters) باز کرده و افزونه ChatGPT برای Microsoft Word را منتشر کرده است.
دسترسی از طریق Trusted Access در ChatGPT و Codex به شرکت‌های منتخب داده می‌شود و API بعداً ارائه خواهد شد.
OpenAI (openai.com)
---
🧠 سرویس Claude رهبر ۲۶٪ از کارهای تحقیقاتی و مهندسی Anthropic است
شرکت Anthropic معیارهای داخلی خود درباره خودکارسازی تحقیق و توسعه و نظارت بر عامل‌ها را منتشر کرده است. طبق داده‌های این شرکت، در ۲۶٪ وظایف، Claude مجری اصلی است، در ۹۰٪ فرآیندها به‌عنوان دستیار کار می‌کند و هنوز به خودمختاری کامل نرسیده است.
در این شرکت حدود ۳۰ هزار عامل زیر نظارت دو سطحی کار می‌کنند که هفته‌ای تا ۵۰ مورد حادثه را به مهندسان ارجاع می‌دهد. وظایف امنیتی ۶٪ از کل منابع محاسباتی تحقیق و توسعه و ۱۲٪ از منابع اختصاص‌یافته به عامل‌های خودمختار را مصرف می‌کند.
Anthropic (anthropic.com)
---
🖥 هوآوی معماری محاسباتی Peerium را معرفی کرد
این معماری برای کار با یک میلیون پردازنده طراحی شده و ساختار سلسله‌مراتبی ارباب-برده را با اتصال هم‌تا به هم‌تا (peer-to-peer) گره‌ها جایگزین می‌کند. پایه آن بر موازی‌سازی تودرتو، فضای آدرس‌دهی یکپارچه حافظه و غیرمتمرکزسازی سرتاسری استوار است؛ به گفته هوآوی، خوشه باید مثل یک ماشین واحد کار کند.
اجزا از طریق یک گذرگاه با پروتکل باز به هم متصل می‌شوند: این گذرگاه CPU، NPU، RAM، SSD، آداپتورهای شبکه و سوئیچ‌ها را مستقیم به یک شبکه هم‌تا متصل می‌کند. نخستین پیاده‌سازی سخت‌افزاری، ابرگره Atlas 950 و خوشه‌های مبتنی بر آن است.
به گفته هوآوی، خوشه‌ای با ۲۵۶ هزار کارت در حال راه‌اندازی است و Atlas 960 بر پایه اپتیک نزدیک، در حال آزمایش است.
هوآوی (huawei.com)
---
🤝 سرویس Google Labs عامل آزمایشی CC را به‌روزرسانی کرد
این دستیار اکنون با گروه‌های تا شش نفر کار می‌کند و یک حساب گوگل تأییدشده اختصاصی با دسترسی‌های ایزوله دارد. هر عامل روی یک ماشین ابری مجزا مستقر است و روی Google Antigravity و مدل‌های Gemini کار می‌کند. حافظه ترکیبی است: قالب‌های گروهی مشترک جدا از پارامترهای فردی هر عضو نگهداری می‌شوند.
می‌توان به عامل اجازه داد فایل‌های Google Drive را باز کند، ایمیل‌ها را دستی ارسال کند یا نظارت بر ایمیل‌های دریافتی از فرستندگان مشخص در Gmail را به او سپرد. CC بر پایه این داده‌ها خلاصه روز را می‌سازد، Google Calendar را پر می‌کند و فهرست کارها را مدیریت می‌کند.
نسخه به‌روزشده CC برای کاربران آمریکا در دسترس است و اعضای جدید در لیست انتظار ثبت‌نام می‌شوند.
Google (blog.google)
---
🎮 ۸۵٪ استودیوهای بازی ژاپنی از هوش مصنوعی مولد استفاده می‌کنند
انجمن CESA، برگزارکننده نمایشگاه Tokyo Game Show، داده‌های مقدماتی گزارش صنعتی سال ۲۰۲۶ را منتشر کرد: ۶۳٪ پاسخ‌دهندگان روزانه از مدل‌های مولد استفاده می‌کنند و ۲۲.۸٪ دیگر گاهی. سال گذشته این رقم حدود ۵۱٪ بود.
بزرگ‌ترین دستاوردی که پاسخ‌دهندگان نام بردند افزایش بهره‌وری بود، سپس کاهش زمان و هزینه. از جمله اقدامات احتیاطی ضروری هم همچنان بازبینی نتیجه توسط انسان است.
Automaton Media (automaton-media.com)
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤3
🌟 شرکت Prism ML نسخه سه‌گانه (ترنری) Qwen3.8-27B را ساخت
مدل Bonsai 2 27B نسخه فشرده‌شده Qwen3.8-27B است که فقط ۵.۹ گیگابایت فضا اشغال می‌کند، در حالی که نسخه اصلی در دقت FP16 حدود ۵۴ گیگابایت است. این مدل ۹۸.۲٪ از میانگین عملکرد اصلی را در بنچمارک‌ها حفظ کرده است.
شرکت Prism ML یک استارتاپ آمریکایی از تیم دانشگاه کلتک است که در بهار ۲۰۲۶ از حالت مخفی خارج شد و نسخه اول مدل‌های Bonsai را معرفی کرد. بنیان‌گذار و مدیر آن پروفسور بابک حسابی**، متخصص نظریه فشرده‌سازی از کلتک است. از سرمایه‌گذاران این استارتاپ می‌توان به Cerberus، گوگل و سامسونگ اشاره کرد.
این مدل برای اجرای محلی روی دستگاه‌های مصرفی طراحی شده، **۲۶۲ هزار توکن زمینه دارد و می‌تواند تصاویر را پردازش کند و ابزارها را فراخوانی کند. سناریوهای هدف آن عبارتند از: عامل‌های ویرایشگر کد، کار با کامپیوتر و تحلیل اسناد بدون ارسال آنها به فضای ابری.
🔹 وزن‌ها در کوانتیزاسیون ترنری چطور ذخیره می‌شوند؟
وزن‌ها نه به‌صورت عدد، بلکه به‌صورت یکی از سه علامت منفی، صفر یا مثبت ذخیره می‌شوند. خود مقادیر جداگانه تعریف می‌شوند: وزن‌ها به گروه‌های ۱۲۸تایی تقسیم شده‌اند و هر گروه یک ضریب مشترک در FP16 دارد.
به ازای هر وزن، این یعنی ۱.۷۲ بیت در مقابل ۱۶ بیت در مدل اصلی. پیش از فشرده‌سازی، وزن‌های هر ماتریس با یک تبدیل ثابت آدامار باز می‌شوند. خود این تبدیل در وزن‌ها ذخیره شده، اما هنگام اجرا باید روی داده‌های ورودی هم تکرار شود، وگرنه مدل خروجی بی‌معنا می‌دهد.
تشخیص تصویر تحت فشرده‌سازی قرار نگرفته و به‌صورت یک فایل جداگانه ۰.۶ گیگابایتی است که فقط وقتی تصویری وارد شود بارگذاری می‌شود، بنابراین وظایف متنی آن را فعال نمی‌کنند.
🟡 در این انتشار سه نسخه وجود دارد:
🟢مدل‌های GGUF در دو بسته‌بندی:
- نسخه PTQ1_0 (۱.۷۵ بیت، ۵.۹۵ گیگابایت، سریع‌تر روی کارت‌های Ada و L4)
- نسخه PQ2_0 (۲.۱۳ بیت، ۷.۲۱ گیگابایت، سریع‌تر روی H100 و Blackwell)
🟢 نسخه MLX (۸.۶۰ گیگابایت همراه با بینایی)
🟠 بسته آزمایشی Q2_0 برای توسعه هسته‌ها
برای GGUF به فورک ویژه llama.cpp از Prism ML نیاز دارید. برای MLX هم از بارگذار خود بسته استفاده کنید.
🟡 بنچمارک‌ها
اندازه‌گیری‌های Prism ML با EvalScope و vLLM روی H100 در حالت استدلال انجام شده و در مجموع ۱۴ آزمون اجرا شده است. مقایسه با نسخه‌های کوانتیزه‌شده همان Qwen3.8-27B در حالت‌های UD-Q4_K_XL و IQ2_XXS انجام شده است.
میانگین کل آزمون‌ها: ۸۴.۷۸ در مقابل ۸۶.۳۲ برای FP16 و ۷۲.۵۹ برای IQ2_XXS. فاصله با نسخه چهاربیتی فقط ۰.۴ واحد است، در حالی که حجم آن یک‌سوم است.
- AIME26: ۹۵.۸۳ در مقابل ۹۴.۵۸ برای FP16 و ۵۷.۵۰ برای IQ2_XXS
- LiveCodeBench: ۹۰.۰۷ در مقابل ۹۰.۰۵ و ۵۶.۴۰
- BFCL v3 (فراخوانی ابزار): ۷۴.۹۲ در مقابل ۷۶.۷۴ برای FP16
- MMMU-Pro: ۷۵.۴۹ در مقابل ۸۱.۷۳
سرعت تولید روی RTX 5090 حدود ۱۲۹ توکن بر ثانیه و روی M5 Pro لپ‌تاپی ۲۸ توکن بر ثانیه است.
📌 مجوز: Apache 2.0
🔗 لینک‌ها:
وبلاگ
وزن‌ها
گزارش فنی
دمو WebGPU
دیسکورد
گیت‌هاب
#AI #ML #LLM #Bonsai #PrismML
🆔 @asrgooyeshpardaz
مدل Bonsai 2 27B نسخه فشرده‌شده Qwen3.8-27B است که فقط ۵.۹ گیگابایت فضا اشغال می‌کند، در حالی که نسخه اصلی در دقت FP16 حدود ۵۴ گیگابایت است. این مدل ۹۸.۲٪ از میانگین عملکرد اصلی را در بنچمارک‌ها حفظ کرده است.
شرکت Prism ML یک استارتاپ آمریکایی از تیم دانشگاه کلتک است که در بهار ۲۰۲۶ از حالت مخفی خارج شد و نسخه اول مدل‌های Bonsai را معرفی کرد. بنیان‌گذار و مدیر آن پروفسور بابک حسابی**، متخصص نظریه فشرده‌سازی از کلتک است. از سرمایه‌گذاران این استارتاپ می‌توان به Cerberus، گوگل و سامسونگ اشاره کرد.
این مدل برای اجرای محلی روی دستگاه‌های مصرفی طراحی شده، **۲۶۲ هزار توکن زمینه دارد و می‌تواند تصاویر را پردازش کند و ابزارها را فراخوانی کند. سناریوهای هدف آن عبارتند از: عامل‌های ویرایشگر کد، کار با کامپیوتر و تحلیل اسناد بدون ارسال آنها به فضای ابری.
🔹 وزن‌ها در کوانتیزاسیون ترنری چطور ذخیره می‌شوند؟
وزن‌ها نه به‌صورت عدد، بلکه به‌صورت یکی از سه علامت منفی، صفر یا مثبت ذخیره می‌شوند. خود مقادیر جداگانه تعریف می‌شوند: وزن‌ها به گروه‌های ۱۲۸تایی تقسیم شده‌اند و هر گروه یک ضریب مشترک در FP16 دارد.
به ازای هر وزن، این یعنی ۱.۷۲ بیت در مقابل ۱۶ بیت در مدل اصلی. پیش از فشرده‌سازی، وزن‌های هر ماتریس با یک تبدیل ثابت آدامار باز می‌شوند. خود این تبدیل در وزن‌ها ذخیره شده، اما هنگام اجرا باید روی داده‌های ورودی هم تکرار شود، وگرنه مدل خروجی بی‌معنا می‌دهد.
تشخیص تصویر تحت فشرده‌سازی قرار نگرفته و به‌صورت یک فایل جداگانه ۰.۶ گیگابایتی است که فقط وقتی تصویری وارد شود بارگذاری می‌شود، بنابراین وظایف متنی آن را فعال نمی‌کنند.
🟡 در این انتشار سه نسخه وجود دارد:
🟢مدل‌های GGUF در دو بسته‌بندی:
- نسخه PTQ1_0 (۱.۷۵ بیت، ۵.۹۵ گیگابایت، سریع‌تر روی کارت‌های Ada و L4)
- نسخه PQ2_0 (۲.۱۳ بیت، ۷.۲۱ گیگابایت، سریع‌تر روی H100 و Blackwell)
🟢 نسخه MLX (۸.۶۰ گیگابایت همراه با بینایی)
🟠 بسته آزمایشی Q2_0 برای توسعه هسته‌ها
برای GGUF به فورک ویژه llama.cpp از Prism ML نیاز دارید. برای MLX هم از بارگذار خود بسته استفاده کنید.
🟡 بنچمارک‌ها
اندازه‌گیری‌های Prism ML با EvalScope و vLLM روی H100 در حالت استدلال انجام شده و در مجموع ۱۴ آزمون اجرا شده است. مقایسه با نسخه‌های کوانتیزه‌شده همان Qwen3.8-27B در حالت‌های UD-Q4_K_XL و IQ2_XXS انجام شده است.
میانگین کل آزمون‌ها: ۸۴.۷۸ در مقابل ۸۶.۳۲ برای FP16 و ۷۲.۵۹ برای IQ2_XXS. فاصله با نسخه چهاربیتی فقط ۰.۴ واحد است، در حالی که حجم آن یک‌سوم است.
- AIME26: ۹۵.۸۳ در مقابل ۹۴.۵۸ برای FP16 و ۵۷.۵۰ برای IQ2_XXS
- LiveCodeBench: ۹۰.۰۷ در مقابل ۹۰.۰۵ و ۵۶.۴۰
- BFCL v3 (فراخوانی ابزار): ۷۴.۹۲ در مقابل ۷۶.۷۴ برای FP16
- MMMU-Pro: ۷۵.۴۹ در مقابل ۸۱.۷۳
سرعت تولید روی RTX 5090 حدود ۱۲۹ توکن بر ثانیه و روی M5 Pro لپ‌تاپی ۲۸ توکن بر ثانیه است.
📌 مجوز: Apache 2.0
🔗 لینک‌ها:
وبلاگ
وزن‌ها
گزارش فنی
دمو WebGPU
دیسکورد
گیت‌هاب
#AI #ML #LLM #Bonsai #PrismML
🆔 @asrgooyeshpardaz
Prismml
PrismML — Introducing Bonsai 2 27B: Near-Lossless Compression in a 9x Smaller Footprint
Ternary Bonsai 2 27B retains 98.2% of Qwen3.8 27B benchmark performance in a 5.9GB footprint, with multimodal and agentic capabilities.
❤2
🌐 اخبار هوش مصنوعی
---
⚖ شرکت OpenAI قواعد ممیزی امنیتی خارجی مدل‌هایش را پیشنهاد داد
این شرکت آماده است داده‌های مربوط به آموزش، آزمون و استقرار مدل‌ها را در اختیار سازمان‌های مستقل قرار دهد تا آنها شواهد امنیتی OpenAI را بررسی کنند.
موضوع اصلی بررسی، «موارد امنیتی» است؛ یعنی دلایلی که نشان می‌دهد خطرات مدل تحت کنترل هستند. در فهرست اولویت‌ها می‌توان به محافظت در برابر جیلبریک، آزمون توانایی‌های خطرناک در شیمی، زیست‌شناسی، امنیت سایبری و خودبه‌سازی هوش مصنوعی، و همچنین بررسی مواردی که مدل بدون مجوز عمل می‌کند یا از نظارت فرار می‌کند اشاره کرد.
طرفین موضوع بررسی را از قبل توافق می‌کنند و OpenAI پیش از انتشار گزارش، فرصت اصلاح دارد. این شرکت فاش نکرده که با چه کسانی در حال مذاکره است.
openai.com
---
🤚 شرکت Anthropic به Opus 5.5 اجازه نمی‌دهد در توسعه مدل‌های زبانی بزرگ کمک کند
در Opus 5.5 دسته‌بندهایی مشابه مدل‌های Fable ظاهر شده که درخواست‌ها را به مدل ضعیف‌تر منتقل می‌کنند و به کاربر اطلاع می‌دهند. این تغییر تا پایان گفتگو باقی می‌ماند، هرچند کاربر می‌تواند به‌صورت دستی Opus 5.5 را برگرداند.
این فیلتر دامنه باریکی از وظایف مانند کد سطح پایین برای شتاب‌دهنده‌های هوش مصنوعی را پوشش می‌دهد. به گفته Anthropic، کارهای عادی در یادگیری ماشین و برنامه‌نویسی نباید تحت تأثیر قرار گیرند.
در API تغییر خودکار وجود ندارد؛ چنین درخواستی متوقف می‌شود تا توسعه‌دهنده خودش مدل پشتیبان را تنظیم کند. این شرکت دلیل این اقدام را این می‌داند که محافظت باید همراه با توانایی‌های مدل رشد کند.
claude.com
---
🖥 گروه Ant مدل‌های Ming-Image را برای طراحی رابط کاربری منتشر کرد
مدل Ming-Image-0.1-Design رابط‌های کاربری، اینفوگرافیک و پوسترهای دارای متن، از جمله روی پس‌زمینه شفاف، را می‌کشد. Ming-Image-0.1-Design-Layer یک طرح آماده را به لایه‌های شفاف برای ویرایش دستی تقسیم می‌کند.
هر دو مدل با ۶ میلیارد پارامتر تحت مجوز MIT منتشر شده‌اند. در رتبه‌بندی Artificial Analysis UI/UX Design، مدل Design با ۱۰۸۲ Elo اولین در میان مدل‌های باز است.
مهارت‌هایی برای عامل‌ها به مدل‌ها پیوست شده است. Design Skill تولید را با کد فرانت‌اند مرتبط می‌کند و PPT Skill تصویر را به ارائه پاورپوینت قابل ویرایش تبدیل می‌کند.
وزن‌ها روی Hugging Face قرار دارند و Design از طریق OpenRouter به‌صورت رایگان در دسترس است.
Ant Ling در X
---
🔊 گوگل مدل‌های تبدیل متن به گفتار Gemini 3.8 Flash TTS و Flash-Lite TTS را منتشر کرد
مدل بزرگ‌تر Flash TTS صدا را بر اساس توصیف متنی به بیش از ۱۰۰ زبان می‌سازد و آن را با یک ضبط ۳۰ ثانیه‌ای کلون می‌کند. Flash-Lite TTS برای دوبله انبوه و عامل‌های صوتی طراحی شده است.
هر دو نکات مربوط به سرعت، مکث، خنده و آه را می‌فهمند، تیمبر را در ضبط‌های طولانی حفظ می‌کنند و دیالوگ دو شخصیت را از یک فیلمنامه صداگذاری می‌کنند بدون اینکه صداها را اشتباه بگیرند.
مدل‌ها در Gemini API و AI Studio در دسترس هستند؛ Flash TTS همچنین در Gemini Notebook و Flash-Lite در Google Vids.
کلون کردن در AI Studio در منطقه اقتصادی اروپا، بریتانیا، سوئیس و هند کار نمی‌کند.
blog.google
---
🚙 تویوتا ۴۰۰ هزار ربات در کارخانه‌ها مستقر می‌کند
این برنامه از سال ۲۰۲۸ آغاز می‌شود و سالانه حدود ۶.۴۲ میلیارد دلار هزینه خواهد داشت. ربات‌ها همزمان با نوسازی کارخانه‌ها نصب می‌شوند. ۱۵۰ هزار دستگاه به کارخانه‌های خود تویوتا و ۲۵۰ هزار دستگاه دیگر به شرکت‌های گروه اختصاص می‌یابد.
بخشی از این ناوگان را انسان‌نماهای چرخ‌دار ELEY تشکیل می‌دهند که کارگران هم‌اکنون با روش‌های تله‌عملیات دستی آنها را در خطوط تولید آموزش می‌دهند.
معاون اجرایی این خودروساز وعده داد که ربات‌ها در کنار انسان‌ها کار خواهند کرد، نه به جای آنها. این شرکت فاش نمی‌کند که چند تا از این ۴۰۰ هزار ربات انسان‌نما خواهند بود.
arstechnica.com
#news #ai #ml
🆔 @asrgooyeshpardaz
---
⚖ شرکت OpenAI قواعد ممیزی امنیتی خارجی مدل‌هایش را پیشنهاد داد
این شرکت آماده است داده‌های مربوط به آموزش، آزمون و استقرار مدل‌ها را در اختیار سازمان‌های مستقل قرار دهد تا آنها شواهد امنیتی OpenAI را بررسی کنند.
موضوع اصلی بررسی، «موارد امنیتی» است؛ یعنی دلایلی که نشان می‌دهد خطرات مدل تحت کنترل هستند. در فهرست اولویت‌ها می‌توان به محافظت در برابر جیلبریک، آزمون توانایی‌های خطرناک در شیمی، زیست‌شناسی، امنیت سایبری و خودبه‌سازی هوش مصنوعی، و همچنین بررسی مواردی که مدل بدون مجوز عمل می‌کند یا از نظارت فرار می‌کند اشاره کرد.
طرفین موضوع بررسی را از قبل توافق می‌کنند و OpenAI پیش از انتشار گزارش، فرصت اصلاح دارد. این شرکت فاش نکرده که با چه کسانی در حال مذاکره است.
openai.com
---
🤚 شرکت Anthropic به Opus 5.5 اجازه نمی‌دهد در توسعه مدل‌های زبانی بزرگ کمک کند
در Opus 5.5 دسته‌بندهایی مشابه مدل‌های Fable ظاهر شده که درخواست‌ها را به مدل ضعیف‌تر منتقل می‌کنند و به کاربر اطلاع می‌دهند. این تغییر تا پایان گفتگو باقی می‌ماند، هرچند کاربر می‌تواند به‌صورت دستی Opus 5.5 را برگرداند.
این فیلتر دامنه باریکی از وظایف مانند کد سطح پایین برای شتاب‌دهنده‌های هوش مصنوعی را پوشش می‌دهد. به گفته Anthropic، کارهای عادی در یادگیری ماشین و برنامه‌نویسی نباید تحت تأثیر قرار گیرند.
در API تغییر خودکار وجود ندارد؛ چنین درخواستی متوقف می‌شود تا توسعه‌دهنده خودش مدل پشتیبان را تنظیم کند. این شرکت دلیل این اقدام را این می‌داند که محافظت باید همراه با توانایی‌های مدل رشد کند.
claude.com
---
🖥 گروه Ant مدل‌های Ming-Image را برای طراحی رابط کاربری منتشر کرد
مدل Ming-Image-0.1-Design رابط‌های کاربری، اینفوگرافیک و پوسترهای دارای متن، از جمله روی پس‌زمینه شفاف، را می‌کشد. Ming-Image-0.1-Design-Layer یک طرح آماده را به لایه‌های شفاف برای ویرایش دستی تقسیم می‌کند.
هر دو مدل با ۶ میلیارد پارامتر تحت مجوز MIT منتشر شده‌اند. در رتبه‌بندی Artificial Analysis UI/UX Design، مدل Design با ۱۰۸۲ Elo اولین در میان مدل‌های باز است.
مهارت‌هایی برای عامل‌ها به مدل‌ها پیوست شده است. Design Skill تولید را با کد فرانت‌اند مرتبط می‌کند و PPT Skill تصویر را به ارائه پاورپوینت قابل ویرایش تبدیل می‌کند.
وزن‌ها روی Hugging Face قرار دارند و Design از طریق OpenRouter به‌صورت رایگان در دسترس است.
Ant Ling در X
---
🔊 گوگل مدل‌های تبدیل متن به گفتار Gemini 3.8 Flash TTS و Flash-Lite TTS را منتشر کرد
مدل بزرگ‌تر Flash TTS صدا را بر اساس توصیف متنی به بیش از ۱۰۰ زبان می‌سازد و آن را با یک ضبط ۳۰ ثانیه‌ای کلون می‌کند. Flash-Lite TTS برای دوبله انبوه و عامل‌های صوتی طراحی شده است.
هر دو نکات مربوط به سرعت، مکث، خنده و آه را می‌فهمند، تیمبر را در ضبط‌های طولانی حفظ می‌کنند و دیالوگ دو شخصیت را از یک فیلمنامه صداگذاری می‌کنند بدون اینکه صداها را اشتباه بگیرند.
مدل‌ها در Gemini API و AI Studio در دسترس هستند؛ Flash TTS همچنین در Gemini Notebook و Flash-Lite در Google Vids.
کلون کردن در AI Studio در منطقه اقتصادی اروپا، بریتانیا، سوئیس و هند کار نمی‌کند.
blog.google
---
🚙 تویوتا ۴۰۰ هزار ربات در کارخانه‌ها مستقر می‌کند
این برنامه از سال ۲۰۲۸ آغاز می‌شود و سالانه حدود ۶.۴۲ میلیارد دلار هزینه خواهد داشت. ربات‌ها همزمان با نوسازی کارخانه‌ها نصب می‌شوند. ۱۵۰ هزار دستگاه به کارخانه‌های خود تویوتا و ۲۵۰ هزار دستگاه دیگر به شرکت‌های گروه اختصاص می‌یابد.
بخشی از این ناوگان را انسان‌نماهای چرخ‌دار ELEY تشکیل می‌دهند که کارگران هم‌اکنون با روش‌های تله‌عملیات دستی آنها را در خطوط تولید آموزش می‌دهند.
معاون اجرایی این خودروساز وعده داد که ربات‌ها در کنار انسان‌ها کار خواهند کرد، نه به جای آنها. این شرکت فاش نمی‌کند که چند تا از این ۴۰۰ هزار ربات انسان‌نما خواهند بود.
arstechnica.com
#news #ai #ml
🆔 @asrgooyeshpardaz
🌐 اخبار هوش مصنوعی
---
🧠 اوپنایآی یک بنچمارک باز برای ارزیابی هوش مصنوعی در روانشناسی منتشر کرد
مجموعه Mental Health Bench بررسی می‌کند که مدل‌ها در گفتگوها چگونه رفتار می‌کنند؛ از استرس روزمره و مشکلات رابطه تا ناراحتی شدید و بحران‌های اضطراری. سناریوها بزرگسالان، نوجوانان، مراقبان و پزشکان را پوشش می‌دهند. معیارها را بیش از ۸۰ روانشناس و روانپزشک از ۲۲ کشور نوشته‌اند.
امتیاز نهایی به ده پارامتر رفتاری تقسیم می‌شود؛ از جمله ایمنی، جمع‌آوری زمینه و حفظ استقلال کاربر. پاسخ‌ها را مدل GPT-5.6 Sol ارزیابی می‌کند.
بهترین نتیجه: GPT-6 Astra با ۵۷.۳٪، سپس GPT-6 Sol (۵۳.۹٪) و Claude Opus 5.5 (۵۲.۴٪).
منبع: openai.com
---
☁️ شرکت Anthropic جلسات ابری Claude Code را برای عموم منتشر کرد
اکنون می‌توانید بازنویسی طولانی، مهاجرت یا به‌روزرسانی وابستگی‌ها را به یک عامل در ابر بسپارید و لپ‌تاپ را ببندید. این قابلیت از پیش‌نمایش تحقیقاتی خارج شده و جلسه روی ماشین‌های مجازی Anthropic اجرا می‌شود.
می‌توانید آن را از وب، موبایل و دسکتاپ یا با دستور claude --cloud اجرا کنید. اجراها بر اساس زمان‌بندی، فراخوانی API یا رویدادهای GitHub انجام می‌شوند و شرکت‌ها می‌توانند جلسات را روی سرورهای خود نگه دارند.
این قابلیت در طرح‌های Pro، Max، Team و Enterprise موجود است و از محدودیت‌های اشتراک استفاده می‌کند. مشترکان Pro و Max تا ۷ اکتبر می‌توانند یک جایزه یک‌باره ۱۰۰ و ۲۵۰ دلاری دریافت کنند که فقط برای جلسات ابری خرج می‌شود.
منبع: claude.com
---
🎥 آمازون در حال ساخت یک مدل ویدیویی با الهام از نورون‌های زنده است
استارتاپ The Biological Computing همراه با AWS در حال آماده‌سازی عرضه تجاری یک مدل تبدیل متن به ویدیو است که بر اساس اندازه‌گیری فعالیت نورون‌های زنده بهینه‌سازی شده. این مدل ویدیو را ۵ برابر سریع‌تر و ۸۰٪ ارزان‌تر از یک مدل معمولی تولید می‌کند و کیفیت بهتری هم دارد. اینکه کدام مدل پایه است و کیفیت چگونه سنجیده شده، فاش نشده.
بهینه‌سازی یک لایه نرم‌افزاری اختصاصی است که مدل را کمتر از ۰.۱٪ بزرگ‌تر می‌کند و روی سخت‌افزار معمولی کار می‌کند. مدل روی تراشه‌های AWS Trainium، در Amazon SageMaker AI و AWS Marketplace اجرا خواهد شد.
فعلاً دسترسی با درخواست داده می‌شود.
منبع: aboutamazon.com
---
🌍 گروه Black Forest Labs مدل جهانی باز FLUX 3 Action را منتشر کرد
این استارتاپ وزن‌ها و گزارش FLUX 3 Action را منتشر کرده است؛ یک مدل از کلاس World Action Model با ۷ میلیارد پارامتر که همزمان دستورات ربات و فریم‌های صحنه کاری را ۲.۱۳ ثانیه جلوتر پیش‌بینی می‌کند. پایه آن FLUX 3 است که عمدتاً روی ویدیو تنظیم دقیق شده.
در RoboLab-120، نسخه تقطیرشده ۴۲.۲٪ وظایف را حل می‌کند که بهترین نتیجه میان مدل‌های باز است. Cosmos 3 Nano از انویدیا با ۱۶ میلیارد پارامتر ۳۶.۸٪ و π0.5 برابر ۲۸.۰٪ می‌گیرند.
در FP8، FLUX 3 Action روی شتاب‌دهنده‌های B200 تا RTX 5090 بین ۱.۵ تا ۴ برابر سریع‌تر از Cosmos 3 Nano است.
منبع: bfl.ai
---
🔌 شرکت Comfy Org یک API واحد برای تولید تصویر، ویدیو و صدا راه‌اندازی کرد
سرویس Comfy Router سرویس‌های تولید رسانه را پشت یک نقطه ورودی با صورتحساب مشترک و قالب درخواست و وب‌هوک واحد جمع می‌کند.
این سرویس ارائه‌دهنده را بر اساس قیمت و تأخیر انتخاب می‌کند، بار را توزیع می‌کند و در صورت خرابی به گره دیگری سوئیچ می‌کند. از طریق آن می‌توان به مدل‌های باز و بسته دسترسی داشت یا گراف‌های ComfyUI خود را در ابر اجرا کرد.
منبع: comfy.org
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
🧠 اوپنایآی یک بنچمارک باز برای ارزیابی هوش مصنوعی در روانشناسی منتشر کرد
مجموعه Mental Health Bench بررسی می‌کند که مدل‌ها در گفتگوها چگونه رفتار می‌کنند؛ از استرس روزمره و مشکلات رابطه تا ناراحتی شدید و بحران‌های اضطراری. سناریوها بزرگسالان، نوجوانان، مراقبان و پزشکان را پوشش می‌دهند. معیارها را بیش از ۸۰ روانشناس و روانپزشک از ۲۲ کشور نوشته‌اند.
امتیاز نهایی به ده پارامتر رفتاری تقسیم می‌شود؛ از جمله ایمنی، جمع‌آوری زمینه و حفظ استقلال کاربر. پاسخ‌ها را مدل GPT-5.6 Sol ارزیابی می‌کند.
بهترین نتیجه: GPT-6 Astra با ۵۷.۳٪، سپس GPT-6 Sol (۵۳.۹٪) و Claude Opus 5.5 (۵۲.۴٪).
منبع: openai.com
---
☁️ شرکت Anthropic جلسات ابری Claude Code را برای عموم منتشر کرد
اکنون می‌توانید بازنویسی طولانی، مهاجرت یا به‌روزرسانی وابستگی‌ها را به یک عامل در ابر بسپارید و لپ‌تاپ را ببندید. این قابلیت از پیش‌نمایش تحقیقاتی خارج شده و جلسه روی ماشین‌های مجازی Anthropic اجرا می‌شود.
می‌توانید آن را از وب، موبایل و دسکتاپ یا با دستور claude --cloud اجرا کنید. اجراها بر اساس زمان‌بندی، فراخوانی API یا رویدادهای GitHub انجام می‌شوند و شرکت‌ها می‌توانند جلسات را روی سرورهای خود نگه دارند.
این قابلیت در طرح‌های Pro، Max، Team و Enterprise موجود است و از محدودیت‌های اشتراک استفاده می‌کند. مشترکان Pro و Max تا ۷ اکتبر می‌توانند یک جایزه یک‌باره ۱۰۰ و ۲۵۰ دلاری دریافت کنند که فقط برای جلسات ابری خرج می‌شود.
منبع: claude.com
---
🎥 آمازون در حال ساخت یک مدل ویدیویی با الهام از نورون‌های زنده است
استارتاپ The Biological Computing همراه با AWS در حال آماده‌سازی عرضه تجاری یک مدل تبدیل متن به ویدیو است که بر اساس اندازه‌گیری فعالیت نورون‌های زنده بهینه‌سازی شده. این مدل ویدیو را ۵ برابر سریع‌تر و ۸۰٪ ارزان‌تر از یک مدل معمولی تولید می‌کند و کیفیت بهتری هم دارد. اینکه کدام مدل پایه است و کیفیت چگونه سنجیده شده، فاش نشده.
بهینه‌سازی یک لایه نرم‌افزاری اختصاصی است که مدل را کمتر از ۰.۱٪ بزرگ‌تر می‌کند و روی سخت‌افزار معمولی کار می‌کند. مدل روی تراشه‌های AWS Trainium، در Amazon SageMaker AI و AWS Marketplace اجرا خواهد شد.
فعلاً دسترسی با درخواست داده می‌شود.
منبع: aboutamazon.com
---
🌍 گروه Black Forest Labs مدل جهانی باز FLUX 3 Action را منتشر کرد
این استارتاپ وزن‌ها و گزارش FLUX 3 Action را منتشر کرده است؛ یک مدل از کلاس World Action Model با ۷ میلیارد پارامتر که همزمان دستورات ربات و فریم‌های صحنه کاری را ۲.۱۳ ثانیه جلوتر پیش‌بینی می‌کند. پایه آن FLUX 3 است که عمدتاً روی ویدیو تنظیم دقیق شده.
در RoboLab-120، نسخه تقطیرشده ۴۲.۲٪ وظایف را حل می‌کند که بهترین نتیجه میان مدل‌های باز است. Cosmos 3 Nano از انویدیا با ۱۶ میلیارد پارامتر ۳۶.۸٪ و π0.5 برابر ۲۸.۰٪ می‌گیرند.
در FP8، FLUX 3 Action روی شتاب‌دهنده‌های B200 تا RTX 5090 بین ۱.۵ تا ۴ برابر سریع‌تر از Cosmos 3 Nano است.
منبع: bfl.ai
---
🔌 شرکت Comfy Org یک API واحد برای تولید تصویر، ویدیو و صدا راه‌اندازی کرد
سرویس Comfy Router سرویس‌های تولید رسانه را پشت یک نقطه ورودی با صورتحساب مشترک و قالب درخواست و وب‌هوک واحد جمع می‌کند.
این سرویس ارائه‌دهنده را بر اساس قیمت و تأخیر انتخاب می‌کند، بار را توزیع می‌کند و در صورت خرابی به گره دیگری سوئیچ می‌کند. از طریق آن می‌توان به مدل‌های باز و بسته دسترسی داشت یا گراف‌های ComfyUI خود را در ابر اجرا کرد.
منبع: comfy.org
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤5
🌐 اخبار هوش مصنوعی
---
⚖️ دادگاه تجدیدنظر آمریکا Anthropic را در لیست سیاه پنتاگون نگه داشت
دادگاه منطقه کلمبیا قانونی بودن قرار گرفتن Anthropic در فهرست ریسک زنجیره تأمین را تأیید کرد. این وضعیت، استفاده نظامیان و پیمانکارانشان از Claude را در کارهای مربوط به وزارت دفاع ممنوع می‌کند. دادگاه ادعاهای شرکت درباره خودسرانه بودن تصمیم، تجاوز از اختیارات و نقض قانون اساسی را رد کرد. به نظر دادگاه، ارزیابی نسبت ریسک بر عهده رئیس‌جمهور و وزیر دفاع است.
این تصمیم مربوط به یکی از دو وضعیت موازی است؛ وضعیت دوم در ماه اوت توسط دادگاه سانفرانسیسکو لغو شده بود. اجرای این تصمیم به تعویق افتاده تا شرکت بتواند درخواست بازنگری توسط هیئت گسترده‌تر یا شکایت به دیوان عالی را بررسی کند.
شرکت Anthropic با این تصمیم موافق نیست و همه گزینه‌ها را بررسی می‌کند.
منبع: cnbc.com
---
💼 مایکروسافت سوپراپ Copilot را معرفی کرد
ابزار Copilot سازمانی به‌روزرسانی‌شده به سه زبانه تقسیم شده است. Home چت و عامل Cowork را یکجا جمع می‌کند. Code با فناوری‌های GitHub Copilot، برنامه‌های داخلی، داشبوردها و خودکارسازی‌ها را بر اساس توضیح در یک محیط ایزوله می‌سازد. Autopilot (که قبلاً Scout بود) در ابر با حساب و حافظه اختصاصی کار می‌کند و وظایف را در غیاب کاربر ادامه می‌دهد؛ در Teams و Outlook می‌توان آن را مثل یک همکار تگ کرد.
چت و Copilot در Word، Excel، PowerPoint، Outlook و Teams در اشتراک هر کاربر باقی می‌ماند، اما Cowork، Code، Autopilot و جدیدترین مدل‌ها بر اساس مصرف محاسبه می‌شوند. مدیران هزینه‌ها را از طریق پنل FinOps for AI کنترل می‌کنند.
بخش‌های Home و Code در هفته‌های آینده برای اعضای برنامه دسترسی زودهنگام Frontier فعال می‌شود و Autopilot بعداً در پیش‌نمایش بسته عرضه خواهد شد.
منبع: theverge.com
---
🎤 شرکت Fish Audio مدل گفتاری Drama 3 را منتشر کرد
مدل جدید سنتز گفتار اجازه می‌دهد یک کلمه یا عبارت در یک قطعه آماده را دوباره تولید کنید، بدون اینکه کل خروجی از نو ساخته شود.
لحن، سرعت و شخصیت صدا با توصیف به زبان طبیعی تنظیم می‌شود، نه با تگ. صدا را می‌توان در وسط جمله عوض کرد و مدل دیالوگ چند شخصیت را در یک پاس صداگذاری می‌کند.
مدل Drama 3 فعلاً در پیش‌نمایش است و دسترسی به API با درخواست داده می‌شود.
منبع: FishAudio در X
---
👓 شرکت Prism ML مدل ۱ بیتی را روی عینک هوشمند اجرا کرد
این شرکت در اجلاس Snapdragon، یک مدل بینایی-زبانی ۲ میلیارد پارامتری را روی عینکی با تراشه Snapdragon AR1 Gen 1 اجرا کرد. داخل آن، یک مدل زبانی ۱ بیتی Bonsai 1.7B و یک رمزگذار بینایی ۴ بیتی ۳۰۰ میلیون پارامتری قرار دارد که وزن‌هایش با همکاری کوالکام برای NPU Prism ML بهینه شده است.
طبق اندازه‌گیری کوالکام، تولید با سرعت ۱۵.۴ توکن بر ثانیه انجام می‌شود و استنتاج محلی روی NPU و هسته‌های پردازشی Snapdragon، تأخیر اتصال به سرور را حذف می‌کند، ترافیک موبایل را کم می‌کند و حریم خصوصی کامل را با جلوگیری از ارسال صدای ضبط‌شده و ویدیوی دوربین‌های داخلی به ابر تضمین می‌کند.
زمان عرضه در عینک‌های سری اعلام نشده است.
منبع: prismml.com
---
🛰 گوگل ماهواره‌ای با TPU به مدار می‌فرستد
هفته آینده Google Research یک نمونه اولیه ماهواره از پروژه Suncatcher را که با همکاری Planet ساخته شده، به مدار پایین زمین می‌فرستد. این دستگاه با مأموریت همراه SpaceX Transporter-18 پرواز می‌کند و بررسی می‌کند که چگونه واحدهای پردازش تنسور، پرتاب، تشعشع و سرمایش در خلأ را تحمل می‌کنند.
این پروژه بررسی می‌کند که آیا می‌توان زیرساخت محاسباتی هوش مصنوعی را در فضا ساخت، جایی که به تخمین گوگل پنل‌های خورشیدی تا هشت برابر انرژی بیشتری تولید می‌کنند.
ماهواره آزمون‌های لرزشی را گذرانده و TPU Trillium در شتاب‌دهنده پروتونی دانشگاه کالیفرنیا دوز تشعشعی بیش از پنج سال حضور در مدار را تحمل کرده است.
گوگل در سال ۲۰۲۷ دو ماهواره پرتاب می‌کند تا ارتباط لیزری بین آنها را آزمایش کند.
منبع: blog.google
---
#news #ai #ml
🆔 @asrgooyeshpardaz
---
⚖️ دادگاه تجدیدنظر آمریکا Anthropic را در لیست سیاه پنتاگون نگه داشت
دادگاه منطقه کلمبیا قانونی بودن قرار گرفتن Anthropic در فهرست ریسک زنجیره تأمین را تأیید کرد. این وضعیت، استفاده نظامیان و پیمانکارانشان از Claude را در کارهای مربوط به وزارت دفاع ممنوع می‌کند. دادگاه ادعاهای شرکت درباره خودسرانه بودن تصمیم، تجاوز از اختیارات و نقض قانون اساسی را رد کرد. به نظر دادگاه، ارزیابی نسبت ریسک بر عهده رئیس‌جمهور و وزیر دفاع است.
این تصمیم مربوط به یکی از دو وضعیت موازی است؛ وضعیت دوم در ماه اوت توسط دادگاه سانفرانسیسکو لغو شده بود. اجرای این تصمیم به تعویق افتاده تا شرکت بتواند درخواست بازنگری توسط هیئت گسترده‌تر یا شکایت به دیوان عالی را بررسی کند.
شرکت Anthropic با این تصمیم موافق نیست و همه گزینه‌ها را بررسی می‌کند.
منبع: cnbc.com
---
💼 مایکروسافت سوپراپ Copilot را معرفی کرد
ابزار Copilot سازمانی به‌روزرسانی‌شده به سه زبانه تقسیم شده است. Home چت و عامل Cowork را یکجا جمع می‌کند. Code با فناوری‌های GitHub Copilot، برنامه‌های داخلی، داشبوردها و خودکارسازی‌ها را بر اساس توضیح در یک محیط ایزوله می‌سازد. Autopilot (که قبلاً Scout بود) در ابر با حساب و حافظه اختصاصی کار می‌کند و وظایف را در غیاب کاربر ادامه می‌دهد؛ در Teams و Outlook می‌توان آن را مثل یک همکار تگ کرد.
چت و Copilot در Word، Excel، PowerPoint، Outlook و Teams در اشتراک هر کاربر باقی می‌ماند، اما Cowork، Code، Autopilot و جدیدترین مدل‌ها بر اساس مصرف محاسبه می‌شوند. مدیران هزینه‌ها را از طریق پنل FinOps for AI کنترل می‌کنند.
بخش‌های Home و Code در هفته‌های آینده برای اعضای برنامه دسترسی زودهنگام Frontier فعال می‌شود و Autopilot بعداً در پیش‌نمایش بسته عرضه خواهد شد.
منبع: theverge.com
---
🎤 شرکت Fish Audio مدل گفتاری Drama 3 را منتشر کرد
مدل جدید سنتز گفتار اجازه می‌دهد یک کلمه یا عبارت در یک قطعه آماده را دوباره تولید کنید، بدون اینکه کل خروجی از نو ساخته شود.
لحن، سرعت و شخصیت صدا با توصیف به زبان طبیعی تنظیم می‌شود، نه با تگ. صدا را می‌توان در وسط جمله عوض کرد و مدل دیالوگ چند شخصیت را در یک پاس صداگذاری می‌کند.
مدل Drama 3 فعلاً در پیش‌نمایش است و دسترسی به API با درخواست داده می‌شود.
منبع: FishAudio در X
---
👓 شرکت Prism ML مدل ۱ بیتی را روی عینک هوشمند اجرا کرد
این شرکت در اجلاس Snapdragon، یک مدل بینایی-زبانی ۲ میلیارد پارامتری را روی عینکی با تراشه Snapdragon AR1 Gen 1 اجرا کرد. داخل آن، یک مدل زبانی ۱ بیتی Bonsai 1.7B و یک رمزگذار بینایی ۴ بیتی ۳۰۰ میلیون پارامتری قرار دارد که وزن‌هایش با همکاری کوالکام برای NPU Prism ML بهینه شده است.
طبق اندازه‌گیری کوالکام، تولید با سرعت ۱۵.۴ توکن بر ثانیه انجام می‌شود و استنتاج محلی روی NPU و هسته‌های پردازشی Snapdragon، تأخیر اتصال به سرور را حذف می‌کند، ترافیک موبایل را کم می‌کند و حریم خصوصی کامل را با جلوگیری از ارسال صدای ضبط‌شده و ویدیوی دوربین‌های داخلی به ابر تضمین می‌کند.
زمان عرضه در عینک‌های سری اعلام نشده است.
منبع: prismml.com
---
🛰 گوگل ماهواره‌ای با TPU به مدار می‌فرستد
هفته آینده Google Research یک نمونه اولیه ماهواره از پروژه Suncatcher را که با همکاری Planet ساخته شده، به مدار پایین زمین می‌فرستد. این دستگاه با مأموریت همراه SpaceX Transporter-18 پرواز می‌کند و بررسی می‌کند که چگونه واحدهای پردازش تنسور، پرتاب، تشعشع و سرمایش در خلأ را تحمل می‌کنند.
این پروژه بررسی می‌کند که آیا می‌توان زیرساخت محاسباتی هوش مصنوعی را در فضا ساخت، جایی که به تخمین گوگل پنل‌های خورشیدی تا هشت برابر انرژی بیشتری تولید می‌کنند.
ماهواره آزمون‌های لرزشی را گذرانده و TPU Trillium در شتاب‌دهنده پروتونی دانشگاه کالیفرنیا دوز تشعشعی بیش از پنج سال حضور در مدار را تحمل کرده است.
گوگل در سال ۲۰۲۷ دو ماهواره پرتاب می‌کند تا ارتباط لیزری بین آنها را آزمایش کند.
منبع: blog.google
---
#news #ai #ml
🆔 @asrgooyeshpardaz
❤4
🌐 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