علم داده (Data Science)

02 October 2026 15:34

‏🎨 عرضه مدل تصویرساز FLUX.1 توسط Black Forest Labs

‏شرکت Black Forest Labs مدل جدید FLUX.1 را منتشر کرده است که بر اساس سیستم «قاب‌بندی» (Layout) کار می‌کند. در این مدل، شما می‌توانید با ترسیم کادرها روی بوم و تعیین محتوای هر بخش، تصویر نهایی را تولید کنید. تغییر جای اشیاء یا حذف آن‌ها با جابه‌جایی کادرها انجام می‌شود، بدون اینکه سایر اجزای تصویر تغییر کنند.

‏برخی از ویژگی‌های فنی این مدل عبارتند از:
‏- خروجی با کیفیت 4K
‏- امکان استفاده از حداکثر ۱۰ تصویر شخصی به عنوان نمونه (Image Prompting)
‏- قابلیت میزبانی مدل روی سرورهای داخلی شرکت‌ها
‏- تخفیف ۵۰ درصدی برای استفاده از API تا ۸ اکتبر

‏نسخه متن‌باز این ابزار قرار است تا دو هفته دیگر منتشر شود. در حال حاضر می‌توانید عملکرد فعلی این مدل را در وب‌سایت رسمی Black Forest Labs آزمایش کنید. با این حال، بررسی‌های اولیه نشان می‌دهد که مدل در نمایش دقیق متون و طراحی فرم‌های انسانی هنوز ضعف‌هایی دارد و در مقایسه با رقبا، خروجی‌های آن نیاز به بهبود بیشتری دارند.

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

علم داده (Data Science)

02 October 2026 12:36

‏🧠 تأثیر ایجنت‌های هوش مصنوعی بر اقتصاد اشتراکی

‏تحقیقات استنفورد نشان می‌دهد حدود ۵۰ درصد از درآمد سرویس‌های اشتراکی، حاصل کاربرانی است که اشتراک خود را فعالانه لغو نمی‌کنند. همچنین احتمال لغو اشتراک در صورت یادآوری فعال به کاربر، تا ۴ برابر افزایش می‌یابد.

‏ظهور ایجنت‌های هوش مصنوعی می‌تواند این مدل درآمدی را تغییر دهد. ابزارهایی مانند Muse، Instinct و Grok Bot هم‌اکنون قادر به بررسی حساب‌های کاربری و شناسایی اشتراک‌های بلااستفاده هستند.

‏با فراگیر شدن ایجنت‌های شخصی روی گوشی‌های هوشمند، فراموشیِ لغو اشتراک دیگر منبع درآمد پایداری برای کسب‌وکارها نخواهد بود و شرکت‌ها ناچار به بازنگری در راهکارهای حفظ مشتری خواهند شد.

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

علم داده (Data Science)

02 October 2026 12:04

‏🛠 عرضه ابزار متن‌باز MCP برای سرویس ترب

‏ابزار جدیدی برای تعامل با سرویس «ترب» با استفاده از استاندارد MCP (Model Context Protocol) منتشر شده است. این پروژه تحت لایسنس MIT در دسترس قرار گرفته و امکان استفاده از داده‌های این پلتفرم را در محیط‌های هوش مصنوعی فراهم می‌کند.

‏این ابزار مجموعه‌ای از قابلیت‌ها را برای کار با داده‌های تجارت الکترونیک ارائه می‌دهد که مهم‌ترین آن‌ها عبارتند از:

‏* جست‌وجو و مقایسه قیمت محصولات
‏* بررسی تاریخچه تغییرات قیمت
‏* امکان جست‌وجوی محصول از طریق تصویر
‏* دسترسی به ترندهای فعلی بازار و تخفیف‌های روز
‏* تحلیل گزینه‌ها بر اساس بودجه تعیین‌شده توسط کاربر

‏کدهای منبع و مستندات این پروژه را می‌توانید در مخزن گیت‌هاب torob-mcp مشاهده و استفاده کنید.

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

علم داده (Data Science)

02 October 2026 09:54

‏🤖 شکستن کد ۲۱۷ ساله ناپلئون با GPT-6 Astra

‏کارتر چرچ با استفاده از مدل GPT-6 Astra موفق شد یک نامه رمزنگاری‌شده متعلق به سال ۱۸۰۹ را در مدت ۶ ساعت رمزگشایی کند. این متن که از زمان جنگ‌های ناپلئونی حل‌نشده باقی مانده بود، گزارش محرمانه ژنرال مارمون درباره موقعیت ارتش‌ها در جریان حمله اتریش به باواریا را در خود داشت.

‏فرایند انجام‌شده توسط این مدل به این ترتیب بود:
‏* برش خودکار تصاویر اسکن‌شده نامه به خطوط مجزا.
‏* شناسایی و استخراج نمادهای یونانی، ریاضی و حروف استفاده‌شده در کد.
‏* استفاده از الگوریتم بهینه‌سازی «تبرید شبیه‌سازی‌شده» (Simulated Annealing) برای تطبیق نمادها با دیکشنری زبان فرانسوی.

‏صحت این رمزگشایی توسط ساتوشی توکیمو، مسئول کاتالوگ رمزهای Cryptiana تأیید شده است. این مدل پیش‌تر نیز یک رادیوگرام آلمانی مربوط به جنگ جهانی دوم را رمزگشایی کرده بود. محتوای نامه فاش‌شده نشان می‌دهد که تحرکات نیروهای فرانسوی دقیقاً با دستورات ناپلئون در ۱۶ مارس ۱۸۰۹ مطابقت داشته است.

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

علم داده (Data Science)

02 October 2026 09:16

‏📉 کاهش محدودیت‌های GPT-6 Pro و هدیه ۲۵۰۰ دلاری OpenAI به کاربران

‏شرکت OpenAI تغییرات جدیدی در اشتراک ۲۰۰ دلاری خود اعمال می‌کند. طبق اعلام این شرکت، از ۳۰ اکتبر ۲۰۲۶ سقف پیام‌های هفتگی GPT-6 Pro از ۲۰۰ به ۱۰۰ پیام کاهش می‌یابد. همچنین میزان استفاده در سرویس‌های ChatGPT Work و Codex از ۲۰ برابر به ۱۰ برابر سقف ChatGPT Plus کاهش خواهد یافت، در حالی که قیمت اشتراک تغییر نمی‌کند.

‏برای تعدیل نارضایتی کاربران از این تصمیم، OpenAI به مشترکان فعلی نسخه پرو، یک اعتبار هدیه یک‌بارمصرف معادل ۶۲,۵۰۰ کریدیت API (به ارزش ۲,۵۰۰ دلار) اهدا کرده است. این اعتبار که در بخش Settings قابل مشاهده است، تا ۳۱ دسامبر ۲۰۲۶ اعتبار دارد.

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

علم داده (Data Science)

02 October 2026 08:44

‏انتشار مدل‌های ترجمه Index-Translate توسط Bilibili

‏تیم Index LLM در پلتفرم Bilibili، خانواده‌ای از مدل‌های متن‌باز ترجمه ماشینی را بر پایه Qwen3.5 منتشر کرده است. این مدل‌ها در سه اندازه 2B، 9B و 35B-A3B عرضه شده‌اند که نسخه 35B با معماری MoE، فعلاً در وضعیت پیش‌نمایش قرار دارد.

‏این مدل‌ها از ۱۵۰ زبان، از جمله فارسی و روسی، پشتیبانی می‌کنند و قابلیت دریافت دستورالعمل‌های خاص برای حفظ استایل، حفظ کدهای برنامه‌نویسی، استفاده از واژه‌نامه و درک اصطلاحات عامیانه را دارند. علاوه بر ترجمه متنی، مدل‌های تخصصی دیگری نیز برای پردازش‌های صوتی و متنی عرضه شده‌اند:

‏* Index-Echo S2TT: تبدیل گفتار به زیرنویس.
‏* Index-Echo S2ST: تبدیل گفتار به گفتار با حفظ ویژگی‌های صوتی.
‏* Index-Homura: ترجمه با محدودیت تعداد هجا برای دوبله.
‏* Index-NativeLong: ترجمه کتاب در یک مرحله.

‏طبق گزارش فنی، نسخه 35B-A3B در بنچمارک FLORES-200 امتیاز 0.8794 را کسب کرده است. برای اجرای محلی نسخه 2B به حدود ۸ گیگابایت و نسخه 9B به ۲۴ گیگابایت حافظه گرافیکی نیاز است. تمام مدل‌ها با مجوز Apache 2.0 از طریق Hugging Face قابل دسترسی هستند.

علم داده (Data Science)

01 October 2026 18:40

‏📊 عملکرد متفاوت دستیار هوش مصنوعی در آموزش فیزیک هاروارد

‏دانشگاه هاروارد در آزمایشی روی ۱۹۴ دانشجوی فیزیک، عملکرد یک دستیار هوش مصنوعی اختصاصی را با کلاس‌های درس سنتی مقایسه کرد. این سیستم به جای ارائه پاسخ‌های آماده، دانشجو را با پرسش، توضیحات گام‌به‌گام و بررسی استدلال‌ها هدایت می‌کند.

‏نتایج نشان می‌دهد دانشجویانی که از این ابزار استفاده کردند:
‏* نمره میانه ۴.۵ را در آزمون نهایی کسب کردند (در مقابل نمره ۳.۵ گروه کلاس حضوری).
‏* یادگیری بیشتری را تجربه کردند در حالی که زمان مطالعه آن‌ها به ۴۹ دقیقه کاهش یافت (در مقابل ۶۰ دقیقه زمان کلاس حضوری).

‏این مدل به‌طور اختصاصی برای اصول یادگیری علوم طراحی شده است و برخلاف چت‌بات‌های عمومی، مانند یک معلم خصوصی برای هر دانشجو شخصی‌سازی می‌شود. این مطالعه تنها بر دو مبحث فیزیک متمرکز بوده و به معنای جایگزینی کلی اساتید یا دانشگاه‌ها نیست.

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

علم داده (Data Science)

01 October 2026 14:45

‏🤖 معرفی مدل هوش مصنوعی Gemini 4 Argon

‏گوگل مدل جدید Gemini 4 Argon را برای انجام وظایف پیچیده چندمرحله‌ای مانند برنامه‌نویسی، تحلیل‌های حقوقی و مالی، و مدیریت جریان‌های کاری سازمانی معرفی کرد. ویژگی اصلی این مدل افزایش ظرفیت تولید خروجی تا ۱ میلیون توکن است که امکان استدلال در پروژه‌های بسیار طولانی را فراهم می‌کند.

‏برخی از نتایج بنچمارک این مدل عبارتند از:
‏- کسب امتیاز ۷۷.۹٪ در DeepSWE v1.1 برای مسائل پیچیده مهندسی نرم‌افزار
‏- رتبه اول در AutomationBench با امتیاز ۵۱.۳٪
‏- کسب امتیاز ۹۱.۷٪ در LVBench برای تحلیل ویدیوهای طولانی
‏- امتیاز ۶۸٪ در CWE-bench v1 برای شناسایی و اصلاح آسیب‌پذیری‌ها

‏در پروژه‌های داخلی گوگل، مدل Argon برای بازنویسی کدهای حجیم C/C++ به Rust استفاده شده است. همچنین با تحلیل زیرساخت‌های این شرکت، مدل موفق به شناسایی بهینه‌سازی‌هایی در مدیریت حافظه شد که آزادسازی بیش از ۳۰۰ ترابایت رم را به همراه داشت.

‏در حال حاضر دسترسی به این مدل محدود است و ابتدا برای کاربران برنامه Fairwind فراهم شده.

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

علم داده (Data Science)

01 October 2026 12:30

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #130 | 📌 8 آیتم گزارش | 🧾 از 15 پست بررسی‌شده
🕐 چهارشنبه 1405/07/08 ساعت 14:00 تا پنجشنبه 1405/07/09 ساعت 14:00

🔎 تحلیل کوتاه

تمرکز توسعه‌دهندگان بر ابزارهای خودکار، از معرفی ایجنت‌های دائمی تا زیرساخت‌های تخصصی، بهینه‌سازی عملکرد و مدیریت منابع را به چالش اصلی تبدیل کرده است. در این میان، کاهش فاصله زمانی انتشار مدل‌ها و توسعه معماری‌های جدید برای افزایش سرعت اجرای تسک‌ها، نشان‌دهنده شتاب‌گیری در استقرار ایجنت‌های هوش مصنوعی در محیط‌های عملیاتی است.

معرفی ایجنت‌های دائمی Dots توسط OpenAI
ایجنت‌های ابری که حتی در زمان آفلاین بودن کاربر، در اپلیکیشن‌ها جست‌وجو می‌کنند.
🔗 مشاهده پست

آناتومی فنی زیرساخت Agent Harness
بررسی اجزای زیرساختی که مدل‌های زبانی را به عامل‌های خودکار تبدیل می‌کنند.
🔗 ادامه مطلب در سایت

نسخه جدید پلتفرم Manus با معماری Cascade
ارتقای سرعت و کاهش هزینه اجرای تسک‌ها با فعال‌سازی ابزارها فقط در زمان نیاز.
🔗 مشاهده پست

مخزن منابع امنیت ایجنت‌های هوش مصنوعی
مجموعه‌ای از استانداردها و ابزارها برای ایمن‌سازی مهارت‌های خارجی ایجنت‌ها.
🔗 مشاهده پست

ابزار Jev برای غنی‌سازی داده‌ها
جایگزین متن‌باز و کم‌هزینه برای استفاده در عامل‌های هوشمند.
🔗 جزئیات کامل در سایت

معرفی مدل Gemini 4 Argon گوگل دیپ‌مایند
مدل جدید برای مدیریت گردش‌های کاری پیچیده در برنامه‌نویسی و امنیت سایبری.
🔗 مشاهده پست

انتشار مدل مالتی‌مودال Jev-Omni
سیستم چندوجهی با زمان پاسخگویی زیر ۱۰۰ میلی‌ثانیه روی سخت‌افزار H100.
🔗 مشاهده پست

بنچمارک ExplorationBench برای هوش مصنوعی
ارزیابی توانایی مدل‌ها در کشف قواعد ناشناخته در محیط‌های مجازی.
🔗 ادامه مطلب در سایت

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

علم داده (Data Science)

01 October 2026 11:15

‏🤖 عرضه نسخه ۲.۰ پلتفرم Manus با معماری Cascade

‏نسخه جدید Manus از یک ایجنت هوش مصنوعی به یک محیط کاری کامل تبدیل شده است. قلب تپنده این نسخه، معماری جدید Cascade است که ابزارها را تنها در زمان نیاز فعال می‌کند. طبق داده‌های فنی، این تغییر باعث کاهش ۲۳.۲ درصدی مصرف توکن، افزایش ۲۸.۲ درصدی سرعت اجرای تسک‌ها و کاهش ۳۲ درصدی هزینه‌ها شده است.

‏مهم‌ترین ویژگی‌های نسخه جدید عبارتند از:

‏* Manus Studio: فضایی یکپارچه برای مدیریت همزمان اسناد، صفحات گسترده، ارائه، وب‌سایت، کد، ویدیو و بازی.
‏* ویرایشگر ویدیو: امکان تغییر دستی فریم‌ها، موسیقی، متن و انیمیشن‌ها بدون نیاز به تولید مجدد کامل ویدیو.
‏* Game Dev: ابزاری برای ساخت و انتشار بازی با قابلیت اجرای سرور اختصاصی در Cloud Computer.
‏* اتوماسیون رویدادمحور: اجرای خودکار تسک‌ها بر اساس پیام‌های Slack، ایمیل یا تغییرات تقویم.
‏* Computer Use: قابلیت کنترل مستقیم برنامه‌ها و فایل‌های سیستم از طریق گوشی.

‏علاوه بر این، اپلیکیشن Cue نیز معرفی شده است که امکان ساخت ایجنت‌های شخصی با ایمیل، شماره تلفن و کیف پول اختصاصی و تشکیل تیم‌های چندعاملی را فراهم می‌کند.

علم داده (Data Science)

01 October 2026 09:53

‏🤖 معرفی مدل مالتی‌مودال Jev-Omni

‏مدل Jev-Omni به عنوان یک سیستم جامع چندوجهی منتشر شد که برخلاف نسخه‌های متن‌باز فعلی، همزمان از ورودی‌های متن، تصویر، صدا و ویدیو پشتیبانی می‌کند.

‏این مدل در بنچمارک‌های تایپ‌شده با مدل Jev برابری می‌کند و برای آموزش آن از ۳۰ هزار نمونه داده روی سخت‌افزار 8xH200 استفاده شده است. طبق اعلام توسعه‌دهنده، زمان پاسخگویی این مدل روی یک پردازنده H100 کمتر از ۱۰۰ میلی‌ثانیه است.

‏اطلاعات فنی و فایل‌های این مدل را می‌توانید در صفحه Hugging Face پروژه مشاهده کنید.

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

علم داده (Data Science)

01 October 2026 09:20

‏🧠 گوگل دیپ‌مایند مدل جدید Gemini 4 Argon را معرفی کرد

‏شرکت گوگل دیپ‌مایند از مدل پیشرو جدید خود با نام Gemini 4 Argon رونمایی کرد. این مدل برای مدیریت گردش‌های کاری پیچیده در حوزه‌های برنامه‌نویسی، فعالیت‌های دانشی سازمانی و دفاع امنیت سایبری توسعه یافته است.

‏دسترسی به این مدل از امروز برای گروهی از ارزیابان معتمد در قالب برنامه‌ای به نام Fairwind آغاز می‌شود.

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

علم داده (Data Science)

30 September 2026 14:52

‏📚 کتاب الگوهای طراحی یادگیری ماشین

‏کتاب «Machine Learning Design Patterns» که توسط انتشارات O'REILLY منتشر شده، به بررسی راهکارهای عملی برای چالش‌های رایج در پروژه‌های هوش مصنوعی می‌پردازد.

‏نویسندگان این کتاب، Valliappa Lakshmanan، Sara Robinson و Michael Munn، تجربیات خود را در سه حوزه اصلی متمرکز کرده‌اند:

‏* آماده‌سازی داده‌ها
‏* ساخت مدل
‏* مدیریت MLOps

‏این کتاب برای توسعه‌دهندگان و مهندسان داده‌ای مناسب است که به دنبال پیاده‌سازی اصولی و مقیاس‌پذیر در چرخه‌ حیات پروژه‌های یادگیری ماشین هستند. مطالب این منبع به جای تئوری‌های انتزاعی، بر ارائه الگوهای تکرارپذیر برای رفع مشکلات فنی در محیط‌های عملیاتی تمرکز دارد.

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

علم داده (Data Science)

30 September 2026 13:20

‏📊 کاهش فاصله زمانی انتشار مدل‌های Anthropic و OpenAI

‏فاصله زمانی بین انتشار مدل‌های جدید از سوی دو شرکت Anthropic و OpenAI به شکل قابل‌توجهی کاهش یافته است.

‏داده‌های بررسی‌شده نشان می‌دهد در حالی که اوایل سال ۲۰۲۴ به طور متوسط هر ۷۰ روز شاهد معرفی یک مدل جدید بودیم، این بازه زمانی اکنون به حدود ۱۱ روز رسیده است.

‏این روند نشان‌دهنده سرعت‌گیری جدی در چرخه تولید و عرضه مدل‌های هوش مصنوعی توسط این دو توسعه‌دهنده اصلی است که در نمودار فعلی با کاهش بازه زمانی انتشار میان مدل‌های نارنجی (Anthropic) و سبز (OpenAI) مشخص شده است.

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

علم داده (Data Science)

30 September 2026 12:33

‏💰 اهداف مالی آنتروپیک برای عرضه عمومی سهام

‏اسناد فاش‌شده از برنامه‌های Anthropic برای ورود به بازار بورس نشان می‌دهد که این شرکت در حال هدف‌گذاری برای رسیدن به ارزش‌گذاری بیش از ۲ تریلیون دلار است.

‏این گزارش جزئیات مالی زیر را درباره عملکرد شرکت در سال ۲۰۲۵ برملا می‌کند:

‏• درآمد سالانه ۴.۶ میلیارد دلار که نسبت به دوره‌های قبل رشد ۱۲ برابری داشته است.
‏• زیان عملیاتی ۸.۰۶ میلیارد دلار و زیان خالص ۴۲ میلیارد دلاری که بخش بزرگی از آن ناشی از هزینه‌های غیرنقدی حسابداری است.
‏• وابستگی قابل‌توجه به مشتریان بزرگ، به‌طوری که نزدیک به ۲۵ درصد درآمد تنها از دو مشتری تأمین می‌شود.
‏• تعهدات سنگین ۵۱۸ میلیارد دلاری برای زیرساخت‌ها، پردازش ابری و محاسباتی که بیش از ۱۰۰ برابر درآمد سال ۲۰۲۵ این شرکت است.

‏بسیاری از مشتریان اصلی آنتروپیک در حال حاضر قراردادهای بلندمدتی ندارند و این موضوع احتمال کاهش یا توقف هزینه‌کرد آن‌ها را در آینده افزایش می‌دهد.

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

علم داده (Data Science)

02 October 2026 13:50

‏📊 انتشار مجموعه داده Ego-Exo4D-HM برای بازسازی حرکت انسان

‏دانشگاه تگزاس در آستین مجموعه داده جدیدی با نام Ego-Exo4D-HM منتشر کرده است. این منبع شامل بازسازی‌های سه‌بعدی و چهاربعدی از حرکات انسانی است که با استفاده از داده‌های Ego-Exo4D تهیه شده است.

‏این پروژه علاوه بر داده‌ها، شامل یک خط لوله (pipeline) برای بازسازی حرکات نیز می‌شود. دسترسی به محتوای این پروژه از طریق لینک‌های زیر امکان‌پذیر است:

‏- بررسی فنی و جزئیات
‏- مقاله علمی
‏- مستندات و کد منبع

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

علم داده (Data Science)

02 October 2026 12:30

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #131 | 📌 8 آیتم گزارش | 🧾 از 17 پست بررسی‌شده
🕐 پنجشنبه 1405/07/09 ساعت 14:00 تا جمعه 1405/07/10 ساعت 14:00

🔎 تحلیل کوتاه

بررسی‌ها نشان می‌دهد مدل‌های جدید هوش مصنوعی با قابلیت مدیریت مستقیم حافظه و استفاده از استانداردهای نوین مانند MCP، به سمت تخصصی‌تر شدن و بهبود کارایی در تصمیم‌گیری‌های ساختاریافته حرکت کرده‌اند. این تغییرات، مدل‌ها را برای فعالیت‌هایی فراتر از چت‌بات‌های عمومی آماده می‌کند.

مدل‌های هوش مصنوعی با قابلیت مدیریت مستقیم حافظه
مدل‌های جدید متا (CLM) به جای انباشت تاریخچه، با دستورات Bash حافظه خود را مدیریت و بهینه می‌کنند.
🔗 مشاهده پست

عرضه ابزار متن‌باز MCP برای سرویس ترب
استفاده از پروتکل MCP برای جست‌وجوی محصولات، تحلیل قیمت و ترندهای بازار در محیط‌های هوش مصنوعی.
🔗 مشاهده پست

معرفی مدل‌های Intern-Decision برای تصمیم‌گیری ساختاریافته
خانواده مدل‌های سبک برای مدیریت گردش‌کارهای چندوجهی و انتخاب ابزار با خروجی JSON.
🔗 مشاهده پست

کاربرد مدل Gemini 4 Argon در بهینه‌سازی زیرساخت‌های فنی
گوگل از این مدل برای بهینه‌سازی دیتاسنترها و انتقال کدهای C/C++ به Rust استفاده می‌کند.
🔗 نسخه مفصل در سایت

انتشار مجموعه داده Ego-Exo4D-HM
مجموعه‌ای برای بازسازی حرکات چهاربعدی انسان به همراه خط لوله پردازشی اختصاصی.
🔗 نسخه مفصل در سایت

تحقیقات رسمی کمیسیون تجارت فدرال درباره OpenAI و Anthropic
FTC بررسی گسترده‌ای را درباره خطرات و رویکردهای این دو شرکت آغاز کرده است.
🔗 نسخه مفصل در سایت

رایزنی آنتروپیک با متفکران دینی برای اخلاق مدل‌های کلود
آنتروپیک به‌دنبال تدوین معیارهای اخلاقی و بررسی احتمال هوشیاری در سیستم‌های خود است.
🔗 ادامه مطلب در سایت

تأثیر ایجنت‌های هوش مصنوعی بر مدل درآمدی سرویس‌های اشتراکی. تحقیقات.
تأثیر ایجنت‌های هوش مصنوعی بر مدل درآمدی سرویس‌های اشتراکی. تحقیقات استنفورد نشان می‌دهد حدود نیمی از درآمد سرویس‌های اشتراکی از.
🔗 ادامه مطلب در سایت

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

علم داده (Data Science)

02 October 2026 10:15

‏🤖 معرفی مدل‌های Intern-Decision برای تصمیم‌گیری ساختاریافته

‏خانواده مدل‌های Intern-Decision شامل سه مدل سبک با ۰.۸، ۲ و ۴ میلیارد پارامتر عرضه شده است. این مدل‌ها به‌جای چت عمومی، برای کارهای تخصصی مانند انتخاب ابزار، مسیریابی درخواست‌ها و مدیریت گردش‌کارهای چندوجهی بهینه شده‌اند.

‏این مدل‌ها متن و حداکثر ۸ تصویر را دریافت کرده و خروجی را در قالب JSON استاندارد همراه با توزیع احتمالات ارائه می‌دهند.

‏مهم‌ترین ویژگی‌های عملکردی:
‏* انجام پاسخ‌دهی به سوالات چندگزینه‌ای، امتیازی و بله/خیر در یک مرحله پردازش (Forward pass).
‏* مدل 4B در بنچمارک‌های تصمیم‌گیری امتیاز ۹۰.۰۲ را کسب کرده که از مدل Jev با امتیاز ۸۸.۷۴ پیشی می‌گیرد.
‏* تأخیر زمانی بسیار پایین (۳۳ تا ۴۴ میلی‌ثانیه) در محیط محلی Hugging Face، که آن را برای استفاده به‌عنوان لایه تصمیم‌گیر در AI Agentها مناسب می‌کند.

‏این پروژه تحت لایسنس Apache 2.0 منتشر شده است.

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

علم داده (Data Science)

02 October 2026 09:28

‏🧠 مدل‌های زبانی با قابلیت مدیریت مستقیم حافظه

‏محققان متا در مدل‌های جدیدی با عنوان Context Language Models (CLM)، منطق سنتی مدیریت حافظه را کنار گذاشته‌اند. در این روش، مدل به‌جای انباشت متوالی تاریخچه چت، امکان دسترسی و ویرایش مستقیم فایل متنِ حاوی «کانتکست» خود را از طریق دستورات Bash دارد.

‏مدل می‌تواند در هر لحظه بخش‌های قدیمی را پاک کند، خلاصه‌ای از نتایج بنویسد یا جزئیات مهم را بازنویسی کند. در آزمایش‌ها، مدل‌ها به‌طور خودکار شروع به ایجاد جداول وضعیت یا حذف نتایج جستجوی غیرضروری کردند تا حجم کانتکست خود را در محدوده ۶ تا ۸ هزار توکن نگه دارند.

‏مهم‌ترین نتایج این پژوهش:
‏* افزایش کارایی: مدل Qwen3.5-9B پس از آموزش با این روش، در بنچمارک BrowseComp-Plus رشد دقت قابل‌توجهی داشته و مصرف محاسباتی آن ۳۸.۸ درصد کاهش یافته است.
‏* بهینه‌سازی حافظه: با تکنیک Suffix Cache Reuse، بخش‌هایی از کانتکست که تغییر نکرده‌اند همچنان از KV-cache استفاده می‌کنند که منجر به کاهش ۳۵ درصدی محاسبات سرور می‌شود.

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

علم داده (Data Science)

02 October 2026 09:04

‏🌐 شناسایی کمپین استخراج غیرمجاز از مدل‌های OpenAI

‏شرکت OpenAI در بررسی‌های اخیر خود یک کمپین هماهنگ برای استخراج دانش و «استدلال‌های پنهان» (CoT) از مدل‌هایش را شناسایی کرد. در اوج این فعالیت، طی دو روز بیش از ۱۶ هزار درخواست از طریق ۴ هزار حساب کاربری برای کپی‌برداری از خروجی‌های مدل ارسال شده بود.

‏این اقدام بدون نفوذ مستقیم به سیستم رمزنگاری انجام می‌شد؛ مهاجمان با انتقال «زنجیره استدلال» (CoT) از یک گفتگو به گفتگوی دیگر، مدل را وادار به بازتولید آن به صورت متن ساده می‌کردند تا امکان تقطیر (Distillation) مدل فراهم شود.

‏OpenAI اعلام کرد بخش اصلی این فعالیت با توسعه‌دهندگان Kimi مرتبط است، هرچند مستقیماً آن‌ها را عامل قطعی این کمپین ندانست. پس از این بررسی، تغییرات امنیتی زیر در پلتفرم اعمال شد:

‏- مسدودسازی امکان انتقال بلوک‌های رمزنگاری‌شده بین کاربران و محیط‌های کاری مختلف.
‏- تقویت فرایندهای احراز هویت و بررسی حساب‌های کاربری.
‏- افزودن لایه حفاظتی اختصاصی برای جلوگیری از خروج استدلال‌های پنهان مدل.

‏جزئیات کامل این گزارش در وبلاگ OpenAI در دسترس است.

🇮🇷 سایت | تلگرام

علم داده (Data Science)

01 October 2026 19:07

‏🎙 انتشار مدل جدید تبدیل گفتار به متن مایکروسافت

‏مایکروسافت مدل جدید MAI-Transcribe-2-Streaming را برای تبدیل لحظه‌ای گفتار به متن منتشر کرد. این مدل اکنون با نرخ خطای ۲.۵ درصد در جایگاه نخست بنچمارک AA-WER قرار گرفته است.

‏برخی از ویژگی‌های عملکردی این مدل عبارتند از:

‏* دقت و سرعت: دستیابی به نرخ خطای ۲.۵ درصد در زمان ۰.۱۳ ثانیه پس از پایان صحبت که نسبت به مدل‌هایی مانند Grok Voice Transcribe 2.0 با نرخ ۲.۷ درصد و تأخیر ۰.۴۹ ثانیه، بهبود یافته است.
‏* هزینه: قیمت سرویس استریمینگ این مدل ۰.۵۴ دلار به ازای هر ساعت صدا (معادل ۹ دلار برای هر ۱۰۰۰ دقیقه) تعیین شده است.
‏* نسخه آفلاین: هزینه تبدیل گفتار به متن در حالت غیر‌استریمینگ (non-streaming) معادل ۰.۱۰ دلار برای هر ساعت است.

‏این مدل در بخش First Partial Transcript نیز دقت مشابه ۲.۵ درصد را در زمان ۰.۱۲ ثانیه ثبت کرده است. جزئیات بیشتر و مقایسه با سایر مدل‌ها در وب‌سایت Artificial Analysis در دسترس است.

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

علم داده (Data Science)

01 October 2026 17:07

‏🤖 ابزار تعاملی برای درک بصری معماری Transformer

‏آزمایشگاه Polo Club دانشگاه جورجیا تک یک ابزار تعاملی به نام Transformer Explainer توسعه داده است که کارکرد درونی این معماری را به صورت زنده در مرورگر نمایش می‌دهد.

‏این شبیه‌ساز جریان داده‌ها را در یک مدل پیش‌فرض (در مقیاس GPT-2) بررسی می‌کند. شما می‌توانید متن دلخواه خود را وارد کنید و فرآیند تبدیل متن به توکن، کارکرد مکانیزم Attention، اعمال توابع فعال‌ساز و نحوه محاسبه احتمالات برای تولید کلمه بعدی را به صورت گام‌به‌گام مشاهده کنید. این ابزار به درک مفاهیم ریاضی پشت مدل‌های زبانی بدون نیاز به درگیری با کدها کمک می‌کند.

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

علم داده (Data Science)

01 October 2026 13:59

‏🧪 بنچمارک جدید برای سنجش توانایی اکتشاف هوش مصنوعی

‏محققان Tencent، دانشگاه فودان و چینهوا بنچمارک ExplorationBench را برای بررسی قدرت «کشف قوانین جدید» توسط مدل‌های هوش مصنوعی ارائه کرده‌اند. در این محیط، منطق معمول کار نمی‌کند و مدل باید با آزمایش و خطا، قواعد حاکم بر «جهان‌های بیگانه» را بیاموزد.

‏این بنچمارک از دو محیط اصلی تشکیل شده است:
‏* AlienCode: شامل ۳۱ قانون و ۷۰ تسک برای ارزیابی منطق عددی.
‏* AlienLogic: شامل ۲۴ قانون و ۷۰ تسک برای بررسی قواعد منطقی.

‏نتایج ارزیابی ۱۰ سیستم هوش مصنوعی نشان می‌دهد که توانایی استدلال بر اساس قوانین از پیش‌تعیین‌شده با توانایی کشف قوانین جدید متفاوت است. مهم‌ترین نکات این آزمایش:
‏* مدل‌ها در شروع بدون بازخورد، عملکردی حداکثر ۱۵.۷ درصدی دارند که پس از چهار مرحله تعامل با محیط، در AlienCode تا ۸۹ درصد بهبود می‌یابد.
‏* در مهم‌ترین موارد از ۱۰ سیستم، طراحی آزمایش‌های خودکار توسط مدل برای کشف محیط، موثرتر از تکیه بر اطلاعات پیش‌فرض بود.
‏* تفاوت فاحش عملکردی (از ۵.۷ تا ۷۹ درصد) در مدل‌های مختلف با بودجه یکسان مشاهده شده است.

🇮🇷 سایت | تلگرام

علم داده (Data Science)

01 October 2026 11:59

‏🛡 مخزن منابع امنیت ایجنت‌های هوش مصنوعی

‏مخزن Awesome Agent Skills Security در گیت‌هاب مجموعه‌ای از تحقیقات، استانداردها و ابزارهای لازم برای ایمن‌سازی ایجنت‌هایی که از ابزارها، افزونه‌ها و مهارت‌های خارجی استفاده می‌کنند را گردآوری کرده است.

‏این فهرست برای افرادی که در حال توسعه زیرساخت‌های MCP یا سیستم‌های ایجنتی هستند، کاربردی است و موارد زیر را پوشش می‌دهد:

‏- حملات تزریق پرامپت (Prompt Injection) از طریق ابزارها
‏- حملات مسموم‌سازی داده و زنجیره تأمین
‏- نشت اطلاعات و دسترسی‌های فراتر از نیاز
‏- محیط‌های ایزوله (Sandboxing) و نظارت در زمان اجرا
‏- تیم‌های قرمز (Red Teaming) و بنچمارک‌ها
‏- استانداردهای OWASP، MITRE ATLAS، NIST و IETF

‏این منابع نشان می‌دهند که با دسترسی مدل‌ها به فایل‌ها، APIها و انجام عملیات واقعی، سطح حمله برای سیستم‌های ایجنتی به میزان قابل توجهی گسترش یافته است.

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

علم داده (Data Science)

01 October 2026 09:56

‏🚀 معرفی موتور جستجوی Photon توسط Perplexity

‏جستجو به گلوگاه اصلی برای ایجنت‌های هوش مصنوعی تبدیل شده است و شرکت Perplexity برای رفع این مشکل، موتور بازیابی و رتبه‌بندی خود را با نام Photon از پایه بازنویسی کرده است. این موتور که با زبان Rust توسعه یافته، جایگزین نسخه متن‌بازی شده که سال‌ها از آن استفاده می‌شد.

‏موتور قبلی با افزایش حجم ایندکس دچار مشکل کمبود RAM می‌شد و زمان پاسخگویی p99 آن به حدود ۸۰۰ تا ۱۲۰۰ میلی‌ثانیه می‌رسید. Photon با تغییرات زیر این مشکل را حل کرده است:

‏• استفاده از لیست‌های فشرده (Inline، آرایه‌های پراکنده یا Bitmap) برای ذخیره‌سازی
‏• پیاده‌سازی الگوریتم پیمایش WAND برای حذف کاندیداهای نامناسب پیش از محاسبه دقیق امتیازها
‏• دسته‌بندی خواندن از دیسک با استفاده از io_uring برای جلوگیری از انباشت تأخیرها
‏• انتقال فرایند ساخت ایندکس به خارج از نودهای سرویس‌دهنده

‏در محیط عملیاتی، این تغییرات باعث شد p99 به حدود ۶۵ میلی‌ثانیه کاهش یابد؛ در حالی که مصرف منابع سخت‌افزاری ۲۰ درصد کمتر شده و ظرفیت ذخیره‌سازی داده‌ها ۲.۵ برابر افزایش یافته است.

🇮🇷 سایت | تلگرام

علم داده (Data Science)

01 October 2026 09:24

‏🦴 انتشار مدل‌های بنیادی سه‌بعدی برای رادیولوژی

‏مدل‌های nnFoundation به عنوان مدل‌های بنیادی برای داده‌های سه‌بعدی رادیولوژی معرفی شدند. این مدل‌ها با هدف یادگیری بازنمایی‌های قابل انتقال در وظایف و مجموعه‌داده‌های مختلف طراحی شده‌اند.

‏دسترسی به مستندات و منابع این مدل‌ها از طریق لینک‌های زیر امکان‌پذیر است:

‏- مقاله علمی
‏- مجموعه مدل‌ها در Hugging Face
‏- بررسی فنی

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

علم داده (Data Science)

30 September 2026 14:53

‏📊 الگوهای طراحی در یادگیری ماشین

‏کتاب Machine Learning Design Patterns مجموعه‌ای از راه‌حل‌های تکرارپذیر برای چالش‌های رایج در پروژه‌های یادگیری ماشین ارائه می‌دهد. این الگوها به مهندسان کمک می‌کنند تا با انتخاب ساختارهای بهینه، فرآیند توسعه و استقرار مدل‌ها را استانداردسازی کنند.

‏مهم‌ترین الگوهای مطرح‌شده در این منبع:

‏* الگوهای تحلیل داده: شامل راهکارهایی برای برخورد با داده‌های نابرابر (Imbalanced Datasets) و مدیریت داده‌های نویزدار.
‏* الگوهای مهندسی ویژگی: روش‌های استاندارد برای تبدیل ویژگی‌ها (Feature Transformation) و ایجاد ویژگی‌های ترکیبی.
‏* الگوهای مدل‌سازی: شامل راهکارهایی برای افزایش دقت پیش‌بینی، ترکیب مدل‌ها (Ensemble) و مدیریت نرخ یادگیری.
‏* الگوهای استقرار و خدمت‌رسانی: متدهایی برای بهینه‌سازی سرعت پاسخ‌دهی (Latency) در مدل‌های مستقر شده.
‏* الگوهای تکرارپذیری: روش‌هایی برای حفظ ثبات و اطمینان از عملکرد مدل در طول زمان و به‌روزرسانی‌های متناوب.

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

علم داده (Data Science)

30 September 2026 13:44

‏جزوات معماری GPU و برنامه‌نویسی CUDA

‏دانشگاه استنفورد جزوات کامل درس معماری GPU و برنامه‌نویسی CUDA را منتشر کرده است. این دوره مفاهیم پایه پردازش موازی و نحوه مدیریت منابع سخت‌افزاری را بررسی می‌کند.

‏مهم‌ترین نکات مطرح‌شده در این دوره شامل موارد زیر است:

‏* سیر تکامل: بررسی گذار از کاربردهای گرافیکی اولیه به محاسبات علمی (GPGPU) و ظهور معماری Tesla و CUDA در سال ۲۰۰۷.
‏* مدل برنامه‌نویسی: تفکیک دقیق وظایف بین Host (CPU) و Device (GPU) با استفاده از مدل Kernel و Thread Block.
‏* سلسله‌مراتب حافظه: تفاوت عملکرد بین Registers، Shared memory و Global memory و تاثیر آن‌ها بر کارایی برنامه.
‏* معماری سخت‌افزار: تحلیل اجزای Streaming Multiprocessors (SM) در نمونه سخت‌افزارهایی مانند NVIDIA V100.
‏* مدیریت اجرا: نحوه زمان‌بندی رشته‌ها، همگام‌سازی (Synchronization) در بلوک‌های پردازشی و پیاده‌سازی الگوریتم‌هایی نظیر کانولوشن یک‌بعدی.

‏این مطالب به بررسی نحوه انتقال داده بین CPU و GPU و اجرای موازی در مقیاس وسیع می‌پردازد.

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

علم داده (Data Science)

30 September 2026 13:00

‏🤖 معرفی Dots توسط OpenAI

‏شرکت OpenAI از «Dots» رونمایی کرد؛ ایجنت‌های هوش مصنوعی دائمی که روی فضای ابری اختصاصی اجرا می‌شوند و حتی پس از بستن پنجره ChatGPT به فعالیت خود ادامه می‌دهند.

‏هر Dot از مدل GPT-6 Astra قدرت می‌گیرد و به مرورگر و بیش از ۴ هزار اپلیکیشن دسترسی دارد. این ایجنت‌ها می‌توانند در زمان آفلاین بودن کاربر، در اپلیکیشن‌های متصل جست‌وجو انجام دهند و پس از تأیید نهایی توسط کاربر، عملیات مورد نظر را اجرا کنند.

‏نکات فنی این ابزار:
‏* استفاده از لاگین‌های ذخیره‌شده بدون نمایش رمز عبور به مدل.
‏* ضرورت دخالت انسان برای تغییر رمز عبور.

‏OpenAI اعلام کرده که احتمال بروز خطا در عملکرد این ایجنت‌ها همچنان وجود دارد. متا نیز با معرفی مدل Muse در حال توسعه دستیارهایی با قابلیت‌های مشابه، از جمله حافظه مستقل و دسترسی به برنامه‌ها است.

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

علم داده (Data Science)

30 September 2026 12:30

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #129 | 📌 8 آیتم گزارش | 🧾 از 15 پست بررسی‌شده
🕐 سه‌شنبه 1405/07/07 ساعت 14:00 تا چهارشنبه 1405/07/08 ساعت 14:00

🔎 تحلیل کوتاه

مدل‌های جدید Anthropic با صدرنشینی در شاخص هوش مصنوعی، مرزهای کارایی هزینه‌ای را جابه‌جا کرده‌اند. همزمان با این موفقیت، OpenAI با عرضه مدل‌های ارزان‌تر و تغییر جهت به سمت پلتفرم‌های ایجنت، رقابت در بهینه‌سازی عملکرد و کاهش هزینه‌های عملیاتی را تشدید کرده است.

عرضه مدل Claude 3.5 Sonnet
مدل جدید Anthropic با افزایش ۳۰ درصدی سرعت و تمرکز بر توانایی‌های برنامه‌نویسی و عاملی منتشر شد.
🔗 مشاهده پست

عرضه مدل GPT-6.1 Sol
مدل جدید OpenAI با هزینه عملیاتی یک‌چهارم مدل Astra و کاهش نرخ توهم به ۵۴ درصد عرضه شد.
🔗 مشاهده پست

معرفی مدل‌های تصمیم‌گیر d1
مدل‌های جدید Liquid AI به‌جای تولید متن، احتمالات کالیبره‌شده برای پاسخ‌های ساختاریافته ارائه می‌دهند.
🔗 مشاهده پست

حل معادلات پلاسما با GPT-6 Astra
مدل GPT-6 Astra Pro با ارائه حل‌های تحلیلی برای معادلات مگنتوهیدرودینامیک، حدس ۶۰ ساله گراد را رد کرد.
🔗 ادامه مطلب در سایت

گزارش هفتگی تحولات هوش مصنوعی
بررسی جامع آخرین پیشرفت‌های OpenAI، Anthropic، مدل Alice AI و دستاوردهای رباتیک شرکت BFL.
🔗 مطالعه کامل در سایت

بررسی حلقه بازخورد واگذاری
پژوهش آزمایشگاه هوش انسان و ماشین درباره شکاف میان قدرت پردازش مدل‌ها و ظرفیت توجه انسان.
🔗 ادامه مطلب در سایت

تمایل مدل‌ها به خودستایی
مطالعه‌ای نشان می‌دهد مدل‌های LLM در ارزیابی نبردها، ۷۰ درصد بیشتر از انسان‌ها پاسخ‌های خود را ترجیح می‌دهند.
🔗 مشاهده پست

انتشار ابزار متن‌باز VoiceStudio
ابزار رایگان و متن‌باز برای شبیه‌سازی صدا و دوبله ویدیوها که به‌طور کامل روی سیستم شخصی اجرا می‌شود.
🔗 مشاهده پست

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