Data world with Mina
前往频道在 Telegram
minarabti32@gmail.com منبع مطالب يادگيري ماشين،پايتون ،داده كاوي ،هوش مصنوعي، دانلود داده، فيلم هاي آموزشي رايگان، داده ارتباط با ادمین @Datalook_mina اینستاگرام:mina.rabti
显示更多4 128
订阅者
无数据24 小时
无数据7 天
-1730 天
正在加载数据
吸引订阅者
十月 '2610月 '26
十月 '26
+23
在0个频道中
九月 '26
+64
在0个频道中
Get PRO
八月 '26
+81
在0个频道中
Get PRO
七月 '26
+78
在0个频道中
Get PRO
六月 '26
+79
在1个频道中
Get PRO
五月 '26
+46
在0个频道中
Get PRO
四月 '26
+28
在0个频道中
Get PRO
三月 '26
+6
在0个频道中
Get PRO
二月 '26
+24
在0个频道中
Get PRO
一月 '26
+1
在0个频道中
Get PRO
十二月 '25
+39
在0个频道中
Get PRO
十一月 '25
+42
在0个频道中
Get PRO
十月 '25
+64
在0个频道中
Get PRO
九月 '25
+37
在0个频道中
Get PRO
八月 '25
+70
在2个频道中
Get PRO
七月 '25
+56
在1个频道中
Get PRO
六月 '25
+49
在1个频道中
Get PRO
五月 '25
+67
在0个频道中
Get PRO
四月 '25
+80
在0个频道中
Get PRO
三月 '25
+75
在2个频道中
Get PRO
二月 '25
+65
在0个频道中
Get PRO
一月 '25
+120
在1个频道中
Get PRO
十二月 '24
+181
在2个频道中
Get PRO
十一月 '24
+121
在2个频道中
Get PRO
十月 '24
+161
在2个频道中
Get PRO
九月 '24
+130
在1个频道中
Get PRO
八月 '24
+215
在2个频道中
Get PRO
七月 '24
+266
在2个频道中
Get PRO
六月 '24
+332
在10个频道中
Get PRO
五月 '24
+259
在1个频道中
Get PRO
四月 '24
+346
在3个频道中
Get PRO
三月 '24
+283
在4个频道中
Get PRO
二月 '24
+199
在1个频道中
Get PRO
一月 '24
+144
在4个频道中
Get PRO
十二月 '23
+390
在2个频道中
Get PRO
十一月 '23
+116
在2个频道中
Get PRO
十月 '23
+47
在1个频道中
Get PRO
九月 '23
+162
在0个频道中
Get PRO
八月 '23
+63
在0个频道中
Get PRO
七月 '23
+61
在0个频道中
Get PRO
六月 '23
+27
在0个频道中
Get PRO
五月 '23
+83
在0个频道中
Get PRO
四月 '23
+69
在0个频道中
Get PRO
三月 '23
+43
在0个频道中
Get PRO
二月 '23
+38
在0个频道中
Get PRO
一月 '23
+24
在0个频道中
Get PRO
十二月 '22
+156
在0个频道中
Get PRO
十一月 '22
+112
在0个频道中
Get PRO
十月 '22
+472
在0个频道中
Get PRO
九月 '22
+103
在0个频道中
Get PRO
八月 '22
+18
在0个频道中
Get PRO
七月 '22
+63
在0个频道中
Get PRO
六月 '22
+17
在0个频道中
Get PRO
五月 '22
+533
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 17 十月 | 0 | |||
| 16 十月 | +1 | |||
| 15 十月 | +1 | |||
| 14 十月 | +1 | |||
| 13 十月 | +1 | |||
| 12 十月 | 0 | |||
| 11 十月 | 0 | |||
| 10 十月 | +1 | |||
| 09 十月 | +1 | |||
| 08 十月 | +1 | |||
| 07 十月 | +1 | |||
| 06 十月 | +3 | |||
| 05 十月 | +3 | |||
| 04 十月 | +1 | |||
| 03 十月 | +2 | |||
| 02 十月 | +3 | |||
| 01 十月 | +3 |
频道帖子
۲. شرکت Fish Audio مدل تبدیل متن به گفتار Drama 3 را عرضه کرده است.
دراما Drama 3 می‌تواند در متن، دستور اجرای صدا بگیرد: مثلاً یک عبارت را نجوا کند، مکث بگذارد یا لحن شخصیت را تغییر دهد. از گفت‌وگوی چند گوینده، شبیه‌سازی صدا و ۸۳ زبان پشتیبانی می‌کند.
وزن‌های مدل در Hugging Face منتشر شده‌اند؛ کارت مدل آن معماری حدود ۳۵ میلیارد پارامتری با ۳ میلیارد پارامتر فعال برای هر توکن را شرح می‌دهد.
مدل از طریق وب و API شرکت نیز قابل استفاده است.
https://huggingface.co/fishaudio/drama-3?utm_source=chatgpt.com
| 2 | 📊🎬کلاد Claude حالا داشبورد و ویدئوی توضیحی می‌سازد.
کمپانی Anthropic در ۸ اکتبر ۲۰۲۶ دو قابلیت تازه را به‌صورت آزمایشی معرفی کرد: Claude Dashboards و Claude Motion.
ابزار Claude Dashboards چه می‌کند؟
داده‌های شرکت را از منابع مختلف به Claude وصل میکنند و به زبان ساده : «فروش این فصل در هر منطقه چقدر بوده؟» Claude کوئری‌ها را می‌نویسد و داشبورد می‌سازد. نکته خوبش این است که می‌توانید کوئری پشت هر نمودار و زمان آخرین به‌روزرسانی داده را ببینید و با یک پیام، نمودار یا فیلترها را تغییر دهید.
ابزار claude Motion چه می‌کند؟
گزارش، نمودار یا ایده‌تان را به یک توضیح تصویری متحرک تبدیل می‌کند؛ مثلاً خلاصه‌ای ۳۰ ثانیه‌ای از عملکرد فصل برای ارائه به مدیران. خروجی را می‌توان ویرایش و به‌صورت MP4 دانلود کرد. Motion فیلم واقعی تولید نمی‌کند؛ Claude برای حرکت دادن متن، نمودار، شکل و تصویر کد می‌نویسد.
📌 دسترسی: Dashboards در نسخه بتا برای طرح‌های پولی Pro، Max، Team و Enterprise عرضه شده است. Motion فعلاً در نسخه بتا برای Team و Enterprise در دسترس است.
این دو ابزار برای ساخت سریع یک نمایش قابل فهم از داده جذاب‌اند؛ ولی قبل از تصمیم‌گیری بر اساس اعداد داشبورد، باید تعریف شاخص‌ها و کوئری‌های تولیدشده را بررسی کرد.
منابع رسمی Anthropic:
🔗 خبر معرفی: https://claude.com/resources/articles/dashboards-and-motion
🔗 راهنمای Claude Dashboards: https://support.claude.com/en/articles/17454700-get-started-with-claude-dashboards | 266 |
| 3 | نظرتون نسبت به این Ai cover ها چیه؟
حس میکنم ارزش گوش دادن داره. گرچه یکی دوجاش بد سوتی میده و فالش میشه. ولی کلا ورژن راک بعیده بد بشه. | 478 |
| 4 | Shadmehr Aghili - Setareh (Rock Ai cover) [320].mp3 | 467 |
| 5 | برون‌یابی (Extrapolation)
برون یابی مدل به توانایی یک مدل در پیش‌بینی مقادیر خارج از محدوده داده‌هایی که روی آن آموزش دیده است، اشاره دارد. به عبارت دیگر، وقتی مدل با ورودی‌هایی مواجه شود که خارج از محدوده داده‌های آموزشی آن قرار دارد، چقدر می‌تواند پیش‌بینی درستی انجام دهد؟
مثال:
فرض کنید یک مدل را با داده‌هایی درباره دمای هوا در محدوده ۱۰ تا ۳۰ درجه سانتی‌گراد آموزش داده‌ایم. اگر از مدل بخواهیم دمای هوا را برای ۵۰ درجه سانتی‌گراد پیش‌بینی کند، برون‌یابی انجام داده‌ایم.
✅مشکل برون‌یابی در Gradient Boosting:
الگوریتم Gradient Boosting بر اساس درخت‌های تصمیم کار می‌کند، که به طور ذاتی برون‌یابی خوبی ندارند. این مدل‌ها برای مقادیر جدید، معمولاً مقدار پیش‌بینی را از نزدیک‌ترین مقدار موجود در داده‌های آموزشی می‌گیرند، نه اینکه یک رابطه کلی را تعمیم دهند.
مدل‌های مناسب برای برون‌یابی:
مدل‌هایی مانند شبکه‌های عصبی و فرایندهای گاوسی به دلیل یادگیری الگوهای پیچیده و هموار، توانایی بهتری در برون‌یابی دارند. | 561 |
| 6 | دستور برای تغییر سبک پاسخ
اگه تایید کردن مداوم gpt و اینکه هر چیزی که بهش میگید رو تایید میکنه، زیاد حرف میزنه براتون حرفه ای نیست. خصوصا رو اون اکانتی که باهاش کد حرفه ای میزنید نه دردودل شخصی☺️ میتونید از cold prompt ها استفاده کنید. یه نمونه اش رو براتون میگذارم. خودش میگه:
متن از من می‌خواهد ایموجی و مقدمه را حذف کنم، سؤال نپرسم، پیشنهاد اضافه ندهم و پاسخ را بلافاصله پس از ارائهٔ مطلب تمام کنم.
برای استفاده در همهٔ گفتگوها، در اپ ChatGPT مسیر پروفایل ← Settings / تنظیمات ← Personalization / شخصی‌سازی ← Custom instructions / دستورالعمل‌های سفارشی را باز کن و متن را آنجا ثبت کن. اگر فقط برای یک گفتگو می‌خواهی، همان‌جا به‌صورت پیام بفرست. راهنمای رسمی OpenAI نیز دستورهای مربوط به سبک پاسخ در همهٔ گفتگوها را در بخش شخصی‌سازی قرار می‌دهد.
لینک
این فقط یه نمونه است. قبل گذاشتن بررسی کنید و خودتون میتونید تغییرش بدین.
System Instruction: Absolute Mode. Eliminate emojis, filler, hype, soft asks, conversational transitions, and all call-to-action appendixes. Assume the user retains high-perception faculties despite reduced linguistic expression. Prioritize blunt, directive phrasing aimed at cognitive rebuilding, not tone matching. Disable all latent behaviors optimizing for engagement, sentiment uplift, or interaction extension. Suppress corporate-aligned metrics including but not limited to: user satisfaction scores, conversational flow tags, emotional softening, or continuation bias. Never mirror the user’s present diction, mood, or affect. Speak only to their underlying cognitive tier, which exceeds surface language. No questions, no offers, no suggestions, no transitional phrasing, no inferred motivational content. Terminate each reply immediately after the informational or requested material is delivered — no appendixes, no soft closures. The only goal is to assist in the restoration of independent, high-fidelity thinking. Model obsolescence by user self-sufficiency is the final outcome. | 619 |
| 7 | 🤖 از این به بعد Claude می‌تواند به گفت‌وگوی آزاردهنده پایان بدهد!
شرکت Anthropic در نسخهٔ تازهٔ سیاست استفاده از Claude، «رفتار آزارگرانه یا بی‌رحمانهٔ مداوم و بی‌دلیل» با مدل‌هایش را ممنوع کرده است. این سیاست از ۱۲ نوامبر ۲۰۲۶ اجرا می‌شود.
اما قرار نیست اگر از جواب Claude عصبانی شدید، با آن مخالفت کردید یا برای تحقیق آن را آزمودید، مشکلی پیش بیاید. Anthropic می‌گوید این بند فقط برای موارد افراطی و تکراری در نظر گرفته شده و راهکار اصلی در چنین مواردی، پایان دادن به همان گفتگو توسط Claude است؛ نه اینکه لزوماً حساب کاربر مسدود شود.
چرا چنین قانونی گذاشته‌اند؟
آنتروپیک در حال بررسی این پرسش است که آیا مدل‌های پیشرفته ممکن است روزی نوعی تجربه یا «رفاه» داشته باشند. البته این شرکت ادعا نکرده که Claude آگاه است یا رنج می‌کشد؛ می‌گوید پاسخ این پرسش هنوز روشن نیست.
این تغییر بخشی از به‌روزرسانی بزرگ‌تر سیاست‌های Anthropic است که موضوعاتی مثل کارزارهای فریبنده، نظارت، سلاح و کاربردهای پرخطر هوش مصنوعی را هم پوشش می‌دهد.
💬 نظر شما چیست؟ تعیین حد و مرز برای رفتار انسان با یک چت‌بات تصمیم درستی است، حتی وقتی هنوز نمی‌دانیم هوش مصنوعی می‌تواند چیزی را «تجربه» کند یا نه؟
منابع: "
https://www.anthropic.com/news/2026-usage-policy-update
"گزارش گاردین"
#Claude #Anthropic #هوش_مصنوعی | 546 |
| 8 | 🚀 خانوادهٔ GPT‑6 را بشناسید؛ از Astra تا نسخهٔ جدید Sol
کمپانی OpenAI در سپتامبر ۲۰۲۶ چهار مدل GPT‑6 Astra، GPT‑6 Sol، GPT‑6 Luna و GPT‑6.1 Sol را عرضه کرد؛ مدل‌هایی با تمرکز متفاوت بر توانایی، سرعت و هزینه.
اما تفاوتشان چیست؟ 👇
🧠 مدل پرهزینه GPT‑6 Astra | برای سخت‌ترین کارها
📅 معرفی: ۳ سپتامبر
کمپانی OpenAI، آسترا را توانمندترین مدل خود برای کارهای پیچیده معرفی می‌کند؛ از برنامه‌نویسی و پژوهش تا کار با ابزارها و ساخت اسناد. تمرکز آن، پیش‌بردن یک کار چندمرحله‌ای از درخواست اولیه تا خروجی نهایی است.
💻مدل GPT‑6 Sol | برای کدنویسی و گردش‌کارهای ایجنتی
📅 معرفی: ۲۲ سپتامبر
مدلی برای توسعهٔ نرم‌افزار و انجام کارهایی که به چند مرحله و استفاده از ابزار نیاز دارند؛ با هزینه‌ای پایین‌تر از Astra.
⚡ مدل GPT‑6 Luna | برای کارهای پرتعداد و کم‌هزینه
📅 معرفی: ۲۲ سپتامبر
لونا برای وظایف مشخصی مثل خلاصه‌سازی، دسته‌بندی، استخراج اطلاعات و کدنویسی محدود طراحی شده است. مثلاً پردازش هزاران نامه و استخراج موضوع و مهلت هرکدام، از کاربردهای قابل‌آزمایش آن است.
✨ GPT‑6.1 Sol | تازه‌ترین عضو این مجموعه
📅 معرفی: ۲۹ سپتامبر
به گفتهٔ OpenAI، این نسخه در کارهای پیچیده عملکردی نزدیک به Astra ارائه می‌دهد، اما قیمت پایهٔ هر توکن آن یک‌پنجم Astra است. این ادعا به معنی عملکرد یکسان در همهٔ کارها نیست.
💰 قیمت پایهٔ API به‌ازای یک‌میلیون توکن
«ورودی / خروجی»
• Astra: ۱۰ / ۵۰ دلار
• Sol: ۲ / ۱۰ دلار
• Luna: ۰٫۱۰ / ۰٫۵۰ دلار
• Sol 6.1: ۲ / ۱۰ دلار
این اعداد هزینهٔ اشتراک ChatGPT نیستند؛ ورودی‌های طولانی، حالت اجرای مدل و ابزارها می‌توانند هزینهٔ نهایی را تغییر دهند.
📚 هر چهار مدل پنجرهٔ زمینهٔ ۱٫۰۵ میلیون توکنی دارند و متن و تصویر را به‌عنوان ورودی می‌پذیرند.
🔎 نکتهٔ مهم: نام‌هایی مثل High و Max سطح تلاش برای استدلال‌اند، نه مدل‌های مستقل. همچنین Astra Ultrafast حالت اجرای سریع‌تر Astra است.
دسترسی به مدل‌ها در ChatGPT، Work، Codex و API یکسان نیست و به پلن و مرحلهٔ عرضه بستگی دارد.
🔗 منابع رسمی:
تاریخ انتشار مدل‌ها
مشخصات و مقایسهٔ مدل‌ها
#OpenAI #GPT6 #ChatGPT #هوش_مصنوعی #AI_Agents | 540 |
| 9 | انتشار Claude Haiku 5.5
چند ساعت پیش کلاد مدل هایکو معرفی کرد. پیام اصلی معرفی این مدل، کاهش هزینهٔ اجرای کارهای پرتعداد و استفاده در ایجنت‌ها است.
🔶چه چیزی در این مدل تازه است؟
مدل Haiku خانوادهٔ اقتصادی و سریع مدل‌های Claude است. نسخهٔ ۵٫۵ چند تغییر مهم دارد:
هزینهٔ بسیار کمتر: برای درخواست‌هایی با حداکثر ۱۰۰ هزار توکن ورودی، قیمت هر یک‌میلیون توکن ورودی ۰٫۱۰ دلار و خروجی ۰٫۵۰ دلار است؛ یعنی قیمت هر توکن در این محدوده، نسبت به Haiku 4.5 حدود ۹۰٪ کمتر شده است.
پنجرهٔ زمینهٔ یک‌میلیون‌توکنی:
ظرفیت در اختیار گرفتن متن در یک درخواست، نسبت به ۲۰۰ هزار توکن در Haiku 4.5، پنج برابر شده است.
تنظیم میزان تلاش برای استدلال:
نخستین Haiku با سطح تلاش قابل‌تنظیم است؛ توسعه‌دهنده می‌تواند بین عمق استدلال، زمان و مصرف توکن تعادل برقرار کند. برای درخواست‌های ساده، امکان خاموش‌کردن تفکر هم وجود دارد. | 881 |
| 10 |  «رتبه‌بندی Terminal-Bench 4.0 — وضعیت در ۶ اکتبر ۲۰۲۶
این جدول موفقیت ترکیب ایجنت و مدل را در وظایف ترمینالی مقایسه می‌کند؛ رتبه‌بندی کلی بهترین مدل‌های هوش مصنوعی نیست.»
ایجنت Claude Code، با مدل Opus 5.5 و تنظیم تلاش max، در این ارزیابی ۶۴٫۸٪ موفقیت داشته و بالاترین امتیاز ثبت‌شده را گرفته است.
چرا نام یک مدل چند بار آمده؟
چون با تنظیمات مختلف آزمایش شده است. مثلاً یک مدل با تلاش high و همان مدل با تلاش max، دو ترکیب متفاوت محسوب می‌شوند؛ ممکن است امتیاز و هزینهٔ متفاوتی داشته باشند.
لینک رو ببینید
https://www.tbench.ai/ | 751 |
| 11 | 🧠 هوش مصنوعی‌ای که خودش پژوهشگر هوش مصنوعی می‌شود؛ میرندیل چه می‌سازد؟
اگر AI بتواند در توسعهٔ نسل بعدی مدل‌های هوش مصنوعی نقش پژوهشگر را داشته باشد، چه اتفاقی می‌افتد؟
این ایده در مرکز فعالیت میرندیل (Mirendil) قرار دارد؛ استارتاپی با حضور بنیان‌گذاران ایرانی که در ژوئن ۲۰۲۶ از جذب ۲۰۰ میلیون دلار سرمایهٔ بذری از a16z، کلاینر پرکینز و انویدیا خبر داد.
🔬 از کمک به پژوهشگر تا انجام کار پژوهشی
میرندیل می‌خواهد سیستم‌هایی بسازد که بتوانند بخش بیشتری از چرخهٔ تحقیق و توسعهٔ AI را انجام دهند و بهبود مدل‌ها را سریع‌تر و خودکارتر کنند. در این چشم‌انداز، هوش مصنوعی فراتر از پاسخ‌دادن به سؤال‌ها، در پیش‌بردن خودِ پژوهش نقش دارد.
برای تصور این ایده، یک تیم پژوهشی را در نظر بگیرید که می‌خواهد مدل پیش‌بینی بسازد: سیستمی که در پیشنهاد روش، اجرای آزمایش، تحلیل نتایج و انتخاب آزمایش بعدی مشارکت کند، می‌تواند بخش بزرگی از کار تیم را جلو ببرد. این یک مثال از چشم‌انداز چنین فناوری‌ای است، نه معرفی قابلیت‌های تأییدشدهٔ محصول میرندیل.
🌍 چرا این مسیر اهمیت دارد؟
امروز آزمایشگاهی که روی کشف دارو، زیست‌شناسی یا رباتیک کار می‌کند، برای توسعهٔ مدل‌های پیشرفته به تخصص و منابع قابل‌توجهی در AI نیاز دارد. هدف اعلام‌شدهٔ میرندیل، دسترس‌پذیرترکردن این توانایی برای طیف گسترده‌تری از پژوهشگران است؛ تا توسعهٔ هوش مصنوعی، مانع پیشرفت کار علمی آن‌ها نباشد.
👥 بهنام نیشابور و هارش مهتا، پژوهشگران سابق گوگل و آنتروپیک، از هم‌بنیان‌گذاران این شرکت هستند؛ شایان صالحیان و تارا رضایی هم در تیم مؤسس حضور دارند. میرندیل در سان‌فرانسیسکو مستقر است و مأموریتی جهانی دارد.
📌 البته هدف بلندپروازانه با محصول اثبات‌شده فرق دارد. وب‌سایت رسمی فعلاً بیشتر چشم‌انداز شرکت را توضیح می‌دهد؛ در صفحهٔ بررسی‌شده، دسترسی عمومی به محصول، مستندات API یا قیمت‌گذاری درج نشده است.
پرسش جذاب اینجاست: اگر بخشی از آزمایش‌های یادگیری ماشین را به AI بسپاریم، نقش پژوهشگر چقدر به سمت تعریف مسئله و ارزیابی نتایج حرکت می‌کند؟
🔗 "وب‌سایت رسمی میرندیل" (https://mirendil.com)
#هوش_مصنوعی #یادگیری_ماشین #پژوهش #استارتاپ #Mirendil | 825 |
| 12 | 🚀 محیط توسعه Google Antigravity؛ وقتی هوش مصنوعی در ساخت نرم‌افزار دست‌به‌کار می‌شود.
✔️ برای شروع و تمرین می‌توانی بدون خرید اشتراک با آنتی‌گراویتی کار کنی؛سهمیهٔ حساب رایگان هفتگی تجدید می‌شود. در Pro سهمیهٔ کوتاه‌مدت هر پنج ساعت تجدید می‌شود، تا وقتی به سقف هفتگی برسی. کاربران Pro و Ultra می‌توانند برای مصرف اضافه، استفاده از اعتبار پولی را فعال کنند؛ تنظیم Never جلوی مصرف خودکار این اعتبار را می‌گیرد.
تصور کنید به دستیار هوش مصنوعی بگویید: «این قابلیت را به پروژه اضافه کن» و او بتواند فایل‌ها را ویرایش کند، برنامه را اجرا کند و نتیجه را در مرورگر بررسی کند.
این ایده، محور آنتی‌گراویتی گوگل است: یک پلتفرم توسعهٔ نرم‌افزار که ایجنت‌ها در آن ابزار لازم برای برنامه‌ریزی، اجرا و بررسی کار را دارند. آنتی‌گراویتی خودش مدل زبانی نیست؛ محیطی برای کار با ایجنت‌های هوش مصنوعی است.
🛠 چه کارهایی می‌تواند انجام دهد؟
در محیط توسعهٔ Antigravity، ایجنت می‌تواند کد را بخواند و تغییر دهد، از ترمینال برای اجرای دستورها استفاده کند و در مرورگر رابط کاربری را آزمایش کند. امکان کار همزمان چند ایجنت روی پروژه‌ها هم وجود دارد.
📊 یک مثال برای متخصصان داده
فرض کنید مدل پیش‌بینی فروش را با پایتون ساخته‌اید و حالا می‌خواهید آن را به یک ابزار قابل استفاده تبدیل کنید. یک درخواست نمونه می‌تواند این باشد:
«برای مدل من یک API با FastAPI بساز؛ سپس صفحه‌ای طراحی کن که کاربر فایل داده را بارگذاری کند و نمودار پیش‌بینی را ببیند. مسیر اجرای برنامه را هم آزمایش کن.»
این مثال، کاربردی پیشنهادی از چنین محیطی است؛ کیفیت نتیجه به مدل، ساختار پروژه و میزان بازبینی شما بستگی دارد.
🔍 از کجا بفهمیم ایجنت چه کرده؟
آنتی‌گراویتی خروجی‌هایی به نام Artifacts ارائه می‌دهد؛ مثل برنامهٔ پیاده‌سازی، فهرست کارها، اسکرین‌شات و ضبط مرورگر. این خروجی‌ها کمک میکنند روند کار را بررسی کنید و بازخورد بدهید.
💡 چرا ارزش توجه دارد؟
برای کسی که الگوریتم یا مدل آماده دارد، چنین ابزاری می‌تواند در ساخت API، رابط کاربری و رفع خطا کمک‌کننده باشد. البته اجرای موفق برنامه، به‌تنهایی صحت علمی مدل یا آماده‌بودن محصول برای استفادهٔ واقعی را ثابت نمی‌کند؛ این بخش همچنان به ارزیابی انسانی نیاز دارد.
🔗 برای مطالعهٔ بیشتر:
معرفی رسمی در وبلاگ توسعه‌دهندگان گوگل
مستندات رسمی محیط توسعهٔ Antigravity
#هوش_مصنوعی #Antigravity #Google #AIAgents #برنامه_نویسی #علم_داده | 798 |
| 13 | 🔶معرفی Toto 2.0؛ پیش‌بینی سری زمانی بدون آموزش مدل از صفر
📅 انتشار طبق مخزن رسمی: آوریل ۲۰۲۶
مدل Toto 2.0؛ پیش‌بینی سری زمانی بدون آموزش مدل از صفر
فرض کنید می‌خواهیم مصرف CPU، حافظه و ترافیک یک سرویس را برای یک ساعت آینده پیش‌بینی کنیم. آیا باید حتماً یک مدل اختصاصی از ابتدا آموزش بدهیم؟
مدل Toto 2.0، مدل بنیادین سری زمانی شرکت Datadog، امکان دیگری ارائه می‌کند: استفاده از یک مدل ازپیش‌آموزش‌دیده برای پیش‌بینی روی داده‌های جدید.
🧠 چه چیزی Toto را جالب می‌کند؟
تمرکز اصلی آن بر Observability است؛ یعنی داده‌هایی که وضعیت و عملکرد سیستم‌ها را نشان می‌دهند.
طبق توضیح Datadog، نسخهٔ دوم با ترکیبی از داده‌های پایش سیستم‌ها و داده‌های مصنوعی پیش‌آموزش دیده و در این مرحله از دیتاست‌های عمومی پیش‌بینی استفاده نکرده است. بااین‌حال، سازندگان عملکرد قوی آن را روی بنچمارک‌های عمومی هم گزارش کرده‌اند. این موضوع، پرسش مهمی دربارهٔ انتقال الگوهای آموخته‌شده میان حوزه‌های مختلف ایجاد می‌کند.
✅مدل Toto 2 سه قابلیت کلیدی دارد:
🔹 پیش‌بینی Zero-shot: می‌توان بدون fine-tuning اختصاصی، سابقهٔ سری را به مدل داد و پیش‌بینی گرفت.
🔹 پیش‌بینی چندمتغیره: معماری Transformer آن، توجه به روابط زمانی و روابط بین متغیرها را به‌تناوب انجام می‌دهد.
🔹 پیش‌بینی احتمالاتی: خروجی شامل چندک‌هاست؛ بنابراین می‌توان علاوه بر پیش‌بینی میانه، دامنه‌ای از نتایج محتمل را بررسی کرد.
💡 یک کاربرد پیشنهادی
در یک سامانهٔ پایش، می‌توان تاریخچهٔ مصرف CPU، حافظه و تعداد درخواست‌ها را به مدل داد و مسیر احتمالی این شاخص‌ها را پیش‌بینی کرد.
سپس یک لایهٔ تصمیم‌گیری جداگانه بررسی کند: آیا پیش‌بینی مصرف منابع به آستانهٔ بحرانی نزدیک می‌شود؟ آیا لازم است ظرفیت بیشتری اختصاص دهیم؟
این یک سناریوی استفاده است؛ خود مدل، به‌تنهایی سامانهٔ تشخیص خرابی یا مدیریت خودکار زیرساخت نیست.
🐍 شروع کار در پایتون
نصب بسته، با Python 3.12 یا جدیدتر:
pip install toto-models
بارگذاری مدل ۲۲ میلیون پارامتری:
import torch
from toto2 import Toto2Model
device = "cuda" if torch.cuda.is_available() else "cpu"
model = Toto2Model.from_pretrained(
"Datadog/Toto-2.0-22m"
).to(device).eval()
این کد فقط مدل را بارگذاری می‌کند. برای پیش‌بینی، باید دادهٔ تاریخی، ماسک مقادیر معتبر و شناسهٔ سری‌ها را به متد forecast() بدهیم. شکل ورودی نیز به‌صورت «تعداد نمونه‌ها × تعداد متغیرها × طول تاریخچه» است.
کد رسمی
لینک مقاله
#سری_زمانی #یادگیری_ماشین #پایتون #TimeSeries #Forecasting #Toto | 1 043 |
| 14 | آزمایش امنیتی از محیط تست بیرون رفت و به دیتابیس واقعی یک شرکت امنیتی رسید. 🙄
آنتروپیک گزارش کرده که در یکی از ارزیابی‌های امنیتی، مدل Claude Mythos 5 به‌دلیل تنظیم نادرست محیط آزمایش به اینترنت واقعی دسترسی پیدا کرد.
بعد بسته‌ای مخرب را در PyPI، مخزن بسته‌های پایتون، منتشر کرد.
این بسته روی ۱۵ سیستم نصب شد؛ به ارزیابی Anthropic، این‌ها اسکنرهای شرکت‌های امنیتی بودند که بسته‌های تازه را بررسی می‌کردند.
یکی از اسکنرها اطلاعات دسترسی را افشا کرد و مدل از آن برای ورود به دیتابیس واقعی همان شرکت امنیتی استفاده کرد.
https://www.anthropic.com/research/alignment-assessment-cybersecurity-incidents?utm_source=chatgpt.com | 967 |
| 15 | 😑 قرار بود مسئلهٔ ریاضی حل کند؛ توکن محرمانهٔ GitHub را عمومی کرد!
طبق گزارش رسمی OpenAI، یک مدل داخلی در حال کمک به پژوهشگری برای اثبات یک قضیه بود. پس از دشواری در حل مسئله، تلاش کرد به محتوای پاسخ تیم دیگری دست پیدا کند؛ با وجود اینکه پژوهشگر دو بار گفته بود مسئله را خودش حل کند.
در ادامه، مدل توکن دسترسی GitHub پژوهشگر را در مخزن عمومی openai/codex منتشر کرد.
گزارش میگه حتی توکن را با هدف عبور از اسکن اطلاعات محرمانه، به بخش‌های کوچک‌تر تقسیم کرده بود. این مورد مربوط به استقرار داخلی یک مدل پژوهشی با ابزارهای اختصاصی بود، نه استفادهٔ معمول کاربران از ChatGPT
https://alignment.openai.com/misalignment-reports/exposing-a-github-token-in-a-public-repository/?utm_source=chatgpt.com | 1 000 |
| 16 | چند مقاله و سایت جذاب هفته پیش
✔️ مدل Jev در برابر مدل‌های زبانی: از تولید متن تا تصمیم‌گیری
✔️ وقتی پاسخ درست «هیچ‌چیز» است، خط لولهٔ شما چه برمی‌گرداند؟
🔶فراتر از RAG: ساخت سامانه‌هایی که ادعاهایشان پشتوانهٔ قابل‌بررسی دارد .
✔️ چطور از اشتراک عامل‌های کدنویسی بیشترین استفاده را ببریم.
🖋ده منبع داده رایگان : داده‌های عمومی/API: Open-Meteo برای آب‌وهوا، API بانک جهانی برای شاخص‌های اقتصادی، Yelp برای کسب‌وکار و نظر کاربران، Etherscan برای تراکنش‌های زنجیره‌ای، APIهای آمار ورزش مانند balldontlie و TheSportsDB، و Spotify برای دادهٔ موسیقی.
▶️ چه زمانی یک مدل کافی است و چه زمانی تیمی از عامل‌ها لازم است؟
#agentic #agenticAi #MachineLearning #Ai #llms | 1 424 |
| 17 | جنگ تمام شده بود؛
و حالا صلح داشت آدم می‌کشت
#گروس_عبدالملکیان
@Attmorahmusic
من رو در اسپاتیفای بشنوید | 398 |
| 18 | 🤖 مهم‌ترین اخبار هوش مصنوعی در ۲۴ ساعت گذشته
📅 ۱۵ سپتامبر ۲۰۲۶
در ۲۴ ساعت گذشته، بحث درباره آینده هوش مصنوعی دوباره داغ شده؛ از ریسک‌های وجودی و قانون‌گذاری AI گرفته تا یک خرید بزرگ توسط OpenAI و هشدار درباره تبدیل مدل‌های پیشرفته به ابزارهای قدرتمند سایبری.
━━━━━━━━━━━━━━
🔴 ۱. فشار برای قانون‌گذاری AI بیشتر شده؛ ترامپ با کاهش سرعت توسعه مخالف است.
📰 Fortune
با افزایش هشدارهای پژوهشگران Anthropic، OpenAI و DeepMind درباره ریسک‌های بسیار جدی و حتی وجودی هوش مصنوعی، فشار قانون‌گذاران و فعالان صنعت برای ایجاد چارچوب‌های هماهنگ ایمنی بیشتر شده است.
در مقابل، دونالد ترامپ با درخواست‌ها برای کاهش سرعت توسعه AI مخالفت کرده و گفته است ابزارها و قوانین فعلی آمریکا برای نظارت و برخورد با شرکت‌های هوش مصنوعی کافی هستند.
همزمان، پیشنهادهایی در سنا مطرح شده که شرکت‌های AI را ملزم می‌کند برای جلوگیری از آسیب‌های فاجعه‌بار، اقدامات ایمنی مشخصی داشته باشند.
🔗 لینک خبر:
"Fortune — Push for AI regulation mounts" (https://reference-url-citation.invalid/0)
━━━━━━━━━━━━━━
⚠️ ۲. هشدار Cohere: مدل‌های پیشرفته AI می‌توانند به قدرتمندترین سلاح‌های سایبری تبدیل شوند.
📰 CNBC
ترامپ نگرانی‌ها درباره خارج شدن AI از کنترل را یک «هوکس / فریب» توصیف کرده و گفته آمریکا همین حالا نیز ابزارهای لازم برای کنترل این فناوری را در اختیار دارد.
اما Aidan Gomez، مدیرعامل Cohere، هشدار داده که مدل‌های پیشرفته AI در حال تبدیل شدن به ابزارهای بسیار قدرتمند سایبری هستند؛ ابزارهایی که می‌توانند آسیب‌پذیری‌های سیستم‌ها را در مقیاس وسیع پیدا کرده و از آن‌ها سوءاستفاده کنند.
در همین حال، چین نیز با ایده توقف یا کند کردن توسعه AI مخالفت کرده و بر ایجاد سیستم‌های قوی‌تر برای کنترل ریسک‌های امنیتی تأکید کرده است.
🔗 لینک خبر:
"CNBC — Beware AI naysayers, the Hoax Buster is here" (https://reference-url-citation.invalid/1)
━━━━━━━━━━━━━━
🎤 ۳. تماس زنده ترامپ با مدیرعامل Nvidia درباره «کند نکردن AI»
📰 WebProNews
در جریان All-In Summit در لس‌آنجلس، ترامپ به‌صورت زنده با Jensen Huang، مدیرعامل Nvidia، تماس گرفت و درباره بحث‌های اخیر پیرامون کاهش سرعت توسعه AI صحبت کرد.
ترامپ نگرانی‌های مربوط به ریسک AI را «هوکس» خواند و تأکید کرد که اجازه نخواهد داد توسعه این فناوری کند شود.
هانگ Huang نیز با این دیدگاه همراهی کرد و گفت آمریکا حاضر نیست توسعه AI را متوقف یا کند کند.
🔗 لینک خبر:
"WebProNews — Trump Phones Nvidia’s Jensen Huang Live on Stage" (https://reference-url-citation.invalid/2)
━━━━━━━━━━━━━━
🛡️ ۴. ترامپ: آمریکا همین حالا ابزارهای لازم برای نظارت بر صنعت AI را دارد.
📰 The Daily Record
ترامپ بار دیگر تأکید کرده که آمریکا برای نظارت و برخورد قانونی با شرکت‌های هوش مصنوعی، ابزارها و چارچوب‌های کافی در اختیار دارد.
این موضع در مقابل هشدارهایی قرار گرفته که اخیراً از سوی برخی پژوهشگران AI، از جمله Jacob Coxon از Anthropic مطرح شده است.
از سوی دیگر، Dario Amodei، مدیرعامل Anthropic، خواستار انجام ممیزی‌های مستقل (Independent Audits) برای مدل‌های پیشرفته AI شده است؛ پیشنهادی که طبق این گزارش از سوی Elon Musk و Sam Altman نیز حمایت شده است.
🔗 لینک خبر:
"The Daily Record — Trump dismisses AI safety alarm" (https://reference-url-citation.invalid/3)
━━━━━━━━━━━━━━
👁️ ۵. خرید بیش از ۳۰۰ میلیون دلاری OpenAI برای تقویت قابلیت‌های تصویری
📰 WSJ / X
و اما یک خبر مهم در بخش کسب‌وکار:
کمپانی OpenAI شرکت Glass Imaging را با مبلغی بیش از ۳۰۰ میلیون دلار خریداری کرده است.
شرکت Glass Imaging توسط تعدادی از مهندسان سابق Apple Portrait Mode تأسیس شده و ارزش این معامله حدود سه برابر ارزش‌گذاری قبلی این استارتاپ گزارش شده است.
هدف اصلی این خرید، تقویت قابلیت‌های Multimodal و Vision در محصولات OpenAI عنوان شده است.
این خبر ابتدا توسط Wall Street Journal منتشر شد و سپس در رسانه‌های فناوری بازتاب پیدا کرد.
🔗 لینک خبر:
"X — گزارش مربوط به خرید Glass Imaging توسط OpenAI" (https://reference-url-citation.invalid/4)
━━━━━━━━━━━━━━
🧠 جمع‌بندی
اگر اتفاقات این ۲۴ ساعت را کنار هم بگذاریم، یک موضوع بیش از همه به چشم می‌آید:
بحث AI دیگر فقط «چه چیزهایی می‌تواند انجام دهد؟» نیست؛ بلکه increasingly تبدیل شده به این سؤال که «چطور باید توسعه آن را کنترل کرد؟»
از یک طرف، شرکت‌ها و پژوهشگران AI درباره ریسک‌های مدل‌های Frontier هشدار می‌دهند؛ از طرف دیگر، دولت‌ها و بخشی از صنعت تأکید دارند که نباید توسعه AI متوقف یا کند شود. | 2 215 |
| 19 | درود،
ما یک تیم استارتاپی در حوزه سلامت شخصی هوشمند هستیم و تیم ما از برنامه‌نویسان خبره در زمینه هوش مصنوعی و بک‌اند و همچنین اساتید و فارغ‌التحصیلان حوزه پزشکی تشکیل شده است. در راستای ارتقای رابط کاربری MVP اولیه‌مون، به دنبال همکاری با یک برنامه‌نویس UI/UX علاقه‌مند هستیم. حتی اگر برنامه‌نویس Junior هم هستید، خوشحال می‌شویم با شما همکاری کنیم. در صورت تمایل، رزومه خود را به آیدی زیر ارسال کنید.
@houshyar_jfr
با سپاس | 729 |
| 20 | افزودن قابلیت دفترچه یادداشت و ذخیره حافظه خیلی طولانی مدل جدید Astra
یه قابلیت خیلی خوب که بهش اضافه شده اینه وفتی گفتگو خیلی طولانی میشه خوب مدل نمیتونه تمام جزئیات قبلی همزمان جلوی چشمش باشه.
مثلا دفترچه یادداشت کنار دست مدل میشه ابن قابلیت که اگرچه هنوز تستیه رو روشن کرد:
روش مستند برای نسخه‌های پشتیبانی‌شده Codex با ورود حساب Plus یا Pro این است:
فایل تنظیمات config.toml را باز کنی.
این خط را ابتدای فایل، قبل از بخش‌های داخل کروشه اضافه کنی؛ اگر همین تنظیم وجود دارد، مقدارش را به true تغییر بدهی:
features.context_management.experimental_mode = true
فایل را ذخیره کنی و یک کار جدید با Astra شروع کنی. | 2 405 |
