AI Labdon

🔵 عنوان مقاله Xiaomi's new open source, agentic AI coding harness MiMo Code beats Claude Code at ultra-long, 200+ step tasks (14 minute read) 🟢 خلاصه مقاله: شرکت شیائومی جدیدترین نسخه از ابزار هوشمند خود، یعنی MiMo Code V0.1.0 را معرفی کرده است؛ این یک دستیار هوشمند برنامه‌نویسی مبتنی بر هوش مصنوعی است که کاملاً متن‌محور و منبع باز است. این سیستم توانسته عملکرد قابل‌توجهی در مقایسه با مدل Claude Code از خود نشان دهد، به ویژه در انجام وظایف چندمرحله‌ای و طولانی با بیش از ۲۰۰ مرحله، که زمان تقریبی اجرای آن‌ها حدود ۱۴ دقیقه است. MiMo Code با بهره‌گیری از فناوری پیشرفته، یک سیستم حافظه بین‌جلسه‌ای در خود جای داده که از یک زیرنمایه مستقل برای ثبت تصمیم‌ها، مسائل و دامنه پروژه‌ها در حین پیشرفت استفاده می‌کند. این قابلیت به همکاری و پیوستگی بهتر در طول پروژه کمک می‌کند و کاربر را در مدیریت پروژه‌های پیچیده یاری می‌دهد. این مدل منبع باز در گیت‌هاب عرضه شده و تحت مجوز MIT قرار دارد، بنابراین توسعه‌دهندگان می‌توانند به راحتی آن را دانلود و در پروژه‌های خود به کار ببرند یا آن را توسعه دهند. در مجموع، MiMo Code نشان دهنده پیشرفت قابل توجه در زمینه هوش مصنوعی برنامه‌نویسی است و می‌تواند ابزار قدرتمندی برای توسعه دهندگان، تیم‌های فنی و محققان در حوزه هوش مصنوعی باشد، خصوصاً در اجرای وظایف طولانی و پیچیده که نیازمند حافظه و پیوستگی بلندمدت است. این فناوری نوآورانه نشان‌دهنده آینده‌ای پویا در ابزارهای کدگذاری و همکاری‌های هوشمند است. #هوش_مصنوعی #کدنویسی_پیشرفته #منبع_باز #شیائومی 🟣لینک مقاله: https://venturebeat.com/technology/xiaomis-new-open-source-agentic-ai-coding-harness-mimo-code-beats-claude-code-at-ultra-long-200-step-tasks?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

⁉️چطور ظرف مدت چند روز ، آذربایجان جزو 5 کشور جهان در سرانه تعداد پیام به ChatGPT شد؟! ▪️طبق آمارها، آذربایجان در مدت کوتاهی از رتبه 44 به رتبه 5 جهان در سرانه تعداد پیام‌های ارسال‌شده به ChatGPT رسیده؛ جهشی که توجه خیلی‌ها رو جلب کرد... ▪️دلیل این اتفاق هم ، عبور ترافیک کاربران ایرانی از زیرساخت‌های آذربایجان برای دسترسی به سرویس‌های تحریم‌شده‌ای مثل ChatGPT و Claude بدون فیلتر ، عنوان میشه!

اوپن‌ای‌آی سیستم جدیدی به اسم Dreaming برای حافظه ChatGPT معرفی کرده که می‌تونه از بین گفتگوهای قبلی خودش اطلاعات مهم را پیدا و مرتب کند تا بهتر کاربر را بشناسد البته این رو فکر کنم چند وقت پیش کلاد پیاده سازی کرده بود اهمیتش اینه که ChatGPT کمتر شبیه یک چت‌بات فراموشکار می‌شه و بیشتر مثل یک دستیار شخصی عمل می‌کنه که سلیقه‌ها و نیازهای تو را در طول زمان بهتر به خاطر می‌سپارد.

احیای Papers With Code با کمک Hugging Face یادم هست وقتی «Papers With Code» اولین بار در سال ۲۰۱۸ منتشر شد، یه جهش و پیشرفت خیلی مهم محسوب می‌شد. بعد از اینکه متا اون رو خرید، پروژه یه مدت کند شد و بعد عملاً متوقف شد، ولی به نظر می‌رسه الان یه تلاش برای احیای دوباره‌اش شروع شده! کمپانی Hugging Face کار بازسازی‌اش رو با آدرس paperswithcode.co شروع کرده و از چند ایجنت هوش مصنوعی هم کمک گرفته تا کارهایی مثل تحلیل و پارس کردن مقاله‌ها، لینک دادن خودکار ریپازیتوری‌های گیت‌هاب، صفحات پروژه و فایل‌ها، دسته‌بندی محتوا و ساخت لیدربوردها رو انجام بده. سایت جدید دوباره همون تجربه آشنای کشف و مرور رو برگردونده؛ مثل دیدن مقاله‌های ترند، جست‌وجوی روش‌های SOTA، و بررسی حوزه‌ها و متدها. در کنار این‌ها، چند قابلیت جدید هم اضافه شده مثل بررسی روند رشد ستاره‌ها، تعداد ارجاعات (citation)، پوشش مقاله‌های خارج از arXiv، امکان داشتن چند ریپو برای هر مقاله، گزارش‌های بنچمارک، و همچنین یکپارچگی با سیستم ورود و ذخیره‌سازی خود Hugging Face. با توجه به اینکه سرعت پژوهش—چه در حوزه هوش مصنوعی و چه جاهای دیگر—روزبه‌روز بیشتر می‌شه، هنوز هم داشتن یک لایه‌ی مرتب و خوب برای کشف و مرور پژوهش‌ها یه نیاز اساسی محسوب می‌شه. برای همین دیدن همچین پروژه‌هایی واقعاً امیدوارکننده‌ست و امیدوارم روند رشدش ادامه‌دار باشه. لینک سایت paperswithcode https://paperswithcode.co <Reza Jafari/>

برگی دیگر از صرفه جویی در توکن های Claude Code باورتون میشه یکی از راههاش این بوده که با Claude مثل انسان نخستین حرف بزنیم؟ یه پروژه به اسم Caveman اومده دقیقاً همین کارو کرده. ایده‌اش ساده‌ست: به جای اینکه Claude Code بگه: > “The issue likely originates from object reference recreation during render cycles…” میگه: > “new object each render. component panic. rerender happen.” و خب درست کار می‌کنه! طبق benchmarkهایی که داخل ریپو گذاشتن، تو بعضی تسک‌ها تا ۸۰٪ مصرف توکن کمتر شده و میانگین صرفه‌جویی حدود ۶۵٪ بوده. یعنی هم context دیرتر پر میشه، هم هزینه API کمتر میشه، هم وقتی Claude وسط پروژه existential crisis می‌گیره، پول کمتری از حساب کم میشه. حتی یه ابزار به اسم caveman-shrink هم دارن که فایل‌های instruction و memory رو فشرده می‌کنه تا ورودی‌ها هم توکن کمتری مصرف کنن. قشنگ‌ترین بخش داستان اینه که کل کامیونیتی AI الان داره با جدیت علمی بررسی می‌کنه آیا “ugga bugga architecture” آینده‌ی prompt engineering هست یا نه البته بعضیا هم benchmark گرفتن و گفتن “be brief” توی پرامپت تقریباً همون نتیجه رو میده! رسیدیم به نقطه‌ای از تکنولوژی که senior developerها دارن میلیون‌ها پارامتر transformer رو مجبور می‌کنن مثل آدم‌های عصر حجر صحبت کنن تا قبض Anthropic کمتر بشه https://github.com/juliusbrussee/caveman | <Hamed Sharifi/>

🔵 عنوان مقاله Implications of Large-Scale Test-Time Compute (5 minute read) 🟢 خلاصه مقاله: در دهه‌های اخیر، رشد و توسعه مدل‌های زبانی بزرگ به طور چشمگیری روند پیشرفت در حوزه هوش مصنوعی را تغییر داده است. اما نکته مهمی که کمتر به آن توجه شده، تاثیر مستقیم میزان محاسبات مصرفی در زمان تست بر روی ارزیابی این مدل‌ها است. در واقع، امروزه توانایی مدل‌های زبانی بزرگ، بیشتر به میزان محاسباتی که در هنگام تست مصرف می‌کنند، بستگی دارد. نمونه بارز این موضوع، عملکرد GPT-5.5 است که در ارزیابی‌های مبتنی بر محاسبات سایبر، تنها کمی بهتر از GPT-5.4 به نظر می‌رسد؛ اما زمانی که فاکتورهای دیگری مانند تعداد توکن‌ها، هزینه و زمان‌تاخیری که در اصطلاحات فنی استفاده می‌شود، کنترل شوند، قدرت واقعی مدل‌ها بسیار واضح‌تر و قابل توجه‌تر نشان داده می‌شود. این موضوع نشان می‌دهد که سطح عملکرد و قدرت مدل‌های بزرگ، اکنون در نقطه‌ای است که به سادگی نمی‌توان با معیارهای استاندارد و واحدهای تصادفی آن را اندازه‌گیری کرد. در حقیقت، مرزهای عملکردی این مدل‌ها به اندازه‌ای گسترده شده است که دستیابی به سطح بالا در ارزیابی‌ها تنها با صرف هزینه‌های بسیار زیاد و مصرف محاسباتی زیاد ممکن می‌شود. هر چه مدل‌ها پیشرفته‌تر شوند، آن مرزها بیشتر و بیشتر به دور از دسترس قرار می‌گیرند، بنابراین امتیازهای استاندارد و مقیاس‌های تک‌عددی که در نسخه‌های قبلی رایج بودند، دیگر نمی‌توانند تصویر دقیقی از میزان قدرت و کارایی واقعی این مدل‌ها ارائه دهند. در نتیجه، برای ارزیابی و مقایسه مدل‌های زبانی بزرگ، باید رویکردهای جدیدی طراحی و اجرا کنیم که بیش از اندازه‌گیری‌های سطوحی و مبتنی بر اعداد خلاصه، بتوانند نشان دهنده عملکرد واقعی و کاربردی این مدل‌ها باشند. در واقع، بانک‌های داده، تست‌های مرجع و معیارهای جدید باید به گونه‌ای توسعه یابند که بتوانند سطح واقعی توانمندی‌ها را در شرایط مختلف و زمان واقعی نشان دهند و فاکتورهای مصرف محاسباتی را در ارزیابی‌ها لحاظ کنند. این تغییر رویکرد، نقش مهمی در پیشرفت سریع تر و بهتر این فناوری ایفا خواهد کرد و راه را برای توسعه مدل‌های هوشمندتر و موثرتر هموار می‌سازد. #هوش_مصنوعی #مدل‌های_زبان_بزرگ #ارزیابی_مدل‌ها #پیشرفت_هوش_مصنوعی 🟣لینک مقاله: https://x.com/polynoamial/status/2064210146558136827?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🔵 عنوان مقاله Three Labs With a Plan and A Memorandum (22 minute read) 🟢 خلاصه مقاله: در این مقاله، به مرور و بررسی چندین داستان مرتبط درباره سیاست‌ها و برنامه‌های مرتبط با هوش مصنوعی می‌پردازیم که در نتیجه اعلام پروژه فابل توسط شرکت آنتروپیک منتشر شده است. این رویداد نشان‌دهنده تلاش‌های جدی در حوزه توسعه هوش مصنوعی است و نگرانی‌ها و اهداف مختلفی را در بر می‌گیرد. در ادامه، به تفصیل درباره سه آزمایشگاه مختلف که هر کدام برنامه‌ریزی‌ها و اهداف خاص خود را دارند، صحبت می‌شود. هر یک از این آزمایشگاه‌ها رویکرد متفاوتی نسبت به توسعه و مدیریت هوش مصنوعی اتخاذ کرده‌اند، اما همگی در جهت ارتقاء ایمنی و مسئولی بودن این فناوری پیش می‌روند. آنها بر اهمیت تدوین سیاست‌ها و تفاهم‌نامه‌های مشترک برای هدایت مسیر آینده هوش مصنوعی تاکید دارند که در نهایت منجر به ایجاد چارچوب‌های رسمی و قانونی می‌شود. در پایان این مقاله، سیاست‌ها و برنامه‌ریزی‌های این آزمایشگاه‌ها به نوعی نشان‌دهنده آمادگی صنعت و محققان برای مواجهه با چالش‌ها و فرصت‌های ناشی از هوش مصنوعی است. همکاری‌های بین‌المللی و تدوین تفاهم‌نامه‌های مشترک از اهمیت خاصی برخوردار است تا بتوان با اطمینان بیشتری فناوری را توسعه داد و از خطرات احتمالی جلوگیری کرد. #هوش_مصنوعی #پژوهش_امنیت #برنامه_ریزی_آتی #توافقات 🟣لینک مقاله: https://thezvi.substack.com/p/three-labs-with-a-plan-and-a-memorandum?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🔵 عنوان مقاله AI is eating the AI Engineering Loop (5 minute read) 🟢 خلاصه مقاله: با توجه به پیشرفت‌های اخیر در حوزه هوش مصنوعی، حلقه مهندسی هوش مصنوعی اکنون به‌شدت در حال تغییر است. در گذشته، این فرآیند نیازمند دخالت مستقیم و مداوم انسان‌ها بود، اما حالا می‌توان گفت که این حلقه به‌طور فنی قابل اتوماسیون کامل است. شرکت‌های فعال در زمینه تحلیل و ارزیابی هوشمند، می‌توانند سیستم‌های خود را به گونه‌ای طراحی کنند که فرآیندهای ارزیابی و به‌روزرسانی را به صورت مداوم و خودکار انجام دهند؛ در نتیجه، یک بروزرسانی اولیه کافی است تا این سیستم‌ها به پلتفرم‌های یادگیری پیوسته تبدیل شوند. اما مسئله اینجاست که، اگر کل این حلقه را به صورت کامل رها کنیم، ممکن است با مشکلاتی مواجه شویم. این مشکل زمانی بروز می‌کند که عوامل یا代理‌ها (آژانس‌ها) به‌درستی بهبوددهنده‌های خود را بر اساس ارزیابی‌های ناقص و نادقیق انجام دهند. ارزیابی‌هایی که به‌طور کامل جزئیات و تفاوت‌های ظریف را در نظر نمی‌گیرند، می‌توانند به‌عنوان معیاری نادرست عمل کنند و در نتیجه، عامل‌ها بر اساس این ارزیابی‌های ناقص عمل کنند. این وضعیت منجر می‌شود که عامل‌ها، یا همان سیستم‌های هوشمند، بهینه‌سازی خود را بر اساس معیارهای نادرستی انجام دهند که فقط توسعه‌دهنده قادر است آن جزئیات دقیق و حساس را درک کند. در واقع، سپردن کامل حلقه به خودکارسازی بدون نظارت دقیق می‌تواند منجر به انحراف در پیشرفت‌های فناوری شود، چون عوامل در حال آموزش بر اساس ارزیابی‌هایی هستند که کامل نیستند و جزئیات مهم را در بر نمی‌گیرند. در نتیجه، حفظ تعادل میان اتوماسیون کامل و نظارت انسانی اهمیت زیادی دارد. استفاده هوشمندانه و کنترل‌شده از سیستم‌های خودکار در کنار نظارت توسعه‌دهندگان خبره، می‌تواند تضمین کند که فرآیند یادگیری و بهبود‌های هوش مصنوعی به درستی و با دقت انجام شود. این رویکرد نه تنها از انحراف‌های احتمالی جلوگیری می‌کند، بلکه راه را برای توسعه‌ای مطمئن و پایدار در حوزه هوش مصنوعی هموار می‌سازد. #هوش_مصنوعی #مهندسی_هوش_مصنوعی #یادگیری_پیوسته #توسعه_پایدار 🟣لینک مقاله: https://x.com/lotte_verheyden/status/2064415370761646410?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🔵 عنوان مقاله Claude Fable 5 Launch (6 minute read) 🟢 خلاصه مقاله: در تازه‌ترین اخبار، شرکت آنتروپیک از عرضه نسخه‌های جدید مدل‌های هوش مصنوعی خود خبر داد. این شرکت، رویکردی چندوجهی را در ارائه محصولات خود پیش گرفته است؛ به‌طور خاص، نسخه عمومی «کلود فابل ۵» و نسخه منتخب «کلود میثوس ۵» برای گروه‌هایی مانند مدافعان سایبری و ارائه‌دهندگان زیرساخت‌ها عرضه شدند. این مدل‌ها به عنوان ابزارهای بسیار قدرتمند در حوزه‌های مختلفی مانند مهندسی نرم‌افزار، تحقیقات علمی، پردازش دیداری و امنیت سایبری معرفی شده‌اند. در کنار این، برای اطمینان از ایمنی و رعایت اصول اخلاقی، محافظت‌های محافظه‌کارانه‌ای در نسخه فابل ۵ اعمال شده است تا سوءاستفاده‌ها و خطرات احتمالی کاهش یابد. این مجموعه جدید نشان می‌دهد که آنتروپیک عزم خود را جزم کرده است تا فناوری‌های هوش مصنوعی پیشرفته را در اختیار کاربران عمومی قرار دهد و در عین حال، امنیت و مسئولیت‌پذیری را در اولویت قرار دهد. نسخه عمومی این مدل‌ها به گونه‌ای طراحی شده است که بتواند پاسخگوی نیازهای گسترده کاربران باشد، در حالی که نسخه‌های خاص، برای بهره‌برداری‌های حساس و حرفه‌ای، امکانات ویژه‌تری دارند. این اقدام نشان از تمایل این شرکت دارد که فناوری‌های نوین را با محافظت‌های لازم وارد بازار کند و از توسعه‌ی بی‌رویه و استفاده نادرست آن جلوگیری کند. به طور کلی، عرضه این مدل‌ها، گامی مهم در جهت توسعه هوش مصنوعی ایمن و قابل اعتماد است که می‌تواند نقش قابل توجهی در پیشرفت صنعت‌های مختلف و امنیت سایبری ایفا کند. همچنان، انتظار می‌رود این فناوری‌ها با رعایت دقت و اخلاق حرفه‌ای، زمینه را برای آینده‌ای پرپتانسیل در حوزه فناوری‌های هوشمند فراهم کند. #هوش_مصنوعی #امنیت_سایبری #فناوری #پیشرفت 🟣لینک مقاله: https://www.anthropic.com/news/claude-fable-5-mythos-5?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🔵 عنوان مقاله Claude Fable 5 and new AI safety fables (14 minute read) 🟢 خلاصه مقاله: در ماه‌های اخیر، شرکت آنتروپیک با معرفی نسخه جدید مدل زبان هوشمند خود، کلود فیبل ۵، مجموعه‌ای از اقدامات امنیتی و حفاظتی را نیز به صورت همزمان عرضه کرد. برخی از این اقدامات به صورت مخفیانه و بدون اطلاع کاربران اعمال شدند تا به حفظ برتری فعلی آزمایشگاه در مقابل رقبایش کمک کنند. این نوع سیاست‌های امنیتی نامتوازن و کم‌شفاف معمولاً نتیجه مطلوبی ندارند و در نهایت منجر به ایجاد فضای ناآرامی و بی‌اعتمادی در اکوسیستم هوش مصنوعی می‌شوند. در حالی که حق شرکت آنتروپیک است که از ابزارها و فناوری‌های خود محافظت کند، این اقدامات به طور ناخواسته احساس رقابت ناسالم و درگیری‌های «ما در مقابل آن‌ها» را تقویت می‌کند. این موضوع نشان دهنده اهمیت حیاتی توسعه هوشمندی است که کاربران بتوانند به آن اعتماد کرده، آن را تغییر دهند و کنترل کامل بر آن داشته باشند. در آینده، نیاز به شفافیت و اعتماد کامل در فناوری‌های هوشمند بیش از هر زمان دیگری احساس می‌شود تا بتوان این ابزارها را در خدمت جامعه و بشر قرار داد. #هوش_مصنوعی #امنیت_هوشمند #شفافیت #اعتماد 🟣لینک مقاله: https://www.interconnects.ai/p/claude-fable-5-and-new-ai-safety?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🔵 عنوان مقاله DeepSeek enters the fight for token volume, Anthropic continues to dominate spend (12 minute read) 🟢 خلاصه مقاله: در مدت کوتاهی، سهم DeepSeek در طول بازار توکن‌های روی پلتفرم AI Gateway به طور چشمگیری افزایش یافته است. این شرکت توانسته است در عرض یک ماه، درصد توکن‌های در گردش خود را از زیر 1٪ به 17٪ برساند، رقابت جدیدی در فضای توکن‌های مرتبط با هوش مصنوعی رقم زده است. این رشد سریع نشان از قدرت و نفوذ رو به افزایش این شرکت در بازار دارد، هرچند که در عین حال سهم هزینه‌های مصرفی آن‌ها هنوز در حدود 1٪ باقی مانده است. این وضعیت، نشان می‌دهد که DeepSeek بیشتر بر توسعه و گسترش عرضه توکن‌های خود تمرکز دارد و هنوز در مرحله تثبیت موقعیت اقتصادی خود است. در این میان، شرکت Anthropic همچنان به روند غالب بودن در بخش هزینه‌ها ادامه می‌دهد. این شرکت با کارآمدی بالا در جذب سرمایه و مدیریت هزینه‌ها، توانسته است تا سهم قابل توجهی از بودجه‌ها را در بازار هوش مصنوعی به خود اختصاص دهد. ادامه سلطه Anthropic در این حوزه نشان می‌دهد که این شرکت هنوز یکی از بازیگران اصلی در صحنه رقابت است و تمایلی به کاهش دلارهای سرمایه‌گذاری خود ندارد. در مجموع، رقابت برای تصاحب سهم بازار و حجم توکن‌های در گردش در حال دگرگونی است و باید دید شرکت‌های جدید چگونه می‌خواهند در این فضای رقابتی رشد کنند و برتری خود را حفظ کنند. #هوش_مصنوعی #بازار_توکن #توسعه_فناوری #رقابت_بازاری 🟣لینک مقاله: https://x.com/vercel/status/2064188171294761076?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🔵 عنوان مقاله AI agents need identity, not shared credentials (Sponsor) 🟢 خلاصه مقاله: در دنیای فناوری، عامل‌های هوشمند مصنوعی یا همان AI agents نقش مهمی در اجرای فعالیت‌های مختلف ایفا می‌کنند. این عوامل عموماً بر پایه مجوزها و اطلاعات ورود ساخته شده‌اند که ابتدا برای انسان‌ها، برنامه‌ها یا زیرساخت‌های دیگر طراحی شده‌اند. مشکل اصلی این است که این مجوزها معمولاً با اشتراک گذاری رمز عبور و دسترسی‌های دائمی همراه هستند، که این امر می‌تواند باعث بروز ریسک‌های امنیتی جدی شود. شرکت تلپورت راه‌حلی ارائه داده است که هر عامل هوشمند مصنوعی را با هویت رمزنگاری خاص خودش مجهز می‌کند. این هویت کوتاه‌مدت و حداقلی است، بدین معنی که فقط به میزان نیاز و برای مدت زمان محدود اجازه دسترسی داده می‌شود. این رویکرد نه تنها سطح امنیت را افزایش می‌دهد، بلکه امکان ردگیری و بررسی فعالیت‌ها را نیز فراهم می‌کند، زیرا تمام عملیات‌ها به‌طور کامل قابل رصد و ارزیابی هستند. این سیستم همچنین از به اشتراک گذاشتن اسرار و مجوزهای دائمی جلوگیری می‌کند، و در نتیجه، امنیت زیرساخت‌هایی مانند کبرنیتس، پایگاه‌های داده، سرویس‌های ابری و سایر سامانه‌ها ارتقاء می‌یابد. در نتیجه، مفهوم هویت عاملی و کنترل دسترسی مبتنی بر آن، یک گام مهم در هوشمندسازی و امن‌تر کردن زیرساخت‌های فناوری اطلاعات است. این راهکار، امنیت و کنترل دقیق‌تر را برای مدیران فراهم می‌کند و از بروز خطرات ناشی از مجوزهای مشترک و دسترسی‌های ثابت جلوگیری می‌نماید. در این فضا، هر عامل هوشمند مصنوعی بی‌واسطه و با هویتی منحصربه‌فرد عمل می‌کند که تمام فعالیت‌ها قابل پیگیری و مدیریت هستند. #امنیت_فناوری #هوش_مصنوعی #کنترل_دسترسی #حفاظت_اطلاعات 🟣لینک مقاله: https://fandf.co/3PbYAW0?utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

🚀 دنبال یک VPN سریع، پایدار و امن هستید؟ این فرصت را از دست ندهید! ❤️ با کد تخفیف اختصاصی Labdon، ۲۰٪ تخفیف دریافت کنید. ❤️ ✅ مناسب برای برنامه‌نویسان و توسعه‌دهندگان ✅ عالی برای وب‌گردی و شبکه‌های اجتماعی ✅ سرعت بالا و پینگ مناسب ✅ امنیت و پایداری فوق‌العاده ✅ سازگار با انواع دستگاه‌ها 🎁 همین حالا سرویس خود را با تخفیف ویژه تهیه کنید. 👇🐝👇🐝👇🐝👇 https://t.me/SiftalNetBot

🔵 عنوان مقاله Google's Backstops Underpin $35 Billion Chip Deal for Anthropic (1 minute read) 🟢 خلاصه مقاله: گوگل با حمایت مالی خود، پشتیبانی از قرارداد بزرگ اجاره تراشه ای شرکت آنتروپیک به ارزش ۳۵ میلیارد دلار را بر عهده گرفته است. این همکاری نشان‌دهنده روابط پیچیده و استراتژیک بین غول‌های فناوری در حوزه هوش مصنوعی است. در این معامله، گوگل تضمین می‌کند که پرداخت‌ها در پنج مرکز داده انجام شوند، که این اقدام به عنوان یک پشتوانه قوی برای تامین مالی بزرگ آنتروپیک محسوب می‌شود. نکته جالب اینکه، نقش آنتروپیک در این تامین مالی کلان در روزهای گذشته فاش نشده بود و اکنون مشخص شده است که این شرکت در کنار غول فناوری، در پروژه‌ای بسیار مهم در زمینه هوش مصنوعی مشارکت دارد. حمایت‌های مالی این‌چنینی نشان می‌دهد بازار هوش مصنوعی در حال حاضر شاهد رقابت و همکاری‌های استراتژیک بین شرکت‌های بزرگ است که قصد دارند با سرمایه‌گذاری‌های گسترده، آینده این فناوری را شکل دهند. بعلاوه، این نوع قراردادها به شرکت‌ها امکان می‌دهد تا با اطمینان بیشتری به توسعه فناوری‌های پیشرفته بپردازند و نقش فعال‌تری در بازارهای جهانی ایفا کنند. #هوش_مصنوعی #تکنولوژی #سرمایه_گذاری #گوگل 🟣لینک مقاله: https://www.bloomberg.com/news/articles/2026-06-09/google-s-backstops-underpin-35-billion-chip-deal-for-anthropic?accessToken=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzb3VyY2UiOiJTdWJzY3JpYmVyR2lmdGVkQXJ0aWNsZSIsImlhdCI6MTc4MTA2Mjg4OCwiZXhwIjoxNzgxNjY3Njg4LCJhcnRpY2xlSWQiOiJURllTWVBUOU5KTFMwMCIsImJjb25uZWN0SWQiOiI2NTc1NjkyN0UwMkM0N0MwQkQ0MDNEQTJGMEUyNzIyMyJ9.JHS0n53nNPsg8oSO2MQ2Auxj1dujOWmJGcZxMyLl6yI&utm_source=tldrai ➖➖➖➖➖➖➖➖ 👑 @ai_Labdon

مدل جدید Claude Fable 5 چیه؟ آنتروپیک تو فروردین یک مدلی داد به اسم Mythos که خیلی مدل قدرتمندی بود ولی مشکل ایمنی داشت، به همین خاطر آنتروپیک مجبور شد به خاطر قابلیت‌های پیشرفته‌ی cybersecurity، دسترسی بهش رو محدود کنه. حالا Fable 5 همون قدرت Mythos رو داره، ولی با safeguard‌هایی که جلوی استفاده‌ی مخرب در حوزه‌های پرخطر مثل cybersecurity و biology رو می‌گیره. در حوزه‌های پرخطر مثل cybersecurity، biology، chemistry و distillation، مدل جواب نمیده و به جاش با Claude Opus 4.8 جواب رو میده. از قابلیت‌های کلیدی این مدل اینه که می‌تونه اعداد دقیق از عکس‌های علمی استخراج کنه یا تسک‌های پیچیده‌ای مثل ساختن سورس کد یه وب‌اپ فقط از روی اسکرین‌شات رو با کیفیت بالا انجام بده. دیاگرام، چارت‌ها و جداول داخل PDF و فایل رو هم میفهمه که برای کارهایی تو حوزه‌های حقوقی، اقتصادی و آماری خیلی به کار میاد و مفیده. تا 23 June برای کسایی که پلن‌های Team، Pro، Max و Enterprise دارن بدون هزینه قابل استفاده‌س ولی بعدش نیاز به credit داره. قیمتش سر به فلک می‌کشه و 10 دلار برای ورودی و 50 دلار برای توکن‌های خروجیه. در مجموع مدل به شدت قوی از نوع Mythos که آنتروپیک گفته تونسته کنترلش کنه تا باهاش کارهای مخرب انجام ندن.

شرکت انتروپیک خیلی وقت هست که استفاده از مدلهای هوش مصنوعی این شرکت برای توسعه مدلهای رقیب رو در قوانینش ممنوع کرده ولی اعمال این قوانین تنها وابسته به میل استفاده کننده به رعایت این قوانین بود. ولی حالا با عرضه مدل Fable 5، این شرکت پا رو از این هم فراتر گذاشته و اقدامات حفاظتی جدیدی رو در دل مدل اضافه کرده به طوری که وقتی این مدل تشخیص بده که استفاده کننده در حال توسعه مدل های هوش مصنوعی و یا پیاده سازی اونها در مقیاس وسیع هست، به طور مخفیانه کدهایی که مینویسه ضعیف هستن و درخواست استفاده کننده رو درست پیاده نمیکنن، بدون اینکه اون فرد از انجام اینکار باخبر باشه! علاوه بر این انتروپیک تمام درخواستها و جوابی که مدل Fable 5 به درخواستها میده رو بهانه های حفظ امنیت و جلوگیری از جیل بریک کردن مدل، جمع اوری میکنه و حتی سازمانها و شرکتهای بزرگ که قوانین بسیار سخت گیرانه ای روی انتقال و حفظ اطلاعات دارن هم از این قاعده مستنثی نیستن و در صورت تمایل به استفاده از این مدل باید این شرط رو بپذیرن. 🔎 jonready

⁉️ تا حالا شده فکر کنی ChatGPT احمق شده...؟! 🌀 اینکه یه همچین اتفاقی میفته نه به این معنیه که تو داری اشتباه میکنی و نه به این معنیه که اون داره اشتباه میکنه ؛ باید یادش بدی چطور باهات مچ بشه! ✅ خب حالا چیکار کنم؟! برو تو تنطیمات و بخش Personalization ... اونجا چندتا شخصیت داره که اینجا باهم مرورش میکنیم : 1⃣ شخصیت Default : خنثی و محافظه کار 2⃣ شخصیت Cynic : شکاک و منتقد (واسه ایده پردازی این Cynic عالیه) 3⃣ شخصیت Robot : خشک و دقیق (واسه برنامه نویسا این یکی خیلی عالیه) 4⃣ شخصیت Listener : احساسی و همدل (برای گفت‌و‌گو و روانشناسی پیشنهاد میکمم) 5⃣ شخصیت Nerd : پرحرف و باهوش (واسه آموزش ، تحلیل کار های پیچیده خوبه) 🔹این کارارو که کردی بعدش برو تو بخش Custom Instructions و اینجا باید بهش بگی کی هستی و چی میخوای ... مثلا : • Creative Co - Writer → هم نویس و خلاق • Startup Advisor → مشاور و استارتاپ • Though Coach → ساکته و بیشتر گوش میده • Devil's Advocate → تورو به چالش میکشه ‌

⭐ کدوم هوش مصنوعی برای استفاده روزمره بهتره؟ ▪️اگر دنبال یک مدل همه‌فن‌حریف هستید، GPT-5.5 هنوز یکی از بهترین انتخاب‌هاست. از تولید محتوا و ترجمه گرفته تا تحلیل اطلاعات، برنامه‌ریزی و یادگیری، تقریباً در همه زمینه‌ها عملکرد قدرتمندی داره. 1⃣ رتبه اول GPT-5.5 ✅ انتخاب اول برای اکثر کاربران 2⃣ رتبه دوم Claude Opus 4.8 ✅ فوق‌العاده در استدلال، تحلیل عمیق و کارهای پژوهشی 3⃣ رتبه سوم Gemini 3.1 Pro ✅ مناسب برای کار با فایل‌ها، اسناد حجیم و اکوسیستم گوگل 4⃣ رتبه چهارم Qwen 3.7 Max ✅ عملکرد نزدیک به مدل‌های پرچمدار با هزینه کمتر 5⃣ رتبه پنجم Kimi K2.6 ✅ یکی از بهترین گزینه‌ها از نظر ارزش در برابر هزینه + نکته جالب اینجاست که فاصله مدل‌های برتر نسبت به گذشته کمتر شده و حالا انتخاب بهترین مدل بیشتر به نوع استفاده شما بستگی داره تا صرفاً رتبه‌بندی‌ها.

چند وقت پیش شرکت انتروپیک از هوش مصنوعی Mythos رونمایی کرد که در پیدا کردن حفره های امنیتی قدرت خاصی داشت و به دلیل ریسکهای امنیتی که چنین مدلی قدرتمندی به همراه میاره، اون رو فقط در اختیار شرکتهای خاصی از جمله شرکتهای امنیتی برای پیدا کردن حفره های امنیتی زیرساختها قرار داد. حالا انتروپیک نسخه عمومی این مدل به نام Claude Fable 5 رو عرضه کرده که مدلی در کلاس Mythos هست و در کدنویسی، پیدا کردن مشکلات امنیتی و بیولوژی مهارت خاصی داره. اما انتروپیک استفاده از این مدل رو برای پیدا کردن حفره های امنیتی و بیولوژی محدود کرده در نتیجه کاربران عادی در هنگام استفاده از این مدل برای این کاربردها با خطا روبرو میشن یا درخواست اونها به مدل Opus 4.8 پاس داده میشه. مدل Fable 5 از حالا تا 1 تیر، در اشتراک Pro به بالای Claude در دسترس خواهد بود و بعد از اون فقط از طریق API میشه از اون استفاده کرد تا وقتی که انتروپیک بتونه ظرفیت محاسباتی لازم برای اون به دست بیاره و اون رو دوباره در اختیار مشترکینش قرار بده. 🔎 techcrunch