fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

DLeX: AI Python

DLeX: AI Python

رفتن به کانال در Telegram

هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq

نمایش بیشتر

📈 تحلیل کانال تلگرام DLeX: AI Python

کانال DLeX: AI Python (@ai_python) در بخش زبانی فارسی بازیگری فعال است. در حال حاضر جامعه شامل 21 284 مشترک است و جایگاه 6 235 را در دسته فناوری و برنامه‌ها و رتبه 16 518 را در منطقه إيران دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 21 284 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 16 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -39 و در ۲۴ ساعت گذشته برابر -4 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 8.49% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.88% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 1 807 بازدید دریافت می‌کند. در اولین روز معمولاً 614 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 18 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند مصنوعی, توییتر, ماهواره, داده, فناوری تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“هوش‌مصنوعی و برنامه‌نویسی توییتر : https://twitter.com/NaviDDariya لینک پیام ناشناس، جهت انتقادات، حرف و حدیث و پیشنهادات : https://t.me/mahtabak_nashenas_bot?start=1dOIcE18ITmb5Htw1M7zgq”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 17 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.

21 284
مشترکین
-424 ساعت
-137 روز
-3930 روز
آرشیو پست ها
مدل‌های خودبازگشتی گسسته تصویر را توکن به توکن می‌سازند: توکن بیشتر یعنی کیفیت بهتر اما کندی. نویسندگان نشان می‌دهند با بودجهٔ اطلاعاتی ثابت، اندازهٔ گروه در «کوانتیزه‌سازی حاصل‌ضربی» باید با مجذور ضریب فشرده‌سازی در هر محور بزرگ شود؛ با این اصل و یک رمزگشای نیمه‌خودبازگشتی به فشرده‌سازی ۳۲ و حتی عملاً ۶۴ برابری می‌رسند. طبق مقاله، در وضوح ۱۰۲۴×۱۰۲۴ حدود ۲۰ برابر سریع‌تر از مدل‌های خودبازگشتی گسستهٔ قبلی است و هر تصویر را در ۲٫۵ ثانیه روی یک کارت NVIDIA H200 می‌سازد، با نتایج رقابتی در پنج بنچمارک متن به تصویر. 👉 @ai_python 🦁 ☀️ 👉 @elonfact 🙄 تولید خودبازگشتی همان روشی است که مدل‌های زبانی با آن متن می‌نویسند و جذابیتش این است که تصویر و متن را در یک چارچوب یکپارچه می‌کند، اما کندی‌اش مانع بزرگی بوده. این کار نشان می‌دهد فشرده‌سازی شدید لزوماً کیفیت را از بین نمی‌برد. مقاله در Hugging Face ثبت شده و کدش در GitHub منتشر شده است. https://huggingface.co/papers/2611.13004
15 نوامبر, 15:22

روز جمعه ای یه جماعتی رو منتظر خودشون گذاشتن. هیچ کدوم از کانکتورها برای من کار نمی کنه. 👉 @ai_python 🦁 ☀️ 👉 @elonfact 🙄
روز جمعه ای یه جماعتی رو منتظر خودشون گذاشتن. هیچ کدوم از کانکتورها برای من کار نمی کنه. 👉 @ai_python 🦁 ☀️ 👉 @elonfact 🙄 https://status.claude.com/
13 نوامبر, 09:21

در روزهای گذشته به قدری مطالب و پست ها در شبکه های اجتماعی در مورد روابط خصوصی جنسن هوانگ زیاد بود، که من ترجیح دادم توی چانا
در روزهای گذشته به قدری مطالب و پست ها در شبکه های اجتماعی در مورد روابط خصوصی جنسن هوانگ زیاد بود، که من ترجیح دادم توی چانالمون دیگه اسپم جدید در این مورد ایجاد نکنم که وقت شما تلف بشه. ولی بیایم فارغ از بخش خصوصی زندگی دیگران، کمی به بُعد فنی این جاسوسی بپردازیم و یکی از حدس های موجود که اتفاقن ایلان هم روش اموجی گذاشته رو بررسی کنیم. ببینیم چی گفته؟ 👉 @ai_python 🦁 ☀️ @elonfact پژوهشگری به نام وین دپیو ادعا کرده با تحلیل وزن‌های منتشرشدهٔ مدل‌ها نشان داده چهار آزمایشگاه بزرگ چینی (DeepSeek، Moonshot، MiniMax و Ant Group) مدل‌های تازه‌شان را روی تراشه‌های Blackwell انویدیا ساخته‌اند که صادراتشان به چین ممنوع است! 👨‍💻 👉 @ai_python 🦁 ☀️ به گفتهٔ او، مقدار اولیهٔ وزن‌ها به نوع دقیق GPU بستگی دارد و ردّش در مدل نهایی می‌ماند؛ او بیش از شش تریلیون ترکیب را جست‌وجو کرده و مثلاً با یک B300 وزن‌های اولیهٔ DeepSeek-V4-Flash را بیت به بیت بازسازی کرده است. او تخمین زده بزرگ‌ترین مدل‌ها هر کدام با ۲۰۰۰ تا ۳۰۰۰ تراشهٔ Blackwell آموزش دیده‌اند و می‌گوید پژوهشگران ارشد OpenAI و Anthropic نتیجه را تأیید کرده‌اند. 👉 @ai_python 🦁 ☀️ البته همون طور که می دونید من صلاحیت فنی که تشخیص بدم حرف این پژوهشگر درست یا غلط هست رو ندارم. ولی برای آدمایی که نیاز به توضیحات Beginner Friendly مثل من دارند، بیاید خیلی خلاصه و ساده ببینیم اصلن منظورش چیه از این حرف : وقتی یک مدل هوش مصنوعی ساخته می‌شود، با اعدادی تصادفی شروع می‌کند. این پژوهشگر می‌گوید هر نوع تراشه این اعداد را کمی متفاوت می‌چیند، مثل دست‌خط. اگر حرفش درست باشد، از روی «دست‌خط» مدل می‌شود فهمید با کدام تراشه ساخته شده، حتی تراشه‌ای که فروشش به چین ممنوع بوده. خلاصه این گونه ... 👨‍💻🥸
13 نوامبر, 04:01

یه نفر توی ردیت نوشته من فقط یه دونه H برای Fable نوشتم و اون 26 درصد سهمیه توکن روزانه م رو سوزوند. 😂 👉 @ai_python 🦁 ☀️ h
یه نفر توی ردیت نوشته من فقط یه دونه H برای Fable نوشتم و اون 26 درصد سهمیه توکن روزانه م رو سوزوند. 😂 👉 @ai_python 🦁 ☀️ https://www.reddit.com/r/ClaudeCode/comments/1xs5kde/comment/19sfdb4thzao5/ کامنتا خیلی بامزه س. به خصوص اینکه عکسش رو گذاشتم
11 نوامبر, 04:35

ایده های پیشنهادی برای استفاده بهینه تر از Hermes 👉 @ai_python 🦁 ☀️
ایده های پیشنهادی برای استفاده بهینه تر از Hermes 👉 @ai_python 🦁 ☀️
08 نوامبر, 10:21

استفاده از کامپیوتر با مدل دلخواه از طریق Open WebUI : 👉 @ai_python 🦁 ☀️ https://x.com/OpenWebUI/status/2117886684780224883
04 نوامبر, 05:14

03 نوامبر, 16:11

Repost from مزداهیک
01 نوامبر, 15:35

Repost from Reza Jafari
یه مقاله‌ی جدید با عنوان On the Economics of Reasoning Effort in LLM Agents بررسی کرده که برای LLMها بهتره از چه سطحی از Reasoning Effort استفاده کنیم. این مقاله به چند نتیجه‌ی جالب رسیده. اول اینکه Reasoning Effort بیشتر، لزوماً به معنی عملکرد بهتر نیست. از طرف دیگه، هرچی Reasoning Effort بالاتر باشه، معمولاً هزینه هم بیشتر می‌شه؛ به‌طوری‌که هزینه‌ی بالاترین سطح می‌تونه تا ۴۲ برابرِ پایین‌ترین سطح باشه. نکته‌ی جالب دیگه اینه که بعضی وقت‌ها ممکنه یه مسئله با Reasoning Effort پایین‌تر درست حل بشه، اما همون مسئله با Reasoning Effort بالاتر، اشتباه جواب داده بشه! در واقع، افزایش میزان تلاش برای استدلال همیشه به بهبود نتیجه منجر نمی‌شه. همچنین، تغییر Reasoning Effort فقط روی تعداد Tokenهای مصرف‌شده تأثیر نمی‌ذاره، بلکه نحوه‌ی حل Taskها توسط Agentها رو هم تغییر می‌ده. وقتی Reasoning Effort بالاتره، Agentها زمان و تلاش بیشتری صرف Verify کردن خروجی‌های خودشون می‌کنن و به‌جای اینکه مستقیماً روی حل مسئله کار کنن، بیشتر دنبال پیدا کردن Solution می‌گردن. هر دوی این رفتارها باعث می‌شن Trajectory حل مسئله طولانی‌تر بشه، بدون اینکه لزوماً نتیجه‌ی نهایی بهتر بشه یا تغییری بکنه. 🔗 لینک مقاله 👑 توضیحات در مورد دوره منتورینگ 🏆 نحوه ثبت‌نام در دوره منتورینگ 🤝 تجارب موفق قبلی بچه‌ها از منتورینگ 🛠 راه‌ ارتباطی مشاوره تخصصی کسب‌وکار در زمینه دیتا و هوش مصنوعی @reza_jafari_ai
01 نوامبر, 13:48

امروز خودم داشتم دوباره این ویدیو رو می دیدم و یه خوبی که داشت بخش امنیتش بود که خلاصه ای از موارد امنیتی رو می گه که گاهی یادمون می ره چک کنیم. مثلن چطوری جلوی هایجک Agent رو بگیریم و ...
28 اکتبر, 07:28

مواردی که برای ساخت یک Agent هوش مصنوعی خوب باید رعایت کنیم : 👉 @ai_python 🦁 ☀️ https://youtu.be/xKgY5vnzjMQ?si=f564ZuiTqMn
مواردی که برای ساخت یک Agent هوش مصنوعی خوب باید رعایت کنیم : 👉 @ai_python 🦁 ☀️ https://youtu.be/xKgY5vnzjMQ?si=f564ZuiTqMneQqi0
27 اکتبر, 17:43

طبق گزارش بلومبرگ، مایکروسافت با هدف کاهش هزینه‌ها در پی طبعات پیشرفتِ هوش مصنوعی، به ۶۰ هزار کارمند خود بسته‌های بازنشستگی ا
طبق گزارش بلومبرگ، مایکروسافت با هدف کاهش هزینه‌ها در پی طبعات پیشرفتِ هوش مصنوعی، به ۶۰ هزار کارمند خود بسته‌های بازنشستگی ارائه (پیشنهاد) می‌دهد. (یعنی می گه بیا همین الان اینو بگیر برو 🐸) 👉 @ai_python 🦁 ☀️ X : خب واقعیت اینه که به خصوص توی کمپانی های بسیار بزرگ همیشه تعداد زیادی نیروی کار می دیدیم که تسک های تکراری انجام می دادن. اسمشون این بود که مثلن فلان سِمت رو توی مایکروسافت و گوگل دارن. ولی در واقع کاری که انجام می دادن طوری بود که فرقی نداشت نیروی A یا نیروی B فارغ‌التحصیل این رشته، انجامش بده. فرآیند استخدام بر اساس تخصص و دامنه دانش، یه چیز دکوری بود که اتفاقن اصلن هم نورودایورجینت فرندلی نبود و برعکس تو هر چه قدر نمایش بهتری داشتی، منابع انسانی و تیم از تو بیش تر خوشش میومد و استخدام می شدی. فقط برای اینکه این طوری ویو بهتری داره. یا بیش تر خوش می گذره. زمان کافی برای آموزش نیرو ها می ذاشتن و حتی اگر رشته اون آدم هم این نبود، در نهایت کار رو یاد می گرفت و انجام می داد. 👉 @ai_python 🦁 ☀️ البته همه این موارد هیچ اشکالی هم نداره. روح اون زمانه بود. الانم شاید هنوز توی پوزیشن هایی که کفه ترازو در سمت مارکتینگشون سنگینه، ویو (منظورم ظاهر نیست) حرف اول رو بزنه. ولی خب دیگه جونیوری که فقط یک کار فنی آموزش داده شده رو به صورت تکراری و دائم انجام بده و برای تسک بعدی بازم نیاز به آموزش داره، حذف می شه. به نظرم الان زمانه، عصر جونیورهایی هست که از اول سنیور هستن و شاید توی پوزیشن های فنی خیلی نیاز به ویو هم ندارن. جونیورِ از اول سنیور، یعنی هر شخصی که اتوپایلوت هست. نیازی نداره که یه نفر دائم بهش آموزش بده. شولونگش کنه. خودش می ره دنبال موضوع و یه جوری حلش می کنه. Input می گیره. اما اون اینپوت، اینپوت فنی نیست. بیش تر اینپوت کدوم لیبل و کدوم نیاز هست. و خب طبیعتن این جونیوری که از اول سنیوره، فرقی نمی کنه تا حالا با فلان زبان برنامه نویسی کد نوشته یا نه. فرقی نداره فلان معماری یا سرویس رو می شناسه یا نه. فقط کافیه چند تا لیبل بهش بدی و هدف و ... و خودش راهش رو پیدا می کنه. از در نشد، از پنجره میاد تو. چون بقیه ای که این طوری نیستن، طبیعتن AI Agent ها جاشون رو می گیرن. برای همینم هست که می گیم شغل های آی تی از بین نمی رن. فقط الک می شن. نوعشون تغییر می کنه و آدمایی با ویژگی های خاص که قبلن طلا بودن، ممکنه الان دیگه طلا نباشن. الان عصر، عصرِ اقیانوس های به عمق چند سانتی‌متر هست که بتونن موج های بزرگ درست کنند.
26 اکتبر, 18:57

تفاوت های MCP با WebMCP 👉 @ai_python 🦁 ☀️
تفاوت های MCP با WebMCP 👉 @ai_python 🦁 ☀️
26 اکتبر, 17:04

Repost from مزداهیک
چطور با چند عمل ساده روی سطرها، یک دستگاه معادله را حل کنیم؟ 📘 جزوهٔ جبر خطی | جلسهٔ دوم با تدریس گیلبرت استرنگ 🏛 MIT حذف گاوسی و ماتریس‌های مقدماتی در این جلسه، مراحل حذف گاوسی و جانشانی پسرو را دنبال می‌کنیم و می‌بینیم چگونه می‌توان هر گام حل را به زبان ماتریس‌ها نوشت. 📄 جزوهٔ فارسی در ۱۵ صفحه تهیه و تنظیم: گروه ریاضی مزداهیک 🆔 @mazdaahik #جبر_خطی #گیلبرت_استرنگ #حذف_گاوسی #MIT
26 اکتبر, 16:39

Repost from مزداهیک
👇👇👇
👇👇👇
26 اکتبر, 16:39

Repost from We all are BiTs
ابزار آنلاین برای تست آسیب پذیری SSRF @WearebiTs 🐤 https://webhook.site/
ابزار آنلاین برای تست آسیب پذیری SSRF @WearebiTs 🐤 https://webhook.site/
26 اکتبر, 13:52

توی گروک بات می شه ازش درخواست کنید یک فرم امن براتون باز کنه و یوزر و پسورد های مورد نیازش رو از طریق اون فرم امن براش بفرستید که توی Vault ش ذخیره کنه. 👉 @ai_python 🦁 ☀️ نمی دونم بقیه دستیارها هم اینو دارن یا نه؟
26 اکتبر, 12:24

بیش تر دوستانی که Pentesting انجام می دن با PortSwigger و ابزار Burp آشنایی دارن و نیاز به معرفی نداره. 👉 @ai_python 🦁 ☀️ ح
بیش تر دوستانی که Pentesting انجام می دن با PortSwigger و ابزار Burp آشنایی دارن و نیاز به معرفی نداره. 👉 @ai_python 🦁 ☀️ حالا اونا یک سولوشن Agentic AI ارائه دادن (بتا) که اجنت های هوش مصنوعی به عنوان متخصص امنیت بهتون کمک می کنن که Pentest پلتفرم های آنلاینتون رو انجام بدید.
23 اکتبر, 03:42

اف بی آی هم درباره آسیب های امنیتی PHP توصیه هایی رو برای سازمان های دولتی آمریکا منتشر کرد. 👉 @ai_python 🦁 ☀️ https://x.co
اف بی آی هم درباره آسیب های امنیتی PHP توصیه هایی رو برای سازمان های دولتی آمریکا منتشر کرد. 👉 @ai_python 🦁 ☀️ https://x.com/FBICyberDiv/status/2112921648252719420/photo/1 X
21 اکتبر, 12:45