fa
Feedback

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

باگولو | Bagulu

باگولو | Bagulu

رفتن به کانال در Telegram

🐛 باگولو کوچولو :) یه موجود کنجکاو از دنیای برنامه نویسی و تکنولوژی؛ همیشه دنبال کشف چیزای تازه‌ست و گاهی هم وسط ماجراهاش خرابکاری میکنه! 🛍️ فروشگاه باگولو: @BaguluApp

نمایش بیشتر
Buy Ad
9 405
مشترکین
-3924 ساعت
-757 روز
-28930 روز

در حال بارگذاری داده‌ها

جذب مشترکین
نوامبر '26
نوامبر '26
+37
در 2 کانال‌ها
اکتبر '26
+648
در 5 کانال‌ها
Get PRO
سپتامبر '26
+109
در 6 کانال‌ها
Get PRO
اوت '26
+205
در 5 کانال‌ها
Get PRO
ژوئیه '26
+230
در 10 کانال‌ها
Get PRO
ژوئن '26
+284
در 21 کانال‌ها
Get PRO
مه '26
+240
در 11 کانال‌ها
Get PRO
آوریل '26
+58
در 3 کانال‌ها
Get PRO
مارس '26
+3
در 0 کانال‌ها
Get PRO
فوریه '26
+253
در 9 کانال‌ها
Get PRO
ژانویه '26
+36
در 5 کانال‌ها
Get PRO
دسامبر '25
+112
در 5 کانال‌ها
Get PRO
نوامبر '25
+119
در 5 کانال‌ها
Get PRO
اکتبر '25
+194
در 5 کانال‌ها
Get PRO
سپتامبر '25
+61
در 4 کانال‌ها
Get PRO
اوت '25
+90
در 8 کانال‌ها
Get PRO
ژوئیه '25
+473
در 6 کانال‌ها
Get PRO
ژوئن '25
+76
در 4 کانال‌ها
Get PRO
مه '25
+533
در 4 کانال‌ها
Get PRO
آوریل '25
+339
در 4 کانال‌ها
Get PRO
مارس '25
+155
در 9 کانال‌ها
Get PRO
فوریه '25
+242
در 9 کانال‌ها
Get PRO
ژانویه '25
+299
در 7 کانال‌ها
Get PRO
دسامبر '24
+71
در 2 کانال‌ها
Get PRO
نوامبر '24
+333
در 2 کانال‌ها
Get PRO
اکتبر '24
+487
در 3 کانال‌ها
Get PRO
سپتامبر '24
+1 025
در 5 کانال‌ها
Get PRO
اوت '24
+2 832
در 2 کانال‌ها
Get PRO
ژوئیه '24
+1 648
در 5 کانال‌ها
Get PRO
ژوئن '24
+1 884
در 59 کانال‌ها
Get PRO
مه '24
+3 551
در 87 کانال‌ها
Get PRO
آوریل '24
+2 524
در 104 کانال‌ها
Get PRO
مارس '24
+3 056
در 8 کانال‌ها
تاریخ
رشد مشترکین
اشارات
کانال‌ها
22 نوامبر0
21 نوامبر+1
20 نوامبر+6
19 نوامبر+3
18 نوامبر0
17 نوامبر+4
16 نوامبر+2
15 نوامبر+2
14 نوامبر0
13 نوامبر+1
12 نوامبر+2
11 نوامبر+4
10 نوامبر+3
09 نوامبر+2
08 نوامبر0
07 نوامبر0
06 نوامبر0
05 نوامبر0
04 نوامبر+5
03 نوامبر0
02 نوامبر+2
01 نوامبر0
پست‌های کانال
درآمد انواع برنامه نویسا: 🫥 @BaguluService
درآمد انواع برنامه نویسا: 🫥 @BaguluService
21 نوامبر, 22:32

2
چرا مدل های هوش مصنوعی کوچک‌تر گاهی انتخاب بهتری هستن؟ معمولا تصور میکنیم هرچه یک مدل هوش مصنوعی بزرگ‌تر باشه عملکرد بهتری داره. اما همیشه اینطور نیست. مدل های زبانی بزرگ (LLM) میتونن طیف گسترده ای از وظایف رو انجام بدن اما اجرای اونها به منابع محاسباتی زیادی نیار داره. مدل های زبانی کوچک (SLM) تلاش میکنن با منابع محدودتر عملکرد مناسبی ارائه بدن. فرض کنید یک شرکت میخواد پیام های پشتیبانی کاربران رو دسته بندی کنه، در این شرایط استفاده از یک مدل بسیار بزرگ برای تشخیص پیام های مربوط به پرداخت، مشکلات فنی یا سفارش ممکنه ضرورتی نداشته باشه. یک مدل کوچک‌تر هم میتونه این وظیفه رو با هزینه و تاخیر کمتری انجام بده، مدل هایی که در بعضی کاربرد ها حتی میتونن روی گوشی یا لپتاپ اجرا بشن و نیازی به ارسال درخواست به سرور های ابری نداشته باشن. تعداد پارامتر ها تنها عامل تعیین کننده کیفیت نیست؛ داده های آموزشی، روش آموزش و نوع وظیفه هم نقش مهمی دارن. البته مدل های کوچک‌تر همیشه جایگزین مناسبی نیستن؛ برای وظایفی مثل استدلال پیچیده مدل های بزرگ‌تر ممکنه عملکرد بهتری داشته باشن. و بزرگ‌تر بودن مدل لزوما به معنی انتخاب بهتر نیست، مهم اینه که مدل با نوع وظیفه و منابع مورد نیاز تناسب داشته باشه. @BaguluService
235
3
ـ سم 😂😂 🫥 @BaguluService
ـ سم 😂😂 🫥 @BaguluService
404
4
ـ والا 😁 🫥 @BaguluService
ـ والا 😁 🫥 @BaguluService
570
5
قبل از اینکه پروژه فرانت‌اندت رو نهایی کنی، این چک‌لیست رو یه نگاه بنداز 👀 ـ Front-End Checklist مجموعه‌ای از نکات مهم برای بررسی کیفیت پروژه‌های فرانت‌اند؛ از Performance و Security گرفته تا SEO و Testing. ـ حالا علاوه بر GitHub، یه وبسایت و MCP Server هم داره تا بتونی ازش کنار ابزارهای AI استفاده کنی. frontendchecklist.io 🫥 @BaguluService
605
6
🤶 هوش مصنوعی بدون سانسور در 12 دقیقه: واقعاً چطور کار می‌کند؟؟ از یه مدل هوش مصنوعی چیزی بخوای که قبول نمی‌کنه، هر بار همون
🤶 هوش مصنوعی بدون سانسور در 12 دقیقه: واقعاً چطور کار می‌کند؟؟ از یه مدل هوش مصنوعی چیزی بخوای که قبول نمی‌کنه، هر بار همون جواب رو می‌گیری: «نمی‌تونم کمکت کنم.» ولی اگه چندتا عدد رو توی همون فایل مدل عوض کنی، یهو جواب می‌ده. نه پرامپت خاصی لازمه، نه آموزش دوباره. اسم این کار «ابلیتریشن» (abliteration) هست. در این ویدیو: - جیل‌بریک‌ها، فاین‌تیونینگ و Abliteration، و تفاوت‌های آن‌ها - آنچه واقعاً درون یک فایل مدل وجود دارد و چگونه یاد می‌گیرد که چه زمانی «نه» بگوید - پژوهش ۲۰۲۴ که کشف کرد رد شدن‌ها (Refusals) در یک جهت واحد درون مدل زندگی می‌کنند - ویرایش چگونه کار می‌کند و چرا فقط به یک ابزار رایگان و یک بعدازظهر روی یک رایانه شخصی گیمینگ نیاز دارد - هزینه‌ای که مدل متحمل می‌شود: صداقت، ریاضیات و «پرتگاه هزینه» نزدیک به صفر رد شدن - چرا «صفر رد شدن» به این معنی نیست که مدل واقعاً به شما کمک می‌کند - چرا پس از دانلود یک مدل، نمی‌توان آن را برگرداند و ایمنی باید کجا قرار بگیرد - سه چیزی که باید قبل از اعتماد به یک مدل Abliterated بررسی کنید فصل‌ها: 00:00 مقدمه 00:40 سه راه برای عبور از یک «نه» 01:30 مدل چیست 02:07 کشفیات 03:19 ویرایش چگونه کار می‌کند 03:49 یک دستور 04:48 این اکنون یک کسب‌وکار است 05:32 هزینه آن چیست 06:19 پرتگاه هزینه 07:05 صفر رد شدن به معنای کمک نیست 07:44 چرا مردم از آن‌ها استفاده می‌کنند 08:29 ریسک واقعی 08:55 چرا نمی‌توان آن را برگرداند 09:47 چگونه تشخیص دهیم که آیا یکی خوب است یا نه 10:31 جمع‌بندی منابع (صفحه‌ها به صورت ثبت شده در ۵ نوامبر ۲۰۲۶): - Arditi et al., «رد شدن در مدل‌های زبان توسط یک جهت واحد میانجی‌گری می‌شود» (۲۰۲۴): https://arxiv.org/abs/2406.11717 - Qi et al., «همسویی ایمنی باید عمیق‌تر از چند توکن باشد» (ICLR 2025): https://arxiv.org/abs/2406.05946 - Heretic (رایگان، متن باز): https://github.com/p-e-w/heretic - Heretic issue #290, شمارش رد شدن‌ها: https://github.com/p-e-w/heretic/issues/290 - abliteration.org ردیاب (۱۹,۸۳۰ مدل ردیابی شده، ۵,۰۸۸ نویسنده در ۵ نوامبر ۲۰۲۶): https://abliteration.org/ - abliteration.ai (http://abliteration.ai/), GLM 5.3 Abliterated: https://abliteration.ai/blog/introducing-abliterated-model-large-v2 - LiteLLM, ارائه‌دهندگان مدل‌های Abliterated (Refuseless): https://docs.litellm.ai/blog/abliterated-models - تحلیل تطبیقی روش‌های Abliteration در LLM (میانگین GSM8K روی ۳ مدل): https://arxiv.org/html/2512.13655 - ModelRanker, «مالیات Abliteration»: https://modelranker.org/blog/the-abliteration-tax/ - مطالعه پرتگاه هزینه Heretic برای Qwen 3.6 (داده‌های Hugging Face): https://huggingface.co/datasets/DmitryDB/Qwen3.6-35B-A3B-heretic-study - نمونه کارت‌های مدل Heretic: https://huggingface.co/JonathanColetti/Qwen3.8-27B-Uncensored-GGUF و https://huggingface.co/pqhaz/DeepSeek-V4.1-Flash-1017-heretic - کارت مدل OpenAI gpt-oss، بخش ۲.۴: https://arxiv.org/html/2508.10925 این ویدیو توضیح می‌دهد که این تکنیک چگونه کار می‌کند. آن هیچ استفاده مضر را نشان نمی‌دهد یا تأیید نمی‌کند. #AI #LocalAI #AISafety #LLM #OpenSourceAI 📺 HD | 720p | H.264 / AVC | 348 kbps | 11:21 | Hardsub 🔗 LINK: https://www.youtube.com/watch?v=C76rMnDaTUQ 🤖 @Rostam_robot 🧠 @vilix_ai
435
7
شرایط رو طوری شکل بده که نتیجه دلخواه ساده تر از گزینه های جایگزین به نظر برسه. بعضی از موفقیت ها قبل از شروع رقابت بدست میان. قدرت در رقابت مهمه، اما موقعیت سازی و استراتژی درست میتونه کاری کنه که اصلا نیازی به رقابت نباشه. @Bugoloo
808
8
شرایط رو طوری شکل بده که نتیجه دلخواه ساده تر از گزینه های جایگزین به نظر برسه. بعضی از موفقیت ها قبل از شروع رقابت بدست میان. قدرت در رقابت مهمه، اما موقعیت سازی و استراتژی درست میتونه کاری کنه که اصلا نیازی به رقابت نباشه. @Bugoloo
1
9
خیلی وقت‌ها منتظریم تا احساس کنیم به‌اندازه کافی آماده و توانمندیم و بعد سراغ کارهای سخت بریم. اما اعتمادبه‌نفس با صبر کردن به دست نمیاد؛ با شروع کردن، شناختن ضعف‌ها و تمرین کردن ساخته می‌شه. گاهی برای یاد گرفتن اینکه چطور از پس کاری بربیایم، اول باید جرئت شروع کردنش رو داشته باشیم. @Bugoloo
1
10
خیلی وقت‌ها منتظریم تا احساس کنیم به‌اندازه کافی آماده و توانمندیم و بعد سراغ کارهای سخت بریم. اما اعتمادبه‌نفس با صبر کردن به دست نمیاد؛ با شروع کردن، شناختن ضعف‌ها و تمرین کردن ساخته میشه. گاهی برای یاد گرفتن اینکه چطور از پس کاری بربیایم، اول باید جرئت شروع کردنش رو داشته باشیم. @Bugoloo
1
11
درود رفقا اگر نیاز به خرید #فیلترشکن دارید میتونید از ربات ما استفاده کنید اونم همراه تست و تضمین ۱۰۰ از سرور ها... آدرس ربات
درود رفقا اگر نیاز به خرید #فیلترشکن دارید میتونید از ربات ما استفاده کنید اونم همراه تست و تضمین ۱۰۰ از سرور ها... آدرس ربات: @xsfilterbot آدرس چنل: @xsfilter تحت نظر و تضمین چنله: @xsfilterrnet
473
12
دوستان، حتما لازم نیست ریپوهای خودتون رو ارسال کنید! میتونید ریپوهای بزرگ، کاربردی، جالب، سرگرم‌کننده، آموزشی یا حتی پروژه‌های مرتبط با حوزه کاری خودتون رو هم معرفی کنید. اینطوری هم با پروژه‌های متنوع‌تری آشنا میشیم و هم میتونیم محتوای متفاوت‌تری داشته باشیم. چون بیشتر پست‌های کانال به صورت خودکار از طریق ربات منتشر میشن، معرفی شما میتونه به متنوع‌تر شدن محتوا کمک کنه. ارسال ریپازیتوری: 🤖 @GitHubLensBot
230
13
🚀 تجربه سرعت و پایداری واقعی با Voidnet دیگر نگران قطعی، افت سرعت و پینگ بالا نباشید! تیم Voidnet با ارائه زیرساخت قدرتمند و
🚀 تجربه سرعت و پایداری واقعی با Voidnet دیگر نگران قطعی، افت سرعت و پینگ بالا نباشید! تیم Voidnet با ارائه زیرساخت قدرتمند و سرورهای اختصاصی، دسترسی سریع، امن و بدون محدودیت را برای شما فراهم کرده است. ✨ چرا Voidnet؟ ⚡️ سرعت فوق‌العاده و اتصال آنی (بدون افت سرعت در ساعات اوج) 🛡 امنیت بالا و حفظ کامل حریم خصوصی 🎮 پینگ پایین و پایدار (مناسب وب‌گردی، استریم و گیم) 📱 سازگار با تمامی اپراتورها و دستگاه‌ها 🎧 پشتیبانی سریع و پاسخگو 🎁 کد تخفیف اختصاصی ۲۰ درصدی: REPO_FA 👇 همین حالا با ۲۰٪ تخفیف سرویس خود را دریافت کنید: 🤖 ربات دریافت آنی سرویس: @Voidnet2026_bot 📢 کانال اطلاع‌رسانی و آفرها: @Voidnet2026
512
14
چرا حتی بعد از منقضی شدن TTL، ممکنه کاربران به IP قدیمی وصل بشن؟ فرض کنید IP یک سایت رو تغییر دادید و TTL رکورد DNS هم تموم شده، پس‌چرا هنوز بعضی کاربران ممکنه آدرس قبلی رو دریافت کنن؟ یکی از دلالیلش قابلیتی به اسم Serve stale هست. در حالت عادی وقتی TTL تموم میشه، DNS Resolver باید برای دریافت اطلاعات تازه به سرورهای مرجع DNS مراجعه کنه. اما اگر این سرور ها در دسترس نباشن بعضی Resolver ها ترجیح میدن به جای برگردوندن خطا، اطلاعات قدیمی و منقضی شده رو موقتا در اختیار کاربر قرار بدن. این رفتار هدفش افزایش پایداری DNS در زمان اختلاله. درواقع از یک طرف میخوایم اطلاعات DNS همیشه به روز باشن، از طرف دیگه نمیخوایم با از دسترس خارج شدن یک سرور مرجع دسترسی کاربران هم مختل بشه. به همین دلیل گاهی DNS ترجیح میده اطلاعات قدیمی اما قابل استفاده رو برگردونه نه اینکه اصلا پاسخی نده. @Bugoloo
835
15
اما برای کسانی که تازه برنامه‌نویسی رو شروع کردن، دلیلی برای کنار گذاشتنش وجود نداره. اگر از رقابت شدید نمی‌ترسید، می‌تونید ادامه بدید. فقط باید به‌جای تبدیل شدن به یک نیروی اجرایی ساده، تلاش کنید به متخصصی تبدیل بشید که توانایی به عهده گرفتن و توسعه یک پروژه کامل رو داره. از طرف دیگه، در پروژه‌های بزرگ سازمانی (Enterprise)، تعداد برنامه‌نویس‌ها به این راحتی کم نمیشه. پروژه‌هایی که میلیون‌ها دلار درآمد دارن، قرار نیست به یک برنامه‌نویس سپرده بشن. هرچقدر یک پروژه درآمد بیشتری داشته باشه، تیم پشت اون هم اهمیت بیشتری پیدا می‌کنه و نقش‌های تخصصی بیشتری به وجود میان. بنابراین، هم به برنامه‌نویس‌هایی نیاز داریم که در یک حوزه متخصص و حرفه‌ای باشن و هم به برنامه‌نویس‌های چندمهارته‌ای که با کمک هوش مصنوعی بتونن در حوزه‌های مختلف یک پروژه رو توسعه بدن. 🥹 @Bugoloo
1 040
16
قدرت من بدون chatgpt : @Bugoloo
قدرت من بدون chatgpt : @Bugoloo
975
17
فعالیت صفحه اینستاگرام ما هم شروع شد 🎉 از این به بعد اونجا رو هم جدی‌تر دنبال می‌کنیم و قراره محتوای بیشتری درباره پروژه‌های اوپن‌سورس، ابزارهای کاربردی و چیزهای جالب منتشر کنیم. اگه از فعالیت Persian GitHub راضی هستید، خوشحال میشم اونجا هم همراهمون باشید ❤️‍🔥 📱 instagram.com/persiangithub 🐙 @RepoFA
481
18
نحوه ارائه‌ کار، شیوه صحبت درباره اون و حتی تصویری که از خودتون نشون میدید همیشه مهم بوده، همین موارد هستن که شما و محصولتون رو از بقیه متمایز میکنن. دیگه صرفا داشتن یک محصول خوب کافی نیست. @Bugoloo
1 044
19
یکی از Skill های کاربردی کلاد، data-context-extrator هست. اسکیمای دیتابیس، تعریف KPI ها، اصطلاحات داخلی و Query ها رو ازت میگیره و تبدیلشون میکنه به یه Skill اختصاصی. https://t.co/C8GsjndMP7 @Bugoloo
1 154
20
اینستاگرام Persian GitHub رو فالوو کنید :)) instagram.com/persiangithub
566