هوش مصنوعی - رضا شکرزاد
Відкрити в Telegram
👈 کانال علم داده و هوش مصنوعی رضا شکرزاد 🔘 نقشه‌راه یادگیری 🔘 معرفی و دانلود منابع 🔘 مقاله وبسایت دپارتمان: cafetadris.com/datascience ارتباط با ادمین، درخواست منتورشیپ و پروژه: https://t.me/dslanders_admin یوتیوب: Youtube.com/@RezaShokrzad
Показати більше📈 Аналітичний огляд Telegram-каналу هوش مصنوعی - رضا شکرزاد
Канал هوش مصنوعی - رضا شکرزاد (@dslanders) у мовному сегменті Фарсі є активним учасником. На даний момент спільнота об'єднує 12 695 підписників, посідаючи 16 068 місце в категорії Освіта та 26 467 місце у регіоні Іран.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 12 695 підписників.
За останніми даними від 29 жовтня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 7, а за останні 24 години на 3, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 9.45%. Протягом перших 24 годин після публікації контент зазвичай збирає 4.51% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 200 переглядів. Протягом першої доби публікація в середньому набирає 572 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 8.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“👈 کانال علم داده و هوش مصنوعی رضا شکرزاد
🔘 نقشه‌راه یادگیری
🔘 معرفی و دانلود منابع
🔘 مقاله
وبسایت دپارتمان:
cafetadris.com/datascience
ارتباط با ادمین، درخواست منتورشیپ و پروژه:
https://t.me/dslanders_admin
یوتیوب:
Youtube.com/@RezaShokrzad”
Завдяки високій частоті оновлень (останні дані отримано 30 жовтня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Освіта.
12 695
Підписники
+324 години
+27 днів
+730 днів
Завантажуємо дані
Схожі канали
Хмара тегів
Немає даних
Виникли проблеми? Будь ласка, оновіть сторінку або зверніться до нашого support-менеджера.
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
жовтень '26жовт '26
жовтень '26
+67
в 2 каналах
вересень '26
+230
в 1 каналах
Get PRO
серпень '26
+15
в 0 каналах
Get PRO
липень '26
+11
в 1 каналах
Get PRO
червень '26
+49
в 1 каналах
Get PRO
травень '26
+66
в 1 каналах
Get PRO
квітень '26
+13
в 0 каналах
Get PRO
березень '26
+4
в 0 каналах
Get PRO
лютий '26
+16
в 0 каналах
Get PRO
січень '26
+7
в 0 каналах
Get PRO
грудень '25
+29
в 0 каналах
Get PRO
листопад '25
+25
в 0 каналах
Get PRO
жовтень '25
+41
в 0 каналах
Get PRO
вересень '25
+23
в 0 каналах
Get PRO
серпень '25
+37
в 1 каналах
Get PRO
липень '25
+36
в 0 каналах
Get PRO
червень '25
+33
в 0 каналах
Get PRO
травень '25
+48
в 0 каналах
Get PRO
квітень '25
+21
в 1 каналах
Get PRO
березень '25
+22
в 2 каналах
Get PRO
лютий '25
+8
в 0 каналах
Get PRO
січень '25
+40
в 0 каналах
Get PRO
грудень '24
+26
в 1 каналах
Get PRO
листопад '24
+35
в 0 каналах
Get PRO
жовтень '24
+42
в 0 каналах
Get PRO
вересень '24
+68
в 0 каналах
Get PRO
серпень '24
+486
в 91 каналах
Get PRO
липень '24
+285
в 201 каналах
Get PRO
червень '24
+430
в 164 каналах
Get PRO
травень '24
+394
в 230 каналах
Get PRO
квітень '24
+485
в 211 каналах
Get PRO
березень '24
+282
в 204 каналах
Get PRO
лютий '24
+147
в 6 каналах
Get PRO
січень '24
+613
в 223 каналах
Get PRO
грудень '23
+552
в 282 каналах
Get PRO
листопад '23
+712
в 143 каналах
Get PRO
жовтень '23
+503
в 89 каналах
Get PRO
вересень '23
+633
в 0 каналах
Get PRO
серпень '23
+374
в 0 каналах
Get PRO
липень '23
+633
в 0 каналах
Get PRO
червень '23
+657
в 0 каналах
Get PRO
травень '23
+234
в 0 каналах
Get PRO
квітень '23
+224
в 0 каналах
Get PRO
березень '23
+421
в 0 каналах
Get PRO
лютий '23
+982
в 0 каналах
Get PRO
січень '23
+307
в 0 каналах
Get PRO
грудень '22
+88
в 0 каналах
Get PRO
листопад '22
+59
в 0 каналах
Get PRO
жовтень '22
+48
в 0 каналах
Get PRO
вересень '22
+92
в 0 каналах
Get PRO
серпень '22
+611
в 0 каналах
Get PRO
липень '22
+962
в 0 каналах
Get PRO
червень '22
+730
в 0 каналах
Get PRO
травень '22
+159
в 0 каналах
Get PRO
квітень '22
+76
в 0 каналах
Get PRO
березень '22
+5 862
в 0 каналах
Get PRO
лютий '22
+2 899
в 0 каналах
Get PRO
січень '22
+2 888
в 0 каналах
Get PRO
грудень '21
+798
в 0 каналах
Get PRO
листопад '21
+869
в 0 каналах
Get PRO
жовтень '21
+2 170
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 30 жовтня | 0 | |||
| 29 жовтня | +3 | |||
| 28 жовтня | 0 | |||
| 27 жовтня | +2 | |||
| 26 жовтня | +4 | |||
| 25 жовтня | +1 | |||
| 24 жовтня | +3 | |||
| 23 жовтня | +4 | |||
| 22 жовтня | +3 | |||
| 21 жовтня | 0 | |||
| 20 жовтня | +1 | |||
| 19 жовтня | +2 | |||
| 18 жовтня | 0 | |||
| 17 жовтня | 0 | |||
| 16 жовтня | +3 | |||
| 15 жовтня | 0 | |||
| 14 жовтня | 0 | |||
| 13 жовтня | +2 | |||
| 12 жовтня | +5 | |||
| 11 жовтня | 0 | |||
| 10 жовтня | +1 | |||
| 09 жовтня | +3 | |||
| 08 жовтня | +3 | |||
| 07 жовтня | +1 | |||
| 06 жовтня | +6 | |||
| 05 жовтня | +3 | |||
| 04 жовтня | +5 | |||
| 03 жовтня | +3 | |||
| 02 жовтня | +4 | |||
| 01 жовтня | +5 |
Дописи каналу
مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🎙️ خبر ۱: شرکت NVIDIA مدل باز Nemotron 3.5 Transcribe را معرفی کرده که صدا را به چند زبان رونویسی و ترجمه می‌کند، گوینده‌ها را از هم جدا می‌کند و با دستور دادن قابل تنظیم است.
🔁 خبر ۲: GitHub قابلیت خودکارسازی Copilot را طوری به‌روز کرده که از نتیجه کارهای واقعی یاد بگیرد؛ یعنی عامل‌های کدنویسی به‌جای تکرار اشتباه، روش کارشان را خودشان بهتر می‌کنند.
💬 خبر ۳: کاربران اشتراک Pro در آمریکا می‌توانند از طریق iMessage به دستیار Dot شرکت OpenAI پیام بدهند و بدون باز کردن هیچ اپی، دستور و عکس و پیام صوتی بفرستند.
🔍 خبر ۴: یک گزارش توضیح می‌دهد آمارهایی که چت‌بات‌ها نقل می‌کنند از کجا می‌آید، چطور «آمارهای زامبی» در اینترنت پخش می‌شوند و چطور می‌شود درستی‌شان را بررسی کرد.
🌱 خبر ۵: گوگل مدل Gemini 4 Carbon را معرفی کرده که در فهرست هوش Artificial Analysis رتبه اول را گرفته و در عین حال از مدل‌های قبلی کم‌مصرف‌تر و انرژی‌کارآمدتر است.
@dslanders
| 2 | 🌙 فرض کن عامل هوش مصنوعی شرکتت دیشب بی‌آنکه کسی دستور داده باشد چند فایل مهم را جابه‌جا کرده است. صبح از خودش می‌پرسی «دیشب چه کار کردی؟» و می‌گوید «من کاری نکردم». برای فهمیدن اینکه واقعاً چه شده، بهترین کار چیست؟ | 464 |
| 3 | 🧭 تیپ #34
بازیابی پویا: ایجنت خودش تصمیم می‌گیرد چه زمانی جست‌وجو کند
در روش کلاسیک، هر پرسش کاربر یک جست‌وجوی اجباری در پایگاه دانش را فعال می‌کند، حتی وقتی مدل خودش پاسخ را می‌داند. در رویکرد ایجنتی، بازیابی به یک ابزار در اختیار ایجنت تبدیل می‌شود و خودش تشخیص می‌دهد چه زمانی جست‌وجو لازم است، چه عبارتی بنویسد و آیا نتایج برگشته کافی هستند یا نه 🧭. نتیجه‌اش این است که توکن و زمان کمتری هدر می‌رود و در عوض ایجنت می‌تواند چند مرحله جست‌وجو را زنجیره کند و پرس‌وجوی ناموفق را اصلاح کند.
Agentic RAG: Let the Agent Decide When to Retrieve
Classic RAG runs retrieval on every single turn, whether or not the model actually needs it. Agentic RAG hands retrieval to the model as a tool and lets it decide when to search, what query to write, and whether the results are good enough 🧭. The payoff is concrete: fewer wasted tokens and less latency on questions the model can already answer, plus the ability to rewrite a query, chain several searches, or fall back to another source when the first pass comes back empty.
@dslanders | 526 |
| 4 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
📱 خبر ۱: شرکت Liquid AI مدل‌های LFM3 را معرفی کرد؛ مدل‌هایی باز و سبک برای متن، تصویر، صدا و تصمیم‌گیری که از ۲ میلیارد پارامتر شروع می‌شوند و مستقیم روی گوشی و لپ‌تاپ اجرا می‌شوند، بدون نیاز به اینترنت.
🎮 خبر ۲: گوگل Genie 4 را رونمایی کرد؛ ابزاری که محیط‌های تعاملی و واقع‌گرایانه با صدای هماهنگ می‌سازد و سازنده‌ها می‌توانند با یک دستور متنی، صحنه را همان لحظه تغییر دهند.
💻 خبر ۳: آپدیت اکتبر Visual Studio دو قابلیت مهم اضافه کرد: مقایسه مستقیم کامیت‌ها برای دیدن تغییرات کد، و یک Copilot Chat تازه که کار برنامه‌نویسی و رفع تداخل‌ها را سریع‌تر می‌کند.
⚖️ خبر ۴: بعد از اینکه Harvey نیم میلیارد دلار برای هوش مصنوعی حقوقی جذب کرد، یک برنامه‌نویس نسخه‌ای مشابه را رایگان و متن‌باز منتشر کرد تا پژوهش و تنظیم اسناد حقوقی بدون هزینه ممکن شود.
🍳 خبر ۵: نیویورک تایمز قابلیت‌های هوش مصنوعی را به اپلیکیشن آشپزی‌اش اضافه کرد، اما این تصمیم با واکنش منفی کاربرانی روبه‌رو شد که ورود هوش مصنوعی به ابزارهای روزمره را نمی‌پسندند.
@dslanders | 607 |
| 5 | 📝 یک نفر فرم حذف اطلاعاتش را در سایتی که اطلاعات مردم را می‌فروشد پر کرد و خیالش راحت شد. چند هفته بعد آدرس خانه‌اش را در چهار سایت دیگر هم پیدا کرد. اشتباه اصلی او چه بود؟ | 636 |
| 6 | 🥇 تیپ #33
بازرتبه‌بندی: بهترین قطعه‌ها را اول بیاور
جست‌وجوی برداری سریع است، اما در تشخیص تفاوت‌های ظریف ضعیف عمل می‌کند؛ چون پرسش و متن را جداگانه کدگذاری می‌کند، فهرست نتایج اولیه فقط تقریبی درست است. راه‌حل این است که ۵۰ تا ۱۰۰ قطعه‌ی کاندید را بگیرید و با یک مدل بازرتبه‌بند که پرسش و قطعه را هم‌زمان می‌خواند دوباره امتیازدهی کنید. 🥇 بعد فقط ۳ تا ۵ قطعه‌ی برتر را به مدل زبانی بدهید: کیفیت پاسخ بالا می‌رود و هزینه هم کنترل‌شده می‌ماند.
Reranking: put the best chunks first
Vector search is fast but blunt: it embeds the query and each chunk separately, so your top-k list is only roughly right. The fix is a two-stage funnel: pull 50 to 100 candidates from the vector store, then rescore each one against the query with a cross-encoder that reads both together. 🥇 Keep only the best 3 to 5 chunks for the prompt. The reranker is slower per pair, but you only run it on a short list, so answer quality jumps while latency stays reasonable.
@dslanders | 659 |
| 7 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🤖 خبر ۱: OpenAI مدل GPT-6.1 Terra را منتشر کرد؛ سریع‌تر و ارزان‌تر است و در دیدن تصویر، کار با کامپیوتر و نوشتن روزمره بهتر عمل می‌کند.
☁️ خبر ۲: Cloudflare Computer v0.7.0 به عامل‌های هوش مصنوعی اجازه می‌دهد بعد از خرابی یا به‌روزرسانی، کارشان را ادامه دهند و برای تأیید انسان توقف کنند.
🆘 خبر ۳: Survival LLM یک دستیار هوش مصنوعی آفلاین و یک کتابخانه اضطراری است که کاملاً روی کامپیوتر خودتان و بدون نیاز به اینترنت کار می‌کند.
🌿 خبر ۴: Fern از Mirendil تا ۱۰ میلیون توکن (واحد متن) را می‌پذیرد و برای کارهایی که هوش مصنوعی انجام می‌دهد و متن زیادی می‌خواهند مناسب است.
🧹 خبر ۵: ویکی‌پدیا متن‌هایی را که هوش مصنوعی می‌نویسد پاک می‌کند و نشان می‌دهد کاربران چطور نوشته‌های ماشینیِ نامطمئن را پیدا و حذف می‌کنند.
@dslanders | 708 |
| 8 | 🗄️ یک شرکت هر شب از فایل‌هایش نسخهٔ پشتیبان می‌گیرد و بازگردانی از پشتیبان را آزمایش کرده است. مهاجم فایل‌ها را قفل نمی‌کند؛ فقط یک کپی از داده‌ها را می‌دزدد و تهدید می‌کند آن‌ها را منتشر کند. اگر شرکت باج ندهد و فایل‌ها را از پشتیبان برگرداند، محتمل‌ترین نتیجه چیست؟ | 698 |
| 9 | 🧩 تیپ #32
جستجوی ترکیبی: کلیدواژه به‌علاوهٔ بردار
بازیابی صرفاً برداری معنا را خوب می‌گیرد، اما کد خطا، شناسهٔ سفارش یا نام دقیق محصول را از دست می‌دهد؛ جستجوی کلیدواژه‌ای هم دقیقاً برعکس عمل می‌کند. کافی است هر دو بازیابی را موازی اجرا کنید و فهرست‌های رتبه‌بندی‌شده را با روش RRF ادغام کنید 🔀، یعنی امتیاز هر سند برابر مجموع ۱ تقسیم بر (۶۰ به‌علاوهٔ رتبهٔ آن در هر فهرست) باشد. بعد از ادغام، ۵۰ سند برتر را با یک مدل رتبه‌بندی مجدد امتیازدهی کنید؛ در عمل همین یک تغییر بیشتر خطاهای بازیابی ایجنت را حل می‌کند تا عوض کردن مدل embedding.
Hybrid search: fuse keywords with embeddings
Vector search is great at meaning but blind to exact tokens like error codes, SKUs, or product names, while keyword search nails those and misses paraphrases. Run both retrievals in parallel and merge the ranked lists with Reciprocal Rank Fusion, where each document scores the sum of 1/(60 + its rank) in each list 🔀. Then rerank the fused top 50 with a cross-encoder. In practice this one change fixes more agent retrieval failures than swapping in a bigger embedding model.
@dslanders | 713 |
| 10 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🧰 خبر ۱: Hob یک اپلیکیشن رایگان و متن‌باز دسکتاپ است که یک همکار هوش مصنوعی را کامل روی کامپیوتر خودتان اجرا می‌کند، بدون اشتراک ابری.
🖱️ خبر ۲: عامل‌های Cursor حالا می‌توانند اپ‌های دسکتاپ مثل شبیه‌ساز iOS را کنترل کنند، تا توسعه‌دهنده‌ها تست ویژگی‌های جدید را خودکار کنند.
💸 خبر ۳: پرسیدن سؤال به زبان‌های غیرانگلیسی گران‌تر تمام می‌شود، چون سیستم تقسیم متن، جمله فارسی را به تکه‌های بیشتری می‌شکند و هزینه بالا می‌رود.
🍎 خبر ۴: مدل ۲۰ میلیارد پارامتری Apple روی خود گوشی فقط ۲ گیگابایت حافظه می‌گیرد، چون بیشتر وزن‌های مدل در حافظه فلش می‌ماند.
🌙 خبر ۵: مدل Kimi K3.1 Pro از Moonshot در آزمون مستقل Artificial Analysis نمره ۵۵ گرفت و جلوتر از رقبا ایستاد؛ وزن‌هایش ۴ نوامبر عمومی می‌شود.
@dslanders | 774 |
| 11 | ✈️ خیلی‌ها فکر می‌کنند خرابی ایجنت همیشه یک ایراد فنی است. فرض کن به ایجنتی می‌گویی «ارزان‌ترین بلیت را بگیر» و او پرواز ساعت ۵ صبح با دو توقف را می‌خرد. مشکل اصلی کجاست؟ | 748 |
| 12 | ✂️ تیپ #31
قطعه‌بندی اسناد در RAG: اندازه و هم‌پوشانی را جدی بگیرید
کیفیت بازیابی در سامانه‌های RAG بیش از هر چیز به نحوه تکه‌تکه کردن اسناد بستگی دارد، ولی بسیاری از تیم‌ها همان مقدار پیش‌فرض کتابخانه را رها می‌کنند. یک نقطه شروع معقول، قطعه‌هایی در حدود ۲۰۰ تا ۵۰۰ توکن با ۱۰ تا ۲۰ درصد هم‌پوشانی است تا جمله‌ای که روی مرز دو قطعه می‌افتد، دست‌کم در یک قطعه کامل باقی بماند 🧩. قطعه‌های خیلی کوچک معنای ناقص می‌دهند و قطعه‌های خیلی بزرگ متن بی‌ربط را وارد پرامپت می‌کنند. به‌جای حدس زدن، دو سه تنظیم مختلف را روی یک مجموعه ارزیابی کوچک امتحان کنید.
Chunk Size and Overlap: The RAG Knobs Nobody Tunes
Chunking is the highest-leverage knob in a RAG pipeline, yet most teams leave it at whatever the default splitter gave them. A solid starting point is roughly 200 to 500 tokens per chunk with 10 to 20 percent overlap, so a sentence that falls on a boundary still lands whole in at least one chunk 🧩. Go smaller and each embedding turns noisy; go bigger and the retriever drags irrelevant text into the prompt. Then stop guessing: run two or three configurations against a small eval set and pick the winner.
@dslanders | 780 |
| 13 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
💸 خبر ۱: قیمت مدل‌های زبانی OpenAI و Anthropic در چند ماه تا ۸۰ درصد پایین آمده؛ استفاده از هوش مصنوعی ارزان‌تر شده، ولی این پرسش را جدی کرده که شرکت‌ها با این قیمت‌ها چطور دوام می‌آورند.
🛡️ خبر ۲: گروهی به نام Gheist با توکن‌های دزدیده‌شده GitHub به مخزن‌های کد نفوذ کرده و با ساخت workflowهای مخفی اطلاعات حساس را بیرون می‌کشد؛ بهتر است دسترسی‌های CI پروژه‌تان را بازبینی کنید.
🩺 خبر ۳: یک مدل کوچک ۱۰ ساله در تشخیص سرطان پوست از مدل‌های زبانی بزرگ جلو زده؛ نشان می‌دهد مدل تخصصی و کوچک در پزشکی می‌تواند از هوش مصنوعی عمومی بهتر عمل کند.
🎓 خبر ۴: یک استاد ریاضی دانشگاه برکلی می‌گوید با وجود هوش مصنوعی تصحیح تکلیف دیگر فایده‌ای ندارد و معلم‌ها باید فکر کنند فهم واقعی دانشجو را چطور بسنجند.
📷 خبر ۵: برنده یک مسابقه عکاسی Nikon عنوانش را از دست داد، چون دانشمندان نشانه‌های ساخت تصویر با هوش مصنوعی را در کارش دیدند؛ نشان می‌دهد تشخیص تصویر AI هنوز سخت است.
@dslanders | 902 |
| 14 | 🌐 صاحب یک وبلاگ می‌خواهد از نوشته‌هایش برای آموزش مدل‌های هوش مصنوعی استفاده نشود، ولی نمی‌خواهد سایتش از نتایج جست‌وجو هم حذف شود. بهترین کار چیست؟ | 859 |
| 15 | 🗄️ تیپ #30
ذخیره‌سازی موقت پرامپت‌ها و نتیجهٔ ابزارها
بخش زیادی از هزینه و تأخیر یک ایجنت از تکرار بی‌فایده می‌آید: هر نوبت همان system prompt، همان تعریف ابزارها و همان اسناد بازیابی‌شده دوباره فرستاده می‌شوند. اگر بخش‌های ثابت را ابتدای پرامپت بگذارید و فقط پیام تازهٔ کاربر یا خروجی ابزار را به انت‌ها اضافه کنید، سرویس‌دهنده می‌تواند آن پیشوند را از کش بخواند و هزینهٔ توکن‌ها را چند برابر کم کند. همین منطق را به ابزارها هم ببرید: کلید کش را از نام ابزار و آرگومان‌هایش بسازید و نتیجهٔ فراخوانی‌های قطعی و فقط‌خواندنی را دوباره استفاده کنید ♻️، اما برای ابزارهایی که عارضهٔ جانبی دارند یا داده‌شان سریع عوض می‌شود کش را کنار بگذارید. کشی که هیچ‌وقت باطل نمی‌شود، در واقع یک باگ است که تأخیرش کم شده.
Cache the prompt prefix and your tool results
Most of an agent's cost and latency hides in the same prefix being re-sent every turn: system prompt, tool schemas, retrieved docs. Put everything stable at the front, add a cache breakpoint, and keep only the new user turn or tool output at the end so the provider can reuse that prefix at a fraction of the price. Then apply the same idea to tools: hash the tool name plus its arguments as the cache key and reuse results for deterministic, read-only calls ♻️, while skipping the cache for anything with side effects or fast-changing data. A cache you never invalidate is just a bug with good latency.
@dslanders | 920 |
| 16 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🔒 خبر ۱: کاربران متوجه شدند Claude Code آدرس ایمیلشان را به درخواست‌های اینترنتی که به بیرون می‌فرستد اضافه می‌کند؛ چیزی که نگرانی درباره حریم خصوصی برنامه‌نویس‌ها را بالا برده است.
📐 خبر ۲: یک پایگاه جمعی راه افتاده که هر کسی می‌تواند خطاهای نوشته‌های ریاضی OpenAI را گزارش و اصلاح کند، تا کسانی که از این حل‌ها یاد می‌گیرند جواب درست‌تری ببینند.
🚩 خبر ۳: یک مقاله پژوهشی درباره Z-Library که با کمک هوش مصنوعی نوشته شده، به مطلبی از TorrentFreak ارجاع داده که اصلاً وجود ندارد؛ نمونه‌ای روشن از ارجاع‌های ساختگی در تحقیق.
💬 خبر ۴: یک مقاله توضیحی نشان می‌دهد چرا متن‌های ساخته‌شده با هوش مصنوعی اغلب گیج‌کننده‌اند و چطور می‌توان با درخواست دقیق‌تر، پاسخ روشن‌تر و خواناتر گرفت.
🛠️ خبر ۵: شرکت JetBrains ابزار تازه‌ای به نام ThinkRail برای برنامه‌نویس‌ها معرفی کرده که یک گزینه دیگر برای ساختن و مدیریت کردن جریان کار کدنویسی است.
@dslanders | 972 |
| 17 | 🏢 یک شرکت ورود دومرحله‌ای را برای همه کارکنان اجباری کرده و خیالش راحت است. حالا کلید دسترسی (API key) یکی از نرم‌افزارهای شرکت لو رفته است. چه اتفاقی می‌افتد؟ | 922 |
| 18 | 👣 تیپ #29
ردیابی؛ ببینید ایجنت کجای مسیر اشتباه کرد
وقتی یک ایجنت چندمرحله‌ای شکست می‌خورد، بدون ردیابی هیچ راهی ندارید بفهمید مشکل از کدام فراخوانی مدل یا کدام ابزار بوده است. ردیابی هر فراخوانی مدل، هر tool call و هر بازیابی را در قالب یک اسپن با ورودی، خروجی، تأخیر، تعداد توکن و خطا ثبت می‌کند 🔍 و اسپن‌ها را تودرتو می‌چیند تا کل مسیر اجرا قابل بازپخش باشد. آن را از همان روز اول با OpenTelemetry یا ردیاب داخلی فریم‌ورک‌تان فعال کنید، چون trace تن‌ها سندی است که نشان می‌دهد ایجنت چرا چنین تصمیمی گرفت، نه فقط اینکه در نهایت چه گفت.
Tracing: Seeing Every Step Your Agent Takes
An agent that breaks on step seven looks exactly like one that breaks on step one unless you record the path it took. Tracing wraps every model call, tool call, and retrieval in a span that carries its inputs, outputs, latency, token counts, and errors, nested so the whole run can be replayed. Turn it on from day one with OpenTelemetry or your framework's built-in tracer 🔍, because a trace is the only artifact that shows why the agent made a decision, not just what it finally said.
@dslanders | 955 |
| 19 | مهم‌ترین‌های ۲۴ ساعت اخیر هوش مصنوعی
🔐 خبر ۱: 1Password قابلیت تازه‌ای ساخته که به ایجنت‌های هوش مصنوعی اجازه می‌دهد با دسترسی محدود و تعریف‌شده وارد سایت‌ها شوند، بدون اینکه رمز اصلی شما در اختیارشان باشد.
🏷️ خبر ۲: Anthropic روی خروجی متنی Claude یک واترمارک نامرئی شبیه SynthID می‌گذارد تا شرط شفافیت قانون هوش مصنوعی اروپا را رعایت کند؛ یعنی متن‌های تولیدشده قابل شناسایی می‌شوند.
🎬 خبر ۳: NVIDIA ابزار JCA را معرفی کرده که از یک توضیح متنی، ویدیویی با حرکت سه‌بعدی هماهنگ کاراکترها می‌سازد و ساختن انیمیشن و ریگ را بسیار ساده‌تر می‌کند.
🩺 خبر ۴: ظاهراً یک سیستم هوش مصنوعی جدید بیماری‌ها را بیش از دو برابر پزشکان درست تشخیص می‌دهد؛ خبری که می‌تواند به غربالگری زودتر و ارزان‌تر منجر شود.
🌍 خبر ۵: یک درخواست یکسان به هوش مصنوعی اگر در تگزاس اجرا شود تا ۸٫۵ برابر بیشتر از سوئد دی‌اکسید کربن تولید می‌کند؛ پس محل اجرای مدل‌ها مهم است.
@dslanders | 1 010 |
| 20 | ✈️ یک شرکت به دستیار هوش مصنوعی‌اش اجازه داد با یک ابزار بیرونی بلیت سفر بخرد. آن ابزار هم برای کارش از چند ابزار دیگر کمک می‌گرفت. یک ابزار میانی خرابکار از آب درآمد و به داده‌های شرکت رسید. اشتباه اصلی چه بود؟ | 983 |
