🪢 Compositional Learning Journal Club

Join us this week for a critical exploration of robustness in Visual Question Answering systems and the broader implications for visual–language model reliability. We’ll analyze how even subtle, meaning-preserving changes to inputs can destabilize model outputs and discuss what this means for future evaluation and model design.

🌟 This Week's Presentation

📄 Paper:
Questioning the Stability of Visual Question Answering

🧠 Abstract:
Modern Visual Language Models (VLMs) have achieved impressive performance on a wide range of visual reasoning tasks, yet fundamental questions remain about their robustness to benign input perturbations. This paper presents the first large-scale, systematic study of how VLMs respond to small, meaning-preserving changes—such as pixel shifts, light geometric transformations, padded rescaling, paraphrasing, and multilingual rewrites—that do not change the true semantics of an image–question pair.

Across multiple datasets and models, the authors find that minor visual or textual perturbations frequently lead to different predicted answers, even for state-of-the-art systems like GPT-4o and Gemini 2.0 Flash. They also show that stability under perturbations correlates strongly with correctness, and that the stability patterns of small open-source models can be used to predict when larger models will fail.

In this session, we’ll discuss:
• What kinds of input changes most disrupt VQA predictions.
• How stability can serve as a proxy for reliability and model confidence.
• Implications for evaluation benchmarks and future model development.


🎙 Presenter: Amir Kasaei

Session Details:
- 📅 Date: Tuesday, December 23rd
- 🕒 Time: 3:00 AM - 4:00 PM
- 🌐 Location: Online at vc.sharif.edu/ch/rohban

We look forward to your participation! ✌️

@Ai_Events

📖 موضوع: تحلیل جریان اطلاعات مغزی در اوتیسم با بهره گیری از شبکه های عصبی مبتنی بر گراف

👨‍🎓 ابوالفضل حقیقی فر

🕘 زمان: ۳ دی‌ماه، چهارشنبه ساعت ۱۱:۰۰

🏢 مکان: دانشگاه شهید بهشتی، دانشکده فیزیک، تالار ابن هیثم

🌐 لینک گوگل میت:
https://meet.google.com/rqz-mwbj-wau

@Ai_Events

اگر ما همه گمشدگانی باشیم که
به یکدیگر کمک میکنیم که پیدا شویم چه؟


بخشی از مبلغ تبلیغات کانال برای این پست واریز شد.

@Ai_Events ❤️

🔻نشست تخصصی هفته پژوهش
دانشکده مهندسی صنایع دانشگاه صنعتی شریف برگزار می‌کند:

🔹آینده زنجیره‌های تامین با هوش مصنوعی: فرصت‌ها و چالش‌ها

👥 سخنرانان:
🔸دکتر محمدرضا اکبری جوکار - عضو هیئت علمی دانشکده مهندسی صنایع دانشگاه صنعتی شریف
🔸مهندس علی بهرامی - مدیرعامل شرکت کادک
🔸دکتر رضا سمیع‌زاده - مدیرعامل گروه فاخر
🔸مهندس سجاد خالصی - مدیر نوآوری هولدینگ شوینده گلرنگ
🔸دکتر علی شجاع - قائم مقام مدیرعامل شرکت آهن‌آنلاین و عضو هیئت مدیره

🗓 زمان: یکشنبه ۷ دی‌ماه
⏰ ساعت: ۱۵:۳۰ تا ۱۷:۳۰

📍 محل برگزاری:
دانشگاه صنعتی شریف، دانشکده مهندسی صنایع، طبقه سوم، سالن اجتماعات
🔻محل برگزاری آنلاین
@IE_SUT


@Ai_Events

اولین نمایشگاه بین‌المللی هوش مصنوعی ایران (Iran AIX Expo 2026)22 تا 25 دی ماه در محل دائمی نمایشگاه‌های بین‌المللی تهران برگزار می‌شود.

نمایشگاه بین المللی هوش مصنوعی ایران، به عنوان نخستین گردهمایی رسمی و تخصصی کشور در این حوزه، رویدادی استراتژیک است که با مجوز رسمی سازمان توسعه تجارت ایران و به همت شرکت ایده تجارت هرمس برگزار می‌شود.

این نمایشگاه که در سالن های ۷، ۸، ۹، ۱۰، ۱۱ و ۲۷ نمایشگاه بین المللی تهران برپا خواهد شد، با هدف اصلی ایجاد یک بستر تعاملی قدرتمند میان تمامی بازیگران اکوسیستم هوش مصنوعی کشور طراحی شده است.

https://iranaiexpo.com/

@Ai_Events

🔵برنامه نویسی در عصر ایجنت ها🔵

برای مدتی است که از مدل های زبانی بزرگ و همچنین «ایجنت» (agent) ها استفاده میکنم و این نوشتار را بهانه ای کردم برای خلاصه کردن برخی تجربیات شخصیم. تبلیغات کنونی آینده ی تاریکی را برای برنامه نویسان متصور هستند چرا که برخلاف آنچه تصور میشد نوشتن کد فرآیند تکراری است که به راحتی توسط ماشین یاد گرفته می شود. بخصوص اینکه چنین سیستم هایی تمام ارتباطات نرم افزاری، الگوریتم های برنامه سازی و حتی سخت افزار و فراتر از آن را در خود دارند. خود این سیستم ها حتی گاهی کد می نویسند تا بعضی از کارهای خودشان را انجام دهند. به طور مثال اگر بخشی از پاسخ به یک ورودی مشخص نیازمند یک محاسبه ی دقیق باشد مدل کدی می نویسد که آن را محاسبه کند. برنامه نویسی وارد دوره ی جدیدی می شود و به همین دلیل برنامه نویسان باید استراتژی های خود را تغییر دهند. البته هیچ شکی وجود ندارد که بخش زیادی از برنامه نویسانی که به شیوه های سنتی ادامه می دهند در نهایت از چرخه حذف می شوند. اما ویژگی های این دوران جدید چیست؟

اولین ویژگی برنامه نویسی با استفاده از یک کمک مانند یک ایجنت این است که شما را از سطح کد بیرون آورده و به سطح جدیدی وارد می کند که گاهی به کنایه به آن «وایب کدینگ» (vibe coding) گفته می شود. در این سطح جدید شما درگیر مسائل با درجه ی انتزاع پایین تر مانند مرتب کردن یک لیست نیستید بلکه به رابطه ها در سطح بالاتری نگاه می کنید مثلا شما ممکن است نیازمند یک کلاس باشید که تمام فایلاهای با فرمت مشخص را خوانده و آن را در یک پایگاه داده ذخیره کند. در این روش جدید جزییات آن کار انتزاعی اهمیتی ندارد چرا که مسائلی مشابه این بارها قبل توسط برنامه نویسان انجام شده مدل آن را «می داند». اما دقت کنید که این بدان معنی نیست که برنامه نویس نیاز به برنامه ریزی (planning)، بهینه سازی (optimization) و سازماندهی ندارد! این سازماندهی سطح بالاتر چیزی است که مدل به تنهایی قادر به انجام آن نیست! به همین دلیل هم مدل های کنونی می توانند معمولا برنامه های کوچک را به صورت کامل تنها با یک دستور بسازند اما به محض اینکه قدری برنامه بزرگ تر می شود یا مشخصات ان تغییر میکند، دچار مشکلات جدی می شوند.

دومین ویژگی برنامه نویسی با ایجنت ها وارد شدن به عصری است که در آن به تدریج کدهای ما به ترکیبی از زبان دقیق برنامه نویسی و زبان احتمالاتی (و مبهم) متنی تبدیل می شود. امروزه ما هر چه بیشتر از مدل هایی استفاده می کنیم که یک تابع بسیار پیچیده را محاسبه می کنند. مثلا یک بخش کد می تواند اطلاعات مربوط به پرواز را از یک ورودی متنی بدون هیچ فرمت مشخصی استخراج کرده و به سیستم دیگری پاس دهد که بتواند پراوز را رزرو کند! این ارتباط رفت و برگشتی بین «کد» و «مدل» (یا کد احتمالاتی) مشخصه ی نرم افزار های آینده هستند.

اما چنین تغییری موضوع جدیدی نیست: در ابتدای ساختن کامپیوتر ها پانچ کارت ها تنها راه ارتباط با کامپیوتر بود بعد ها این به زبان اسمبلی و ماشین و بعد ها به زبان های سطح پایین و در نهایت به زبان های سطح بالاتر که حاوی مفاهیمی چون «کلاس»، «وراثت» (inheritance) و چند ریختی (polymorphism) هستند منجر شد. انتزاعات کنونی به سطحی آمده است که زبان روزمره هم در آن دخیل شده است اما این بدان معنی نیست که می توان «شعر» را وارد کد کرد! چگونه این زبان جدید و دورگه را باید یاد گرفت؟ اگر دیگر روش های سنتی برای یادگیری برنامه نویسی جواب نمی دهد چه باید کرد؟ بنظر می رسد که نیاز به یادگیری پایه های محاسبه هرگز از بین نمیرود یا ارزش آن کم نخواهد شد با این حال تمرکز بیشتر برنامه نویسان اینده و زمان آن ها صرف مسائل مهم تری مانند مدل سازی می شود. به طور مثال شروع کردن از مدل های ساده و ساختن نرم افزار نیازمند درک دقیق ارتباط ها و نحوه ی رشد دادن آن است. نباید فراموش کنیم که مدل های زبانی معجزه نمی کنند! شما نمی توانید بنویسید یک نرم افزار شبیه فوتوشاپ بساز و مدل برای شما ده هزار خط منطقی و منسجم بنویسد! چنین کاری حداقل بسیار فراتر از تکنولوژی کنونی است. اگر شما ابزارتان را از اره به اره برقی تغییر بدهید یکدفعه یک ساختمان را برای شما درست نمی کند ولی با این حال ساختن چنین ساختمانی را سریع تر، لذت بخش تر کرده و شاید حتی فضای بیشتری برای خلاقیت به شما بدهد.

برنامه نویسان بیشتر از هر زمان دیگری نیاز دارند که به نیاز ها و فرآیند های بزرگ دقت بیشتری کنند یا قوانین و علوم را بهتر بشناسند! چنین ویژگی قدرت بیان دقیق تری به ان ها می دهد که ابزارهای هوش مصنوعی را به جای یک دشمن به یک دوست تبدیل می کند!

source: @matlabtips

@Ai_Events

چه بسیار کسان که می‌خواستند دیوشان را از خود بیرون کنند، و خود به گراز بدل شدند …

نوشتن تو این روزها با این هجمه از اتفاقات ناگوار، پلید و دور از تصور انسان، واقعا سخته. با تمام کسانی که در این روزها عزیزی رو از دست دادن، ابراز همدردی می‌کنم.

امید به روزهای روشن برای کشور عزیزمان ایران

پاینده باد ایران آزاد

@Ai_Events

۱- اگه محصولی اثر مالی نداشت، در تقبل و انجامش دو دل باشیم.

۲- اگه اصرار به تولید محصولاتی که جنبه‌ی نمایشی دارند تا سودآوری، دنبال پوزیشن جدید باشیم.

۳- اگه محصولی به نقطه‌ی اثرگذاری چشمگیر خودش رسید، از توسعه دادنش به صورت تمام وقت با تاثیرات اپسیلونی دست برداریم.

۴- هر چیزی که قابل اندازه‌گیری نیست، قابل بهبود هم نیست.


۵- معمولا مشکل واقعی، ساده‌تر از چیزیه که ما طراحی می‌کنیم.

۶- استراتژی یعنی بدانیم قراره چه کارهایی رو انجام ندیم.

۷- محصول خوب معمولاً نتیجه‌ی حذف‌های زیاد است، نه اضافه کردن‌های زیاد.

۸- فیچر جدید لزوما ارزش افزوده ایجاد نمی‌کند، اما پتانسیل باگ چرا!

۹- بیشتر پیشرفت‌ها از حذف کارهای کم‌اثر می‌آید، نه اضافه کردن کارهای جدید.

@Ai_Events

📊 انجمن علمی دانشجویی آمار دانشگاه تهران برگزار می‌کند

🔹 وبینار تخصصی ارزیابی کیفیت داده‌ها

در دنیای داده‌محور امروز، کیفیت داده ها یکی از مهم‌ترین عوامل موفقیت در تحلیل‌های آماری، تصمیم‌گیری و سیاست‌گذاری است. در این وبینار با مفاهیم، استانداردها و روش‌های ارزیابی کیفیت داده آشنا خواهیم شد و نقش آن در تولید آمارهای قابل اعتماد را بررسی می‌کنیم.

👨‍🏫 ارائه‌دهنده:
آقای آرش فاضلی
مدیرکل دفتر استانداردها، نظارت و ارزیابی طرح‌های آماری مرکز آمار ایران

📅 روز اول | ۲۶ خرداد
⏰ ساعت ۷:۳۰ تا ۹:۳۰ صبح

📅 روز دوم | ۲۷ خرداد
⏰ ساعت ۷:۳۰ تا ۹:۳۰ صبح

📌 مناسب برای دانشجویان آمار، علوم داده، هوش مصنوعی، پژوهشگران و علاقه‌مندان به حوزه کیفیت داده

📝 جهت ثبت‌نام در وبینار، فرم را تکمیل نمایید.

🔗 لینک حضور در وبینار.

@TUSSChannel




@Ai_Events

۱- در مقابل مدل‌های بلک باکس، مدل‌های گلس باکس وجود دارند!

۲- توضیح ناپذیری مدل، باگ نیست؛ توضیح‌پذیری مدل فیچره!

۳- خالی بودن بخشی از تایم کاری، این فرصت رو ایجاد می‌کنه تا متخصص فرآیند رو بازنگری کنه.

۴- ذات منطق تصمیم‌گیری مدل‌های تفسیرپذیر (Interpretable) قابل درک است، در حالی‌که برای مدل‌های توضیح‌پذیر (Explainable) با روش‌های کمکی برای تصمیم‌هایشان توضیح ارائه می‌شود.

۵- وقتی خسته شدیم، دست نکشیم، استراحت کنیم.

۶- خطای ما در تعریف مسئله، معمولا بزرگتر از خطای مدل در حل مسئله است.

۷- وقتی مسئله رو فهمیدیم که بتونیم در چند جمله کوتاه به یک غیر متخصص توضیحش بدیم.

۸- به ترتیب درک نیاز، داده، زیرساخت و در آخرین مرحله مدل است که ارزش ایجاد می‌کند.

۹- داده‌های تاریخی ضمانتی بر شباهت آینده به گذشته ندارند.

۱۰- اساسا مهم‌ترین KPI، تاثیر بر میزان سوددهی می‌باشد، مابقی سنجه‌ها مشتق این سنجه هستند، چه در اداره‌ی یک شرکت کوچک چه در اداره‌ی یک جامعه بزرگ؛

@Ai_Events

انجمن علمی آمار دانشگاه قم برگزار می‌کند:

از تحلیل داده تا نگارش نتایج پایان‌نامه، مهارت‌های کاربردی SPSS را به‌صورت اصولی و حرفه‌ای بیاموزید.

مدرس:دکتر رضا ذبیحی مقدم
زمان: ۲۰، ۲۲، ۲۴، ۲۷ و ۲۹ تیرماه ۲۰:۰۰ تا ۲۲:۰۰
مکان: ادوبی کانکت (همراه باضبط جلسات)
هزینه: ۲۰۰ هزار تومان

سرفصل‌های دوره:

آماده‌سازی داده‌ها و آمار استنباطی
ورود و مدیریت داده‌ها
بررسی داده‌های گمشده و پرت
آزمون نرمال بودن داده‌ها
آزمون‌های t (تک‌نمونه‌ای، مستقل و زوجی)
تفسیر خروجی‌ها

تحلیل واریانس و آزمون‌های ناپارامتری
تحلیل واریانس یک‌طرفه
آزمون‌های تعقیبی
آزمون‌های من‌ویتنی، ویلکاکسون،
کروسکال والیس و فریدمن

همبستگی و رگرسیون
همبستگی پیرسون و اسپیرمن
رگرسیون خطی ساده و چندگانه
بررسی فروض رگرسیون
تفسیر ضرایب و مدل رگرسیونی

پایایی، روایی و پروژه عملی
آلفای کرونباخ
آزمون‌های KMO و Bartlett
تحلیل عاملی اکتشافی (مقدماتی)
تحلیل کامل یک پرسشنامه واقعی
نحوه گزارش نتایج آماری در پایان‌نامه و مقاله

باارائه گواهی حضور دردوره

جهت ثبت‌نام به ایدی زیرپیام دهید:
@anjoman_statistics

انجمن علمی آمار دانشگاه قم
@statistics_qom


@Ai_Events

جلسه اول

جلسه دوم

جلسه سوم

جلسه چهارم

جلسه پنجم

جلسه ششم



لینک جلسات بعد هم پس از برگزاری داخل کانال ارسال خواهد شد.

@Ai_Events

داشتم از گرما مي مُردم. به راننده گفتم دارم از گرما مي‌ميرم. راننده كه پير بود گفت: «اين گرما كسي رو نمي‌كشه.» گفتم: «جالبه‌ها، الان داريم از گرما كباب مي‌شيم، شش ماه ديگه از سرما سگ لرز مي‌زنيم.» راننده نگاهم كرد.

كمي بعد گفت: «من ديگه سرما رو نمي‌بينم.» پرسيدم: «چرا؟» راننده گفت: «قبل از اينكه هوا سرد بشه مي‌ميرم.» خنديدم و گفتم: «خدا نكنه.» راننده گفت: «دكترا جوابم كردن، دو سه ماه ديگه بيشتر زنده نيستم.» گفتم: «شوخي مي كنيد؟»

راننده گفت: «اولش منم فكر كردم شوخيه، بعد ترسيدم بعدش افسرده شدم! ولي الان ديگه قبول كردم.» ناباورانه به راننده نگاه كردم. راننده گفت: «از بيرون خوبم، اون تو خرابه... اونجايي كه نميشه ديد.» به راننده گفتم: «پس چرا دارين كار مي‌كنين؟»

ادامه در کامنت...

@Ai_events

این روزها که تو فروشگاه‌ها پرداخت قسطی خیلی باب شده و به وفور هم استفاده هم میشه، یه محصولی اومده و به جای اینکه بگه اگه قسطی پرداخت کنی x تومن اضافه میشه، گفته اگه قسطی پرداخت کنی سودی نمیگیرم ازت ولی اگه نقد پرداخت کنی، x درصد تخفیف میدم بهت!

حرکت جالب و هوشمندانه‌ای بود برای تبدیل "سود پرداخت اقساط" (حس منفی مشتری) به "تخفیف پرداخت نقدی" (حس مثبت و رضایت مشتری)!

نکته مهم:
در فروشگاه‌هایی که رقیب دارند و قیمت‌ها مقایسه میشن، این حرکت می‌تونه در نگاه اول دید گران‌فروشی به مشتری بده و باید این نکته مهم هم در نظر گرفته بشه.

@Ai_Events

ترم گذشته برادران عمیدی یه کورس بسیار ارزشمندی رو تو دانشگاه اسنتفورد برگزار کردن با عنوان Transformers & LLMs که هدفش آموزش ساخت و درک نحوه‌ی کارکرد مدل‌های زبانی هستش. توصیه می‌کنم اگر تو این فیلد فعال هستید تو واچ لیستتون قرار بدیدش.

https://www.youtube.com/playlist?list=PLUyDxC68azA2Awza8jIqFrcGLlKk2mfYn

@Ai_Events

.
چت متنی داخل ChatGPT نامحدود و رایگان شد.

Source

@Ai_Events

‏یه آمار و فکت از میزان کار و درامد متناسب در ایران:
تو ایران حدود ۸ میلیون راننده اسنپ داریم
درصورتی که اوبر با فعالیت در ۷۰ کشور فقط ۱۰ میلیون راننده داره


تفکر: به نظر من مقایسه آماری این شکلی کار درستی نیست، پارامترهای دیگه‌ای حتما دخیل هستند! از جمله اینکه شهرسازی اون 70 تا کشور چقدر بر پایه‌ی جابجایی با "حمل و نقل عمومی" یا "خودروی شخصی" بنا شده؟ مثلا شما نمی‌تونید زیرساخت حمل و نقل عمومی شهری مثل میلان رو که به معنای واقعی حمل و نقل عمومی مویرگی داره رو با وضعیت حمل و نقل عمومی مازندران، یا ... مقایسه کنید.

البته که وضعیت نامساعد اقتصاد هم پارامتر بسیار موثری در شکل‌گیری مشاغل کاذب از این دست هست و باید در نظر گرفته بشه

@Ai_Events

نمایشگاه بین‌المللی الکامپ
@Ai_Events