📊 پنج سطح بلوغ هوش مصنوعی ایجنتیک | چارچوبی کاربردی برای درک و پیادهسازی سیستمهای خودمختار
🔹 سطح ۱ | ربات وظیفهای قطعی
اجرای اقدامات از پیش تعریفشده و محدود
مثال: بازنشانی رمز عبور، فرمهای ساده
🔹 سطح ۲ | عامل آمادهساز
پیشنویس و اجرای جزئی وظایف چندمرحلهای
نیاز: بازبینی اجباری انسانی
مثال: پیشنویس قرارداد، گزارشهای هفتگی
🔹 سطح ۳ | اپراتور تخصصی
مدیریت کامل گردشکاری روتین
نظارت: بررسی نمونهای
مثال: پاسخ تیکتها، گزارشگیری خودکار
🔹 سطح ۴ | متخصص نیمهخودمختار
عملکرد صحیح در ~۹۸٪ موارد
نظارت: تأیید فقط در مواقع استثنا
مثال: مدیریت قیمت، سفارشگذاری با بودجه
🔹 سطح ۵ | حلکننده مستقل مسئله
تجزیه مسائل نوین و تولید دانش
وضعیت: فعلاً غیرقابل دسترسی برای تولید
📚 Cal Al-Dhubaib & Ivan Lee | ODSC
📊👨🏫 @DataPlusScience | @Data➕Science
🔹 سطح ۱ | ربات وظیفهای قطعی
اجرای اقدامات از پیش تعریفشده و محدود
مثال: بازنشانی رمز عبور، فرمهای ساده
🔹 سطح ۲ | عامل آمادهساز
پیشنویس و اجرای جزئی وظایف چندمرحلهای
نیاز: بازبینی اجباری انسانی
مثال: پیشنویس قرارداد، گزارشهای هفتگی
🔹 سطح ۳ | اپراتور تخصصی
مدیریت کامل گردشکاری روتین
نظارت: بررسی نمونهای
مثال: پاسخ تیکتها، گزارشگیری خودکار
🔹 سطح ۴ | متخصص نیمهخودمختار
عملکرد صحیح در ~۹۸٪ موارد
نظارت: تأیید فقط در مواقع استثنا
مثال: مدیریت قیمت، سفارشگذاری با بودجه
🔹 سطح ۵ | حلکننده مستقل مسئله
تجزیه مسائل نوین و تولید دانش
وضعیت: فعلاً غیرقابل دسترسی برای تولید
📚 Cal Al-Dhubaib & Ivan Lee | ODSC
📊👨🏫 @DataPlusScience | @Data➕Science
کیفیت، امنیت و حکمرانی؛ مقدم بر نوآوریهای داده و هوش مصنوعی
نتایج گزارش BARC Data, BI & Analytics Trend Monitor 2026 نشان میدهد که در افق ۲۰۲۶، «زیرساخت اعتماد» یعنی کیفیت داده، امنیت/حریم خصوصی و حکمرانی داده، همچنان بر موجهای نوظهور فناوری تقدم دارد. این گزارش که با حمایت MicroStrategy و بهصورت پایش روند تکرارشونده منتشر شده، بر پایه ۱,۵۷۹ پاسخ معتبر تهیه شده است.
در صدر اولویتها، کیفیت داده و امنیت با امتیاز ۷.۹ قرار دارند که بیانگر تمرکز سازمانها بر اتکاپذیری، کاهش ریسک و انطباق است. پس از آن، فرهنگ دادهمحور، حکمرانی داده و هوش مصنوعی و سواد داده اهمیت بالایی یافتهاند. در مقابل، GenAI و Agentic AI عمدتاً پس از تثبیت این بنیانها دنبال میشوند.
توضیحات بیشتر:
https://zaya.io/4972p
📊👨🏫 @DataPlusScience | @Data➕Science
نتایج گزارش BARC Data, BI & Analytics Trend Monitor 2026 نشان میدهد که در افق ۲۰۲۶، «زیرساخت اعتماد» یعنی کیفیت داده، امنیت/حریم خصوصی و حکمرانی داده، همچنان بر موجهای نوظهور فناوری تقدم دارد. این گزارش که با حمایت MicroStrategy و بهصورت پایش روند تکرارشونده منتشر شده، بر پایه ۱,۵۷۹ پاسخ معتبر تهیه شده است.
در صدر اولویتها، کیفیت داده و امنیت با امتیاز ۷.۹ قرار دارند که بیانگر تمرکز سازمانها بر اتکاپذیری، کاهش ریسک و انطباق است. پس از آن، فرهنگ دادهمحور، حکمرانی داده و هوش مصنوعی و سواد داده اهمیت بالایی یافتهاند. در مقابل، GenAI و Agentic AI عمدتاً پس از تثبیت این بنیانها دنبال میشوند.
توضیحات بیشتر:
https://zaya.io/4972p
📊👨🏫 @DataPlusScience | @Data➕Science
🎓 مجموعه دروس تخصصی دانشگاه Stanford برای تسلط بر LLMs
📑 بخش اول: مبانی و معماری ـ جلسه ۱: مفهوم Transformer ـ جلسه ۲: مدلها و متدهای بهینهسازی ـ جلسه ۳: گذار به مدلهای زبانی بزرگ
⚙️ بخش دوم: توسعه و آموزش ـ جلسه ۴: استراتژیهای Training ـ جلسه ۵: تکنیکهای Fine-tuning
🧠 بخش سوم: استدلال و عاملیت ـ جلسه ۶: مکانیسمهای Reasoning ـ جلسه ۷: بررسی Agentic LLMs
📊 بخش چهارم: ارزیابی و ترندها ـ جلسه ۸: متدولوژی Evaluation ـ جلسه ۹: تحلیل Current Trends
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
📑 بخش اول: مبانی و معماری ـ جلسه ۱: مفهوم Transformer ـ جلسه ۲: مدلها و متدهای بهینهسازی ـ جلسه ۳: گذار به مدلهای زبانی بزرگ
⚙️ بخش دوم: توسعه و آموزش ـ جلسه ۴: استراتژیهای Training ـ جلسه ۵: تکنیکهای Fine-tuning
🧠 بخش سوم: استدلال و عاملیت ـ جلسه ۶: مکانیسمهای Reasoning ـ جلسه ۷: بررسی Agentic LLMs
📊 بخش چهارم: ارزیابی و ترندها ـ جلسه ۸: متدولوژی Evaluation ـ جلسه ۹: تحلیل Current Trends
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
📊 تحلیل ۱۰۰ تریلیون توکن؛ واقعیت استفاده از مدلهای بزرگ زبانی
در این اینفوگرافی، مهمترین نتایج گزارش «State of AI» را میبینید؛ گزارشی که توسط OpenRouter منتشر شده و بر پایهی تحلیل بیش از ۱۰۰ تریلیون توکن واقعی از تعامل کاربران با مدلهای زبانی بزرگ در دنیای واقعی تهیه شده است.
این نتایج نشان میدهند که:
🤖 اکوسیستم LLMها چندمدلی شده
💻 برنامهنویسی به کاربرد غالب تبدیل شده
🧠 استنتاج عاملمحور (Agentic) به حالت پیشفرض رسیده
🌍 مدلهای متنباز و بهویژه مدلهای چینی نقش کلیدی دارند
📈 کیفیت و حل مسئله مهمتر از قیمت هستند
این اینفوگرافی، خلاصهای دقیق از الگوهای واقعی استفاده از هوش مصنوعی در سال ۲۰۲۵ است؛ نه بر اساس دمو یا بنچمارک، بلکه بر اساس دادههای واقعی.
دسترسی به نسخه کامل گزارش
📊👨🏫 @DataPlusScience | @Data➕Science
در این اینفوگرافی، مهمترین نتایج گزارش «State of AI» را میبینید؛ گزارشی که توسط OpenRouter منتشر شده و بر پایهی تحلیل بیش از ۱۰۰ تریلیون توکن واقعی از تعامل کاربران با مدلهای زبانی بزرگ در دنیای واقعی تهیه شده است.
این نتایج نشان میدهند که:
🤖 اکوسیستم LLMها چندمدلی شده
💻 برنامهنویسی به کاربرد غالب تبدیل شده
🧠 استنتاج عاملمحور (Agentic) به حالت پیشفرض رسیده
🌍 مدلهای متنباز و بهویژه مدلهای چینی نقش کلیدی دارند
📈 کیفیت و حل مسئله مهمتر از قیمت هستند
این اینفوگرافی، خلاصهای دقیق از الگوهای واقعی استفاده از هوش مصنوعی در سال ۲۰۲۵ است؛ نه بر اساس دمو یا بنچمارک، بلکه بر اساس دادههای واقعی.
دسترسی به نسخه کامل گزارش
📊👨🏫 @DataPlusScience | @Data➕Science
@DataPlusScience -AI Agent Trends.pdf
13.2 MB
ترندهای کلیدی AI Agent در افق ۲۰۲۶ | Google Cloud
گزارش AI Agent Trends 2026 گوگل کلاد نشان میدهد سازمانها از استفاده ابزاری از AI به سمت سیستمهای عامل هوشمند (Agentic Systems) در حال حرکتاند. این گزارش بر پایه تحلیل دادههای سازمانی، مصاحبه با رهبران AI و نتایج کمی ROI of AI 2025 تدوین شده است.
۵ ترند اصلی گزارش:
👤 Agents for every employee
ایجنتها به دستیار دائمی کارکنان تبدیل میشوند و نقش انسان به تعریف هدف، تصمیمگیری و نظارت راهبردی ارتقا مییابد.
⚙️ Agents for every workflow
فرآیندهای سازمانی به گردشکارهای چندایجنتی end-to-end و پیوسته تبدیل میشوند.
🤝 Agents for customers
تجربه مشتری از پاسخهای قاعدهمحور به تعاملات شخصیسازیشده و مبتنی بر دادههای واقعی ارتقا مییابد.
🛡 Agents for security
امنیت از مدیریت هشدارها به تحلیل، اولویتبندی و اقدام نیمهخودکار منتقل میشود.
📈 Agents for scale
ایجاد ارزش در مقیاس بیش از فناوری، به توسعه مهارتهای انسانی برای مدیریت ایجنتها وابسته است.
📊👨🏫 @DataPlusScience
گزارش AI Agent Trends 2026 گوگل کلاد نشان میدهد سازمانها از استفاده ابزاری از AI به سمت سیستمهای عامل هوشمند (Agentic Systems) در حال حرکتاند. این گزارش بر پایه تحلیل دادههای سازمانی، مصاحبه با رهبران AI و نتایج کمی ROI of AI 2025 تدوین شده است.
۵ ترند اصلی گزارش:
👤 Agents for every employee
ایجنتها به دستیار دائمی کارکنان تبدیل میشوند و نقش انسان به تعریف هدف، تصمیمگیری و نظارت راهبردی ارتقا مییابد.
⚙️ Agents for every workflow
فرآیندهای سازمانی به گردشکارهای چندایجنتی end-to-end و پیوسته تبدیل میشوند.
🤝 Agents for customers
تجربه مشتری از پاسخهای قاعدهمحور به تعاملات شخصیسازیشده و مبتنی بر دادههای واقعی ارتقا مییابد.
🛡 Agents for security
امنیت از مدیریت هشدارها به تحلیل، اولویتبندی و اقدام نیمهخودکار منتقل میشود.
📈 Agents for scale
ایجاد ارزش در مقیاس بیش از فناوری، به توسعه مهارتهای انسانی برای مدیریت ایجنتها وابسته است.
📊👨🏫 @DataPlusScience
میلاد با سعادت امیرالمؤمنین علی علیهالسلام و روز مرد را تبریک و تهنیت عرض مینماییم.
📊👨🏫 @DataPlusScience | @Data➕Science
📊👨🏫 @DataPlusScience | @Data➕Science
📊 گزارش فعالیت کانال در سال ۲۰۲۵
🔁 در سال ۲۰۲۵، تعداد ۱۰۳ پست در کانال منتشر شد. این مطالب در مجموع بیش از ۱۶۵٬۳۰۳ بازدید داشته و بیش از ۶٬۳۱۰ بار بازنشر شدهاند.
➕ در این بازه، ۱٬۰۰۹ نفر به اعضای کانال اضافه شدند که نشاندهنده رشد تدریجی و اعتماد مخاطبان به محتوای کانال است.
✨ امیدواریم در سال جدید با افزایش تعداد پستها و تداوم فعالیت، حضور پررنگتری در کانال داشته باشیم.
📩 در صورت داشتن هرگونه پیشنهاد یا انتقاد، میتوانید پیام خود را به این آیدی ارسال کنید:
👉 @Contact2Mebot
🙏 سپاس از همراهی شما
📊👨🏫 @DataPlusScience | @Data➕Science
🔁 در سال ۲۰۲۵، تعداد ۱۰۳ پست در کانال منتشر شد. این مطالب در مجموع بیش از ۱۶۵٬۳۰۳ بازدید داشته و بیش از ۶٬۳۱۰ بار بازنشر شدهاند.
➕ در این بازه، ۱٬۰۰۹ نفر به اعضای کانال اضافه شدند که نشاندهنده رشد تدریجی و اعتماد مخاطبان به محتوای کانال است.
✨ امیدواریم در سال جدید با افزایش تعداد پستها و تداوم فعالیت، حضور پررنگتری در کانال داشته باشیم.
📩 در صورت داشتن هرگونه پیشنهاد یا انتقاد، میتوانید پیام خود را به این آیدی ارسال کنید:
👉 @Contact2Mebot
🙏 سپاس از همراهی شما
📊👨🏫 @DataPlusScience | @Data➕Science
هوش مصنوعی و علم داده به فارسی
📊 گزارش فعالیت کانال در سال ۲۰۲۵ 🔁 در سال ۲۰۲۵، تعداد ۱۰۳ پست در کانال منتشر شد. این مطالب در مجموع بیش از ۱۶۵٬۳۰۳ بازدید داشته و بیش از ۶٬۳۱۰ بار بازنشر شدهاند. ➕ در این بازه، ۱٬۰۰۹ نفر به اعضای کانال اضافه شدند که نشاندهنده رشد تدریجی و اعتماد مخاطبان…
با سلام و احترام خدمت مخاطبان گرامی کانال
پس از ماهها عدم فعالیت و محدودیت در دسترسی به اینترنت بینالمللی، اکنون امکان آغاز مجدد فعالیت کانال فراهم شده است.
در این مدت، برنامهریزی برای ارتقای کیفیت و توسعه فعالیتهای کانال انجام شده و با طراحی سازوکاری جدید، فرآیند تولید و پیشنهاد محتوای کانال با بهرهگیری از فناوریهای هوش مصنوعی انجام خواهد شد.
هدف از این مسیر، تبدیل کانال به مرجعی تخصصی برای انتشار اخبار، تحولات، آموزشها و ابزارهای حوزه هوش مصنوعی و علم داده به زبان فارسی است.
امید است با توکل بر خدا و همراهی شما مخاطبان گرامی، فصل جدید فعالیت کانال با کیفیتی بالاتر و محتوایی کاربردیتر ادامه یابد.
پس از ماهها عدم فعالیت و محدودیت در دسترسی به اینترنت بینالمللی، اکنون امکان آغاز مجدد فعالیت کانال فراهم شده است.
در این مدت، برنامهریزی برای ارتقای کیفیت و توسعه فعالیتهای کانال انجام شده و با طراحی سازوکاری جدید، فرآیند تولید و پیشنهاد محتوای کانال با بهرهگیری از فناوریهای هوش مصنوعی انجام خواهد شد.
هدف از این مسیر، تبدیل کانال به مرجعی تخصصی برای انتشار اخبار، تحولات، آموزشها و ابزارهای حوزه هوش مصنوعی و علم داده به زبان فارسی است.
امید است با توکل بر خدا و همراهی شما مخاطبان گرامی، فصل جدید فعالیت کانال با کیفیتی بالاتر و محتوایی کاربردیتر ادامه یابد.
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
شهادت رهبر معظم انقلاب اسلامی، حضرت آیتالله سیدعلی حسینی خامنهای، و جمعی از فرماندهان و هممیهنان عزیزمان در پی تجاوز وحشیانه آمریکایی-صهیونیستی را تسلیت عرض میکنیم. 🏴
#تاپایجانبرایایران
#تاپایجانبرایایران
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
شهادت مظلومانه دانشآموزان، معلمان و کارکنان مدرسه شجره طیبه میناب در پی حمله جنایتکارانه آمریکا و رژیم صهیونیستی را تسلیت عرض میکنیم. 🏴
هدف قرار دادن کودکان و محیط آموزشی، سند دیگری بر ماهیت ضدانسانی و جنایتبار آمریکا و اسرائیل است؛ جنایتی که هرگز از حافظه ملت ایران پاک نخواهد شد.
#میناب۱۶۸
هدف قرار دادن کودکان و محیط آموزشی، سند دیگری بر ماهیت ضدانسانی و جنایتبار آمریکا و اسرائیل است؛ جنایتی که هرگز از حافظه ملت ایران پاک نخواهد شد.
#میناب۱۶۸
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
🤖 ساخت مدلهای زبانی بزرگ (LLM) شبیه GPT از ابتدا با PyTorch
این پروژه آموزشی در 10 نوتبوک، معماری مدلهای زبانی بزرگ (LLM) را به بخشهای ساده تقسیم کرده و امکان ساخت آنها را از ابتدا با استفاده از فریمورک
🔗 مخزن GitHub
#آموزش #GPT4o
این پروژه آموزشی در 10 نوتبوک، معماری مدلهای زبانی بزرگ (LLM) را به بخشهای ساده تقسیم کرده و امکان ساخت آنها را از ابتدا با استفاده از فریمورک
PyTorch فراهم میکند. این مجموعه کاملاً عملی و مناسب برای افراد مبتدی است.
🔹 این مجموعه شامل ۱۰ نوتبوک است که توضیحات گامبهگام ارائه میدهند.
🔸 هدف اصلی شکستن معماری پیچیده LLMها به اجزای قابل فهم است.
💡 محتوا کاملاً عملی (hands-on) است و برای شروع یادگیری LLMها توسط مبتدیان طراحی شده.
🔗 مخزن GitHub
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
#آموزش #GPT4o
🤖 آپدیت بزرگ Claude Opus 4.8 از Anthropic
⚡️ مدل Claude Opus 4.8 با تمرکز بر صداقت و توانایی تشخیص خطای خود، جهش قابل توجهی داشته است. این نسخه قادر است مشکلات کد خود را چهار برابر بیشتر شناسایی کند.
🔸 همچنین، ویژگی گردشکارهای پویا (dynamic workflows) معرفی شده است که به صدها زیر-عامل هوش مصنوعی اجازه میدهد به صورت موازی روی پروژههای بزرگ و مهاجرتها کار کنند.
🚀 جزئیات بیشتر در: خبر رسمی Anthropic
#خبر #Claude
⚡️ مدل Claude Opus 4.8 با تمرکز بر صداقت و توانایی تشخیص خطای خود، جهش قابل توجهی داشته است. این نسخه قادر است مشکلات کد خود را چهار برابر بیشتر شناسایی کند.
🔸 همچنین، ویژگی گردشکارهای پویا (dynamic workflows) معرفی شده است که به صدها زیر-عامل هوش مصنوعی اجازه میدهد به صورت موازی روی پروژههای بزرگ و مهاجرتها کار کنند.
🔹 صداقت بیشتر: Claude Opus 4.8 در ارزیابی خروجیهای خود و شناسایی مشکلات کد، بسیار دقیقتر عمل میکند.
💡 همکاری چندعاملی: امکان اجرای صدها عامل هوش مصنوعی به صورت همزمان برای تسریع پروژههای پیچیده فراهم شده است.
🚀 جزئیات بیشتر در: خبر رسمی Anthropic
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Claude
Media is too big
VIEW IN TELEGRAM
🚀 بهروزرسانی بزرگ Google Colab با تمرکز بر AI
گوگل Colab را با رویکرد «AI-first» بهطور گستردهای بازطراحی کرده است. این بهروزرسانی شامل ادغام بومی یک عامل علم داده مبتنی بر Gemini در رابط کاربری است که به کاربران امکان میدهد تا به کمک هوش مصنوعی، وظایف پیچیده علم داده را با سهولت بیشتری انجام دهند.
گوگل Colab را با رویکرد «AI-first» بهطور گستردهای بازطراحی کرده است. این بهروزرسانی شامل ادغام بومی یک عامل علم داده مبتنی بر Gemini در رابط کاربری است که به کاربران امکان میدهد تا به کمک هوش مصنوعی، وظایف پیچیده علم داده را با سهولت بیشتری انجام دهند.
💡 اکنون ویرایشگر Colab بیشتر شبیه به Cursor شده است و عامل Gemini (نسخه بهروزشده) به صورت داخلی در رابط کاربری تعبیه شده است.
🎯 این عامل نه تنها در سلولها قابل فراخوانی است، بلکه یک نوار ابزار جدید در پایین صفحه، پنجرهای در سمت راست برای بحث و اجرای کامل پایپلاینها با مدل باز میکند.
✅ عامل Gemini کل نوتبوک را به عنوان زمینه درک میکند و میتواند به صورت مستقل سلولها را ایجاد و اجرا کند، فایلها را تحلیل کند، نمودار بسازد و مدلها را آموزش دهد.
🛠 علاوه بر این، پیشنهادات خودکار برای رفع خطاها به صورت تفاوت (diffs) مستقیماً درون سلولها نمایش داده میشوند که کارایی را افزایش میدهد.
🔄 گوگل قول داده است که به زودی «ویژگیها، ادغامها و عاملهای بیشتری» را به Colab اضافه کند.
📊 Data➕Science
🚀 کاهش قیمت API مدلهای MiMo-V2.5 شیائومی
شیائومی قیمت API خانواده MiMo-V2.5 را به طور قابل توجهی کاهش داد. برای نسخه MiMo-V2.5-Pro، هزینه ورودی بدون کش ۷۸ درصد و هزینه تولید توکن ۸۶ درصد کاهش یافته است. همچنین، سیستم اشتراک به مدل امتیازدهی تغییر کرده که با وجود ثابت ماندن تعرفههای ماهانه، سقف توکنها را از ۴.۱ میلیارد به ۸۲ میلیارد افزایش داده است.
#خبر #MiMo
شیائومی قیمت API خانواده MiMo-V2.5 را به طور قابل توجهی کاهش داد. برای نسخه MiMo-V2.5-Pro، هزینه ورودی بدون کش ۷۸ درصد و هزینه تولید توکن ۸۶ درصد کاهش یافته است. همچنین، سیستم اشتراک به مدل امتیازدهی تغییر کرده که با وجود ثابت ماندن تعرفههای ماهانه، سقف توکنها را از ۴.۱ میلیارد به ۸۲ میلیارد افزایش داده است.
🔹 هزینه: ۱ میلیون توکن ورودی کششده برای MiMo-V2.5-Pro اکنون $۰.۰۰۳۶ است.
🔸 برای: نسخه پایه MiMo-V2.5، ورودی کششده $۰.۰۰۲۸، ورودی بدون کش $۰.۱۴ و خروجی $۰.۲۸ به ازای ۱ میلیون توکن هزینه دارد.
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #MiMo
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 پلاگین امنیتی Claude Code برای شناسایی آسیبپذیری کد
Anthropic پلاگینی جدید برای Claude Code منتشر کرده است که کد را حین ویرایش از نظر آسیبپذیری بررسی میکند. این ابزار به صورت یک security-hook عمل کرده و با شناسایی مشکلات قبل از مرحله Pull Request، تا 40% در زمان بازبینی نهایی کد صرفهجویی میکند.
#خبر #Anthropic
Anthropic پلاگینی جدید برای Claude Code منتشر کرده است که کد را حین ویرایش از نظر آسیبپذیری بررسی میکند. این ابزار به صورت یک security-hook عمل کرده و با شناسایی مشکلات قبل از مرحله Pull Request، تا 40% در زمان بازبینی نهایی کد صرفهجویی میکند.
🔹 شناسایی خودکار: پلاگین به طور خودکار هنگام ذخیره و ویرایش فایلها فعال شده و مشکلات امنیتی را قبل از ارسال کد برای بازبینی شناسایی میکند.
🔸 الگوهای ناامن: علاوه بر آسیبپذیریهای آشکار، این ابزار قادر به تشخیص الگوهای کد ناامن و جلوگیری از دسترسی عوامل هوش مصنوعی به فایلهای حساس است.
💡 دسترسی رایگان: این پلاگین برای تمام کاربران Claude Code به صورت رایگان در دسترس است.
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#خبر #Anthropic
🤖 LLMها در پیشبینی اکتشافات علمی ناتوانند
تحقیقات جدیدی از دانشگاه آکسفورد، استنفورد و موسسه آلن نشان میدهد که مدلهای زبانی بزرگ (LLM) فعلی در پیشبینی اکتشافات علمی آینده عملکرد ضعیفی دارند. این مدلها که بر اساس دادههای موجود آموزش دیدهاند، در پاسخ به سوالات درباره رویدادهای آینده، اغلب با اتکا به دانش گذشته، پاسخهای نادرستی ارائه میدهند.
⚡️ برای ارزیابی دقیقتر، بنچمارک CUSP (مخفف عبارت انگلیسی) طراحی شده است که مدلها را مجبور میکند تا بر اساس اطلاعات موجود تا یک تاریخ مشخص، آینده را پیشبینی کنند. در این بنچمارک، مدلهایی مانند GPT-4.5 و Claude Sonnet 4.5 در انتخاب جهتگیریهای فنی احتمالی عملکرد نسبتاً خوبی داشتند (حدود ۸۲٪ دقت)، اما در پیشبینی وقوع یا عدم وقوع یک دستاورد خاص، دقت آنها به حد شانس (۴۵-۵۲٪) کاهش یافت.
🟡 Arxiv
#پژوهش #LLM
تحقیقات جدیدی از دانشگاه آکسفورد، استنفورد و موسسه آلن نشان میدهد که مدلهای زبانی بزرگ (LLM) فعلی در پیشبینی اکتشافات علمی آینده عملکرد ضعیفی دارند. این مدلها که بر اساس دادههای موجود آموزش دیدهاند، در پاسخ به سوالات درباره رویدادهای آینده، اغلب با اتکا به دانش گذشته، پاسخهای نادرستی ارائه میدهند.
⚡️ برای ارزیابی دقیقتر، بنچمارک CUSP (مخفف عبارت انگلیسی) طراحی شده است که مدلها را مجبور میکند تا بر اساس اطلاعات موجود تا یک تاریخ مشخص، آینده را پیشبینی کنند. در این بنچمارک، مدلهایی مانند GPT-4.5 و Claude Sonnet 4.5 در انتخاب جهتگیریهای فنی احتمالی عملکرد نسبتاً خوبی داشتند (حدود ۸۲٪ دقت)، اما در پیشبینی وقوع یا عدم وقوع یک دستاورد خاص، دقت آنها به حد شانس (۴۵-۵۲٪) کاهش یافت.
🟡 Arxiv
📊 Data➕Science — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#پژوهش #LLM