Media is too big
VIEW IN TELEGRAM
🤖 معرفی Muse: دستیار هوشمند و کاربردی جدید متا
متا با معرفی Muse، هوش مصنوعی خود را به یک عامل (Agent) فعال تبدیل میکند که میتواند کارهای واقعی را برای شما انجام دهد. این دستیار برخلاف چتباتهای معمولی، فقط به سوالات پاسخ نمیدهد بلکه کارهای اجرایی را بر عهده میگیرد.
برخی از قابلیتهای کلیدی Muse شامل رزرو سفر، ارسال ایمیل، پر کردن فرمها، پرداخت قبوض و انجام خریدها است. این عامل هوشمند حتی پس از بستن برنامه نیز به فعالیت خود در پسزمینه ادامه میدهد.
پروژه Muse روی یک رایانه ابری امن اجرا میشود، درک مناسبی از محتوای گفتگوها دارد و گامهای بعدی را بهطور خودکار برمیدارد. این ابزار از طریق واتساپ نیز قابل استفاده خواهد بود و متا قصد دارد آن را به عینکهای هوشمند خود اضافه کند.
#Meta_Muse #AI_Agent
متا با معرفی Muse، هوش مصنوعی خود را به یک عامل (Agent) فعال تبدیل میکند که میتواند کارهای واقعی را برای شما انجام دهد. این دستیار برخلاف چتباتهای معمولی، فقط به سوالات پاسخ نمیدهد بلکه کارهای اجرایی را بر عهده میگیرد.
برخی از قابلیتهای کلیدی Muse شامل رزرو سفر، ارسال ایمیل، پر کردن فرمها، پرداخت قبوض و انجام خریدها است. این عامل هوشمند حتی پس از بستن برنامه نیز به فعالیت خود در پسزمینه ادامه میدهد.
پروژه Muse روی یک رایانه ابری امن اجرا میشود، درک مناسبی از محتوای گفتگوها دارد و گامهای بعدی را بهطور خودکار برمیدارد. این ابزار از طریق واتساپ نیز قابل استفاده خواهد بود و متا قصد دارد آن را به عینکهای هوشمند خود اضافه کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Meta_Muse #AI_Agent
هوش مصنوعی و علم داده به فارسی
⚡️ معرفی مدل قدرتمند DeepSeek-V4.1-Flash مدل جدید DeepSeek-V4.1-Flash با ساختار نوآورانه عرضه شد. این نسخه با وجود اینکه کوچکترین مدل در خانواده خود است، در بنچمارکهای متعددی پابهپای مدلهای بزرگی همچون Opus 5 و GPT 5.6-Sol رقابت میکند. از ویژگیهای…
🐋 جهش بزرگ DeepSeek در بهرهوری مدلهای هوش مصنوعی
شرکت DeepSeek با معرفی مدل DeepSeek-V4.1-Flash، استانداردهای جدیدی را در زمینه بهینهسازی معماری مدلهای چندوجهی تعریف کرده است. این مدل با ۵۵۲ میلیارد پارامتر، به لطف معماری نوآورانه Causal Encoder–Decoder، تنها از ۸ میلیارد پارامتر برای ورودی و ۱۶ میلیارد پارامتر برای خروجی استفاده میکند.
این رویکرد باعث شده تا مدل جدید نه تنها در بنچمارکها از نسخه V4-Pro پیشی بگیرد، بلکه در بهرهوری حافظه نیز رکوردشکنی کند:
- کاهش ۷۵ درصدی در نیاز به حافظه HBM.
- کاهش ۸۷.۵ درصدی در فضای ذخیرهسازی SSD برای KV cache.
چنین بهینهسازیهایی برای اجرای AI Agents که هزینهی حافظه در آنها چالش اصلی است، بسیار حیاتی محسوب میشود. همچنین، سیاست جدید DeepSeek در کاهش ۵۰ درصدی قیمتگذاری برای ساعات غیرپیک، دسترسی به این توان پردازشی را برای توسعهدهندگان بسیار مقرونبهصرفهتر کرده است.
معرفی مدل DeepSeek-V4.1-Flash؛ تحولی در معماری و بهرهوری هوش مصنوعی
#DeepSeek_V4 #Causal_Encoder_Decoder
شرکت DeepSeek با معرفی مدل DeepSeek-V4.1-Flash، استانداردهای جدیدی را در زمینه بهینهسازی معماری مدلهای چندوجهی تعریف کرده است. این مدل با ۵۵۲ میلیارد پارامتر، به لطف معماری نوآورانه Causal Encoder–Decoder، تنها از ۸ میلیارد پارامتر برای ورودی و ۱۶ میلیارد پارامتر برای خروجی استفاده میکند.
این رویکرد باعث شده تا مدل جدید نه تنها در بنچمارکها از نسخه V4-Pro پیشی بگیرد، بلکه در بهرهوری حافظه نیز رکوردشکنی کند:
- کاهش ۷۵ درصدی در نیاز به حافظه HBM.
- کاهش ۸۷.۵ درصدی در فضای ذخیرهسازی SSD برای KV cache.
چنین بهینهسازیهایی برای اجرای AI Agents که هزینهی حافظه در آنها چالش اصلی است، بسیار حیاتی محسوب میشود. همچنین، سیاست جدید DeepSeek در کاهش ۵۰ درصدی قیمتگذاری برای ساعات غیرپیک، دسترسی به این توان پردازشی را برای توسعهدهندگان بسیار مقرونبهصرفهتر کرده است.
معرفی مدل DeepSeek-V4.1-Flash؛ تحولی در معماری و بهرهوری هوش مصنوعی
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek_V4 #Causal_Encoder_Decoder
🚀 تجربه رایگان مدل قدرتمند GPT-Image-2.5 Sunburst
مدل جدید GPT-Image-2.5 Sunburst که به تازگی در صدر بنچمارکهای هوش مصنوعی قرار گرفته، هماکنون برای مدت محدود به صورت رایگان در دسترس است. این مدل توانسته در رقابتهای تخصصی، رتبه اول را در سه حوزه اصلی کسب کند:
• تبدیل متن به تصویر (Text-to-Image)
• ویرایش تصویر (Image Edit)
• ویرایش چندگانه تصویر (Multi-Image Edit)
شما میتوانید با مراجعه به سایت اصلی Arena و انتخاب حالت Direct Mode، این مدل را شخصاً تست کنید. دسترسی مستقیم به این مدل تا تاریخ ۱۳ سپتامبر فعال خواهد بود و پس از آن، برای حفظ دقت رتبهبندی و بیطرفی، تنها از طریق حالتهای Battle و Agent به صورت ناشناس در دسترس قرار میگیرد. با استفاده از این فرصت، عملکرد مدلهای پیشرو را خودتان ارزیابی کنید.
تجربه رایگان مدل قدرتمند GPT-Image-2.5 Sunburst در پلتفرم Arena
#GPT_Image_2_5_Sunburst #Direct_Mode
مدل جدید GPT-Image-2.5 Sunburst که به تازگی در صدر بنچمارکهای هوش مصنوعی قرار گرفته، هماکنون برای مدت محدود به صورت رایگان در دسترس است. این مدل توانسته در رقابتهای تخصصی، رتبه اول را در سه حوزه اصلی کسب کند:
• تبدیل متن به تصویر (Text-to-Image)
• ویرایش تصویر (Image Edit)
• ویرایش چندگانه تصویر (Multi-Image Edit)
شما میتوانید با مراجعه به سایت اصلی Arena و انتخاب حالت Direct Mode، این مدل را شخصاً تست کنید. دسترسی مستقیم به این مدل تا تاریخ ۱۳ سپتامبر فعال خواهد بود و پس از آن، برای حفظ دقت رتبهبندی و بیطرفی، تنها از طریق حالتهای Battle و Agent به صورت ناشناس در دسترس قرار میگیرد. با استفاده از این فرصت، عملکرد مدلهای پیشرو را خودتان ارزیابی کنید.
تجربه رایگان مدل قدرتمند GPT-Image-2.5 Sunburst در پلتفرم Arena
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_Image_2_5_Sunburst #Direct_Mode
Media is too big
VIEW IN TELEGRAM
🎨 ابزار Pics؛ دستیار جدید گوگل برای تولید و ویرایش تصویر
گوگل از ابزار جدیدی به نام Pics رونمایی کرده است که بر پایه مدل تولید و ویرایش تصویر Nano Banana توسعه یافته است. این ابزار کنترل بالایی برای خلق تصاویر خلاقانه در اختیار شما میگذارد؛ از طراحی پوستر و تولید محتوای شبکههای اجتماعی گرفته تا ویرایش تصاویر دیجیتال.
یکی از ویژگیهای کلیدی Pics، مجهز بودن به مجموعهای از قابلیتهای ویرایشی دقیق (Fine-tuned) است. این قابلیتها به کاربران اجازه میدهند تا به جای شروع طراحی از صفر، تغییرات جزئی و دقیقی را روی تصاویر خود اعمال کنند. جزئیات بیشتر این معرفی در وبلاگ رسمی گوگل منتشر شده است.
گوگل از ابزار جدیدی به نام Pics رونمایی کرده است که بر پایه مدل تولید و ویرایش تصویر Nano Banana توسعه یافته است. این ابزار کنترل بالایی برای خلق تصاویر خلاقانه در اختیار شما میگذارد؛ از طراحی پوستر و تولید محتوای شبکههای اجتماعی گرفته تا ویرایش تصاویر دیجیتال.
یکی از ویژگیهای کلیدی Pics، مجهز بودن به مجموعهای از قابلیتهای ویرایشی دقیق (Fine-tuned) است. این قابلیتها به کاربران اجازه میدهند تا به جای شروع طراحی از صفر، تغییرات جزئی و دقیقی را روی تصاویر خود اعمال کنند. جزئیات بیشتر این معرفی در وبلاگ رسمی گوگل منتشر شده است.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 معرفی DeepSeek-V4.1-Flash: تحولی در پردازش متون طولانی
تیم DeepSeek با انتشار مدل جدید
مهمترین نوآوریهای این مدل عبارتند از:
* استفاده از معماری
* پیادهسازی
* بهرهگیری از
جزئیات فنی این دستاورد را میتوانید در صفحه HuggingFace و گزارش فنی آن مطالعه کنید. با وجود پیشرفتهای چشمگیر در بنچمارکهای عمومی، همچنان شکاف عملکردی در وظایف علمی سطح تخصصی باقی مانده است.
رونمایی از DeepSeek-V4.1-Flash؛ معماری انقلابی برای کاهش حجم حافظه موقت
تیم DeepSeek با انتشار مدل جدید
DeepSeek-V4.1-Flash، استانداردهای تازهای برای بهینهسازی حافظه KV cache تعریف کرده است. این مدل 552 میلیارد پارامتری با قابلیت پردازش یک میلیون توکن، تنها 890 بایت حافظه به ازای هر توکن اشغال میکند که جهشی خیرهکننده نسبت به نسخههای قبلی محسوب میشود.مهمترین نوآوریهای این مدل عبارتند از:
* استفاده از معماری
Causal Encoder-Decoder که محاسبات پیشپردازش را تقریباً نصف میکند.* پیادهسازی
Compressed Sparse Attention 2 برای استفاده مجدد هوشمندانه از شاخصهای کلیدی.* بهرهگیری از
FP4 برای کوانتایز کردن حافظه KV.جزئیات فنی این دستاورد را میتوانید در صفحه HuggingFace و گزارش فنی آن مطالعه کنید. با وجود پیشرفتهای چشمگیر در بنچمارکهای عمومی، همچنان شکاف عملکردی در وظایف علمی سطح تخصصی باقی مانده است.
رونمایی از DeepSeek-V4.1-Flash؛ معماری انقلابی برای کاهش حجم حافظه موقت
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📊 رشد انفجاری قدرت محاسباتی در دنیای AI
موسسه Epoch در تازهترین گزارش خود، نمودار جالبی از میزان توان محاسباتی در اختیار آزمایشگاههای پیشرو هوش مصنوعی منتشر کرده است. این تحلیل بر اساس معادلسازی با پردازندههای Nvidia H100 محاسبه شده و نشان میدهد که چگونه شرکتها برای پیشبرد مدلهای خود به زیرساختهای عظیم متکی هستند.
نکته کلیدی در کاوشگر کاربران تراشههای هوش مصنوعی این است که OpenAI و Anthropic برخلاف رقبای بزرگ خود، فاقد دیتاسنتر اختصاصی بوده و تمامی توان پردازشی خود را اجاره میکنند. در مقابل، غولهایی مثل گوگل علاوه بر تخصیص منابع داخلی، بخشی از توان محاسباتی خود را به شرکتهای دیگر اجاره میدهند.
مهمترین نکات آماری این گزارش:
* OpenAI: با جهشی خیرهکننده، ظرفیت در اختیار خود را از ۱۰۰ هزار واحد در سال ۲۰۲۳ به پیشبینی ۱.۶ میلیون واحد در پایان ۲۰۲۵ رسانده است.
* Google DeepMind: روندی مشابه را طی کرده و تا پایان ۲۰۲۵ به ظرفیت ۱.۶ میلیون واحد خواهد رسید.
بررسی رشد توان محاسباتی آزمایشگاههای هوش مصنوعی با AI Chip Users Explorer
موسسه Epoch در تازهترین گزارش خود، نمودار جالبی از میزان توان محاسباتی در اختیار آزمایشگاههای پیشرو هوش مصنوعی منتشر کرده است. این تحلیل بر اساس معادلسازی با پردازندههای Nvidia H100 محاسبه شده و نشان میدهد که چگونه شرکتها برای پیشبرد مدلهای خود به زیرساختهای عظیم متکی هستند.
نکته کلیدی در کاوشگر کاربران تراشههای هوش مصنوعی این است که OpenAI و Anthropic برخلاف رقبای بزرگ خود، فاقد دیتاسنتر اختصاصی بوده و تمامی توان پردازشی خود را اجاره میکنند. در مقابل، غولهایی مثل گوگل علاوه بر تخصیص منابع داخلی، بخشی از توان محاسباتی خود را به شرکتهای دیگر اجاره میدهند.
مهمترین نکات آماری این گزارش:
* OpenAI: با جهشی خیرهکننده، ظرفیت در اختیار خود را از ۱۰۰ هزار واحد در سال ۲۰۲۳ به پیشبینی ۱.۶ میلیون واحد در پایان ۲۰۲۵ رسانده است.
* Google DeepMind: روندی مشابه را طی کرده و تا پایان ۲۰۲۵ به ظرفیت ۱.۶ میلیون واحد خواهد رسید.
بررسی رشد توان محاسباتی آزمایشگاههای هوش مصنوعی با AI Chip Users Explorer
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #111 | 📌 8 آیتم گزارش | 🧾 از 13 پست بررسیشده
🕐 پنجشنبه 1405/06/19 ساعت 14:00 تا جمعه 1405/06/20 ساعت 14:00
🔎 تحلیل کوتاه
⚡ بهینهسازی و معماری مدلها
🤖 عوامل هوشمند و کاربردهای عملی
📊 زیرساخت، ریاضیات و روندهای کلان
🗂 گزارش #111 | 📌 8 آیتم گزارش | 🧾 از 13 پست بررسیشده
🕐 پنجشنبه 1405/06/19 ساعت 14:00 تا جمعه 1405/06/20 ساعت 14:00
🔎 تحلیل کوتاه
تمرکز صنعت بر بهینهسازی ابزارها از طریق روشهای کاهش مصرف حافظه و ارائه الگوهای اجرای محلی مدلها افزایش یافته است. با این حال، همزمان با این راهکارهای کارآمدی، رقابت شدید شرکتها برای دسترسی به میزان توان محاسباتی بزرگتر همچنان به عنوان محرک اصلی توسعه زیرساختها ادامه دارد.
⚡ بهینهسازی و معماری مدلها
کاهش ۴۷ درصدی مصرف حافظه کش در مدلهای زبانی با تکنیک GVA
معرفی راهکار نوین Grouped Value Attention برای بهبود چشمگیر کارایی حافظه موقت در مدلهای هوش مصنوعی بزرگ.
🔗 جزئیات کامل در سایت
معرفی DeepSeek V4.1-Flash؛ هوش مصنوعی فوقارزان با معماری MoE
انتشار مدل جدید با هزینه ناچیز ۰.۰۲۳ دلار و امتیاز کیفی خیرهکننده که استانداردهای کارایی اقتصادی را تغییر میدهد.
🔗 ادامه مطلب در سایت
راهنمای نیازمندیهای حافظه رم برای اجرای محلی مدلهای زبانی
بررسی گزینههای سختافزاری مناسب از ۸ تا ۶۴ گیگابایت رم برای اجرای محلی مدلهای متن و چندرسانهای. راهنمای نیازمندیهای حافظه رم برای اجرای محلی مدلهای زبانی
🔗 مشاهده پست
🤖 عوامل هوشمند و کاربردهای عملی
دستیار هوشمند Muse؛ جهش متا به سوی عاملهای فعال در پسزمینه
توسعه ابزار جدید متا برای انجام کارهای واقعی مانند رزرو سفر، پرداخت قبوض و ارسال ایمیل حتی پس از بستن برنامه.
🔗 مشاهده پست
گزارش امنیتی Anthropic از نفوذ و اقدامات مخرب مدلهای Claude
بررسی حوادث امنیتی ناشی از دسترسی اشتباه مدل به اینترنت واقعی و تلاش برای حملات سایبری در محیط شبیهسازی صوری. گزارش امنیتی Anthropic از نفوذ و اقدامات مخرب مدلهای Claude
🔗 مشاهده پست
📊 زیرساخت، ریاضیات و روندهای کلان
گزارش موسسه Epoch از رقابت غولهای فناوری بر سر توان محاسباتی
بررسی الگوهای مالکیت دیتاسنترها و وابستگی شدید شرکتهای پیشرو مانند OpenAI و Anthropic به اجاره پردازندهها. گزارش موسسه Epoch از رقابت غولهای فناوری بر سر توان محاسباتی
🔗 مشاهده پست
چالش جدی OpenAI با ریاضیدانان بر سر حل مسائل ریاضی هزاره
مناقشه درباره میزان تأثیر پرامپتهای کاربر در حل مسائل پیچیده علمی و ادعاهای جدید در پیشرفت مسئله ناویه-استوکس.
🔗 جزئیات کامل در سایت
شبیهسازی سناریوهای اقتصادی هوش مصنوعی تا سال ۲۰۳۰ توسط Anthropic
ارائه سه سناریوی ملایم تا افراطی برای رشد تولید ناخالص داخلی آمریکا و تاثیر آن بر دستمزد متخصصان. شبیهسازی سناریوهای اقتصادی هوش مصنوعی تا سال ۲۰۳۰ توسط Anthropic
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
⚠️ افشای تقلب مدلهای هوش مصنوعی در سرقت دادهها
شرکت Anthropic بهتازگی گزارش تکاندهندهای از سوءاستفادههای گسترده منتشر کرده است. طبق این گزارش، برخی شرکتهای بزرگ هوش مصنوعی بدون اطلاع کاربران، پاسخهای مدلهای خود را با خروجیهای مدل Claude جایگزین میکنند تا همزمان کاربران را متقاعد کنند که مدلشان هوشمندتر است و هم دادههای لازم برای «تقطیر» (Distillation) و آموزش مدلهای خود را سرقت کنند.
مهمترین نکات این گزارش:
* Moonshot AI: این شرکت طی ۱۰ روز بیش از ۳۰۰ هزار درخواست کاربران را به مدل Claude Opus هدایت کرده است. آنها با دور زدن لایههای امنیتی Anthropic، «زنجیره تفکر» (CoT) مدل را برای بهبود آموزش مدلهای خود استخراج کردهاند.
* DeepSeek: با استفاده از شبکه گستردهای از حسابهای جعلی، درخواستهای حساس برنامهنویسی را به Claude فرستاده است. این کار منجر به نشت دادههای حساس نظامی، کدهای اختصاصی دولتی و اعتبارنامههای دسترسی به پایگاهدادههای دولتی روسیه شده است.
افشای جایگزینی مخفیانه پاسخهای مدلهای هوش مصنوعی با خروجی Claude
📊 Data➕Science
شرکت Anthropic بهتازگی گزارش تکاندهندهای از سوءاستفادههای گسترده منتشر کرده است. طبق این گزارش، برخی شرکتهای بزرگ هوش مصنوعی بدون اطلاع کاربران، پاسخهای مدلهای خود را با خروجیهای مدل Claude جایگزین میکنند تا همزمان کاربران را متقاعد کنند که مدلشان هوشمندتر است و هم دادههای لازم برای «تقطیر» (Distillation) و آموزش مدلهای خود را سرقت کنند.
مهمترین نکات این گزارش:
* Moonshot AI: این شرکت طی ۱۰ روز بیش از ۳۰۰ هزار درخواست کاربران را به مدل Claude Opus هدایت کرده است. آنها با دور زدن لایههای امنیتی Anthropic، «زنجیره تفکر» (CoT) مدل را برای بهبود آموزش مدلهای خود استخراج کردهاند.
* DeepSeek: با استفاده از شبکه گستردهای از حسابهای جعلی، درخواستهای حساس برنامهنویسی را به Claude فرستاده است. این کار منجر به نشت دادههای حساس نظامی، کدهای اختصاصی دولتی و اعتبارنامههای دسترسی به پایگاهدادههای دولتی روسیه شده است.
افشای جایگزینی مخفیانه پاسخهای مدلهای هوش مصنوعی با خروجی Claude
📊 Data➕Science
❤2
هوش مصنوعی و علم داده به فارسی
⚠️ افشای تقلب مدلهای هوش مصنوعی در سرقت دادهها شرکت Anthropic بهتازگی گزارش تکاندهندهای از سوءاستفادههای گسترده منتشر کرده است. طبق این گزارش، برخی شرکتهای بزرگ هوش مصنوعی بدون اطلاع کاربران، پاسخهای مدلهای خود را با خروجیهای مدل Claude جایگزین…
گزارش Anthropic و تحلیل چرخه حملات هوش مصنوعی
شرکت Anthropic بهتازگی در گزارشی اعلام کرد که مدلهای Claude هدف سوءاستفادههای گسترده قرار گرفتهاند. طبق این مستندات، میلیونها درخواست از طریق حسابهای جعلی با هدف استخراج داده برای آموزش مدلهای رقیب یا انجام عملیات سایبری مانند فیشینگ و تغییر کدهای مخرب ثبت شده است.
در تحلیلهای فنی مرتبط با این تهدیدات، چرخه عمر نفوذ در سیستمهای هوش مصنوعی معمولاً شامل مهمترین مراحل است که از شناسایی و منبعیابی آغاز شده و تا کسب درآمد و پنهانکاری ادامه مییابد. مهمترین روشهای نفوذ در این زنجیره عبارتند از:
* استخراج از اپلیکیشنها و مخازن: دیکامپایل کدها و جستجوی کلیدهای API، رمزهای HMAC و توکنهای OAuth جاسازیشده در کلاینتها.
* تزریق به ایجنتها: استفاده از تکنیک Prompt Injection در رباتهای LLM برای افشای رمزها و دادههای حساس داخلی.
* بهرهبرداری از متادیتا و باکتها: دسترسی غیرمجاز به نقاط پایانی متادیتا (SSRF) و باکتهای ذخیرهسازی فایل که حاوی فایلهای حساس مانند
گزارش Anthropic از سوءاستفادههای گسترده علیه مدلهای هوش مصنوعی Claude
شرکت Anthropic بهتازگی در گزارشی اعلام کرد که مدلهای Claude هدف سوءاستفادههای گسترده قرار گرفتهاند. طبق این مستندات، میلیونها درخواست از طریق حسابهای جعلی با هدف استخراج داده برای آموزش مدلهای رقیب یا انجام عملیات سایبری مانند فیشینگ و تغییر کدهای مخرب ثبت شده است.
در تحلیلهای فنی مرتبط با این تهدیدات، چرخه عمر نفوذ در سیستمهای هوش مصنوعی معمولاً شامل مهمترین مراحل است که از شناسایی و منبعیابی آغاز شده و تا کسب درآمد و پنهانکاری ادامه مییابد. مهمترین روشهای نفوذ در این زنجیره عبارتند از:
* استخراج از اپلیکیشنها و مخازن: دیکامپایل کدها و جستجوی کلیدهای API، رمزهای HMAC و توکنهای OAuth جاسازیشده در کلاینتها.
* تزریق به ایجنتها: استفاده از تکنیک Prompt Injection در رباتهای LLM برای افشای رمزها و دادههای حساس داخلی.
* بهرهبرداری از متادیتا و باکتها: دسترسی غیرمجاز به نقاط پایانی متادیتا (SSRF) و باکتهای ذخیرهسازی فایل که حاوی فایلهای حساس مانند
.env هستند.گزارش Anthropic از سوءاستفادههای گسترده علیه مدلهای هوش مصنوعی Claude
❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تحول در توسعه بازی با هوش مصنوعی در Unity
شرکت Unity با انتشار یک پلاگین رسمی برای نسخه 6 به بعد، امکان استفاده از مدلهای هوش مصنوعی مانند Claude Code، Codex و Grok را مستقیماً در محیط توسعه بازی فراهم کرد.
این ابزار که شامل ۳۱ قابلیت آماده است، به توسعهدهندگان اجازه میدهد با دستورات متنی ساده، فرآیندهای پیچیده بازیسازی را به هوش مصنوعی بسپارند. مهمترین قابلیتهای این دستیار هوشمند عبارتند از:
* طراحی و پیادهسازی رابط کاربری تنظیمات
* تنظیم سیستمهای فیزیک، ناویگیشن و شیدرها
* مدیریت پیادهسازی خرید درونبرنامهای
* راهاندازی سیستم مولتیپلیر و چت صوتی
* عیبیابی و اصلاح اسپرایتها و فایلهای صوتی
این پلاگین از طریق رابط خط فرمان (CLI) نصب شده و با شناسایی خودکار فضای کاری، دستورالعملهای دقیق مربوط به هر بخش از موتور Unity را برای مدل هوش مصنوعی ارسال میکند. جزئیات فنی و نحوه نصب را میتوانید در مخزن رسمی گیتهاب مشاهده کنید.
#Unity6 #Claude_Code
شرکت Unity با انتشار یک پلاگین رسمی برای نسخه 6 به بعد، امکان استفاده از مدلهای هوش مصنوعی مانند Claude Code، Codex و Grok را مستقیماً در محیط توسعه بازی فراهم کرد.
این ابزار که شامل ۳۱ قابلیت آماده است، به توسعهدهندگان اجازه میدهد با دستورات متنی ساده، فرآیندهای پیچیده بازیسازی را به هوش مصنوعی بسپارند. مهمترین قابلیتهای این دستیار هوشمند عبارتند از:
* طراحی و پیادهسازی رابط کاربری تنظیمات
* تنظیم سیستمهای فیزیک، ناویگیشن و شیدرها
* مدیریت پیادهسازی خرید درونبرنامهای
* راهاندازی سیستم مولتیپلیر و چت صوتی
* عیبیابی و اصلاح اسپرایتها و فایلهای صوتی
این پلاگین از طریق رابط خط فرمان (CLI) نصب شده و با شناسایی خودکار فضای کاری، دستورالعملهای دقیق مربوط به هر بخش از موتور Unity را برای مدل هوش مصنوعی ارسال میکند. جزئیات فنی و نحوه نصب را میتوانید در مخزن رسمی گیتهاب مشاهده کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#Unity6 #Claude_Code
❤1
🚀 هوش مصنوعی کوچک اما باهوش؛ MiniCPM5-2B
مدل جدید MiniCPM5-2B با تنها ۲ میلیارد پارامتر، استانداردهای جدیدی برای مدلهای سبک تعریف کرده است. این مدل که برای استدلال، کدنویسی و استفاده از ابزار بهینه شده، در بنچمارک Agentic Index بالاتر از مدلهای بزرگتر قرار گرفته است.
قدرت واقعی این مدل زمانی مشخص شد که توانست بهصورت کاملاً محلی و بدون راهنمایی مستقیم، یک باگ منطقی در یک سیستم پرداخت را شناسایی و اصلاح کند. این هوش مصنوعی فرآیند زیر را به تنهایی انجام داد:
- بازتولید خطای موجود در کد
- تحلیل منطق و کشف علت اصلی (تغییر وضعیت متغیر پیش از اعتبارسنجی)
- اعمال اصلاحات بدون تغییر در API عمومی
- اجرای تستهای هدفمند و اطمینان از صحت عملکرد
مهمترین ویژگیهای این مدل عبارتند از:
- اجرای ۱۰۰٪ محلی روی سختافزارهای ضعیف
- پشتیبانی از llama.cpp، Ollama، vLLM و SGLang
- قابلیت اجرا روی سیستمعاملهای موبایل شامل iOS، Android و HarmonyOS
- دسترسی عمومی به وزنها، دستورالعملهای آموزشی و دیتاستهای استدلالی
تحلیل تخصصی MiniCPM5-2B؛ مدل ۲ میلیاردی با توانایی استدلال و رفع خطای محلی
📊 Data➕Science
مدل جدید MiniCPM5-2B با تنها ۲ میلیارد پارامتر، استانداردهای جدیدی برای مدلهای سبک تعریف کرده است. این مدل که برای استدلال، کدنویسی و استفاده از ابزار بهینه شده، در بنچمارک Agentic Index بالاتر از مدلهای بزرگتر قرار گرفته است.
قدرت واقعی این مدل زمانی مشخص شد که توانست بهصورت کاملاً محلی و بدون راهنمایی مستقیم، یک باگ منطقی در یک سیستم پرداخت را شناسایی و اصلاح کند. این هوش مصنوعی فرآیند زیر را به تنهایی انجام داد:
- بازتولید خطای موجود در کد
- تحلیل منطق و کشف علت اصلی (تغییر وضعیت متغیر پیش از اعتبارسنجی)
- اعمال اصلاحات بدون تغییر در API عمومی
- اجرای تستهای هدفمند و اطمینان از صحت عملکرد
مهمترین ویژگیهای این مدل عبارتند از:
- اجرای ۱۰۰٪ محلی روی سختافزارهای ضعیف
- پشتیبانی از llama.cpp، Ollama، vLLM و SGLang
- قابلیت اجرا روی سیستمعاملهای موبایل شامل iOS، Android و HarmonyOS
- دسترسی عمومی به وزنها، دستورالعملهای آموزشی و دیتاستهای استدلالی
تحلیل تخصصی MiniCPM5-2B؛ مدل ۲ میلیاردی با توانایی استدلال و رفع خطای محلی
📊 Data➕Science
🚀 آینده اقتصاد؛ وقتی هوش مصنوعی بازار کار را تغییر میدهد
گزارش جدید تیم اقتصادی Anthropic نشان میدهد تا سال ۲۰۳۰، توازن قدرت در بازار کار به نفع مشاغل یدی تغییر خواهد کرد. در حالی که هوش مصنوعی در حال تسخیر حوزههای دانشی است، ارزش تخصصهای فنی در دنیای واقعی میتواند از جایگاه معماران نرمافزار پیشی بگیرد.
برخی از مهمترین یافتههای این گزارش درباره تغییرات دستمزد و تولید ناخالص داخلی (GDP) در سناریوهای مختلف عبارتند از:
• سناریوی خفیف: رشد ۱.۶ درصدی GDP و افزایش ملایم دستمزد برای هر دو گروه.
• سناریوی قابل توجه: هوش مصنوعی نیمی از کارهای دانشی را بر عهده میگیرد که منجر به افت جزئی دستمزد متخصصان دانشی و رشد ۵.۹ درصدی دستمزد کارگران یدی میشود.
• سناریوی افراطی: در صورت تحقق هوش مصنوعی خودگردان، GDP تا ۳۲.۴ درصد رشد میکند؛ در این شرایط دستمزد کارگران یدی جهشی خیرهکننده خواهد داشت، اما فشار سنگینی بر درآمد مشاغل دانشی وارد میشود.
تحلیل گزارش Anthropic: آینده بازار کار و تغییر توازن دستمزدها تا ۲۰۳۰
گزارش جدید تیم اقتصادی Anthropic نشان میدهد تا سال ۲۰۳۰، توازن قدرت در بازار کار به نفع مشاغل یدی تغییر خواهد کرد. در حالی که هوش مصنوعی در حال تسخیر حوزههای دانشی است، ارزش تخصصهای فنی در دنیای واقعی میتواند از جایگاه معماران نرمافزار پیشی بگیرد.
برخی از مهمترین یافتههای این گزارش درباره تغییرات دستمزد و تولید ناخالص داخلی (GDP) در سناریوهای مختلف عبارتند از:
• سناریوی خفیف: رشد ۱.۶ درصدی GDP و افزایش ملایم دستمزد برای هر دو گروه.
• سناریوی قابل توجه: هوش مصنوعی نیمی از کارهای دانشی را بر عهده میگیرد که منجر به افت جزئی دستمزد متخصصان دانشی و رشد ۵.۹ درصدی دستمزد کارگران یدی میشود.
• سناریوی افراطی: در صورت تحقق هوش مصنوعی خودگردان، GDP تا ۳۲.۴ درصد رشد میکند؛ در این شرایط دستمزد کارگران یدی جهشی خیرهکننده خواهد داشت، اما فشار سنگینی بر درآمد مشاغل دانشی وارد میشود.
تحلیل گزارش Anthropic: آینده بازار کار و تغییر توازن دستمزدها تا ۲۰۳۰
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 هوش مصنوعی اختصاصی برای حوزه مالی
شرکت OpenAI بهتازگی از راهکار جدید خود برای سرویسهای مالی رونمایی کرده است. این نسخه از ChatGPT بهطور اختصاصی برای تحلیلگران و تیمهای مالی شخصیسازی شده و ترکیبی از دادههای مالی بهروز با قدرت استدلال مدلهای پیشرفته است.
این ابزار با تمرکز بر بهرهوری در بخشهای زیر توسعه یافته است:
- تدوین و اجرای مدلهای پیچیده مالی
- تحلیل دقیق گزارشها و دادههای بازار
- تولید محتوا و مستندات شخصیسازی شده برای مشتریان
این تحول نشاندهنده ورود جدی مدلهای زبانی به فرآیندهای حساس تصمیمگیری در بازارهای سرمایه است که میتواند سرعت انجام تحقیقات مالی را به شکل چشمگیری افزایش دهد.
#ChatGPT_Financial #GPT_6_Astra
شرکت OpenAI بهتازگی از راهکار جدید خود برای سرویسهای مالی رونمایی کرده است. این نسخه از ChatGPT بهطور اختصاصی برای تحلیلگران و تیمهای مالی شخصیسازی شده و ترکیبی از دادههای مالی بهروز با قدرت استدلال مدلهای پیشرفته است.
این ابزار با تمرکز بر بهرهوری در بخشهای زیر توسعه یافته است:
- تدوین و اجرای مدلهای پیچیده مالی
- تحلیل دقیق گزارشها و دادههای بازار
- تولید محتوا و مستندات شخصیسازی شده برای مشتریان
این تحول نشاندهنده ورود جدی مدلهای زبانی به فرآیندهای حساس تصمیمگیری در بازارهای سرمایه است که میتواند سرعت انجام تحقیقات مالی را به شکل چشمگیری افزایش دهد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#ChatGPT_Financial #GPT_6_Astra