🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #9 | 📌 6 آیتم گزارش | 🧾 از 15 پست بررسی‌شده
🕐 سه‌شنبه 1405/08/05 ساعت 14:00 تا چهارشنبه 1405/08/06 ساعت 14:00

اعتبار اثبات ریاضی 3-SAT توسط مدل Claude

گزارش منبع: وجود دو قضیه اثبات نشده (sorry) در فایل Challenge.lean که هنوز بررسی نشده اند.
برداشت: تا زمان رفع کامل sorryها در Lean 4، ادعای رد فرضیه ETH در حد یک طرح اولیه اثبات باقی می ماند و ارزش ریاضی اثبات شده ندارد.
نامشخص: آیا دو قضیه باقی مانده بدون تغییر در ساختار اصلی الگوریتم اثبات پذیر هستند یا نیاز به فرض های جدید دارند.
آزمون پیشنهادی: اجرای کامپایلر Lean 4 روی فایل Challenge.lean پس از جایگزینی قضایای sorry با اثبات تاکتیکی و سنجش خروجی بدون خطا.

ارزیابی بهینه سازی اینفرنس Gemma 4 در vLLM

گزارش منبع: بدون مشخص بودن شرایط بار کاری، نمی توان آن ها را به هر سروری یا به سرعت پاسخ دهی یک چت تک کاربره تعمیم داد.
برداشت: افزایش نرخ توکن به دلیل ترکیب speculative decoding و تغییرات attention در بار کاری همزمان بالا است و تاخیر تک کاربر را کم نمی کند.
نامشخص: میزان تاثیر جداگانه speculative decoding در برابر بهینه سازی attention روی تاخیر پردازش اولین توکن (TTFT).
آزمون پیشنهادی: مقایسه TTFT و نرخ تولید توکن Gemma 4 E2B در vLLM تحت دو بار کاری تک درخواست و ۱۲۸ درخواست همزمان روی یک کارت A100.

⚡ بهینه‌سازی اجرا و مدل‌های جدید

افزایش سرعت اینفرنس Gemma 4 E2B در فریم‌ورک vLLM
گوگل با بهینه‌سازی پشته نرم‌افزاری و speculative decoding در vLLM نرخ خروجی توکن را روی A100 افزایش داد.

انتشار مدل GPT-6.1 Terra با قابلیت تعامل مستقیم با سیستم‌عامل
مدل جدید OpenAI با کاهش هزینه API و افزایش سرعت، برای استدلال بصری و اجرای دستورات در محیط کامپیوتر ارائه شد.

رونمایی کانوا از مدل اختصاصی تولید تصویر Canva Craft
مدل دو مرحله‌ای کانوا با قابلیت خروجی 2K و تبدیل تصاویر به لایه‌های برداری قابل‌ویرایش منتشر شد.

🔬 تحقیقات نظری و ابزارهای توسعه

ارائه الگوریتم زمان زیرنمایی برای 3-SAT با مدل Claude
آنتروپیک الگوریتمی در زبان Lean 4 برای رد فرضیه زمان نمایی منتشر کرد که دو قضیه اثبات‌نشده در آن باقی مانده است.

انتشار نسخه ۲.۰ ابزار awesome-iran-mcp برای اتصال ایجنت‌ها به خدمات.
نسخه جدید با ۳۶ سرور و ۴۶۹ ابزار امکان تعامل ایجنت‌های هوش مصنوعی با داده‌های وب‌سایت‌ها و قوانین ایران را فراهم کرد.

معرفی ابزار AI Design Skills برای طراحی وب‌سایت با ایجنت‌های هوش مصنوعی
مجموعه ابزار متن‌باز جدید امکان ساخت سیستم‌های بصری و تبدیل طرح‌های فیگما به کد را برای ایجنت‌ها فراهم می‌کند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏نقشه راه مهندسی هوش مصنوعی مولد ۲۰۲۶

‏برای تبدیل شدن به مهندس Generative AI، نیازی به گذراندن ده‌ها دوره آموزشی نیست. تسلط بر مفاهیم کلیدی و اجرای پروژه‌های عملی کافی است. در ادامه، این مسیر یادگیری را در ده گام اصلی بررسی می‌کنیم:

‏۱. مبانی ترنسفورمرها و LLM: یادگیری معماری، مکانیزم‌های توجه (Attention)، توکنایزرها و نحوه تولید پاسخ توسط مدل‌ها. (مشاهده دوره)

‏۲. امبدینگ‌ها و دیتابیس‌های برداری: درک مفاهیم تشابه معنایی و کار با ابزارهایی مثل FAISS و Pinecone. (منابع آموزشی)

‏۳. مهندسی پرامپت و خروجی‌های ساختاریافته: کار با Zero-shot، Few-shot و بهینه‌سازی پرامپت‌ها برای دریافت فرمت JSON.

‏۴. سیستم‌های RAG: یادگیری اینجست کردن اسناد، بازیابی ترکیبی و رنک‌بندی پاسخ‌ها. (آموزش اصلی)

‏۵. فریم‌ورک LangChain: اتصال مدل‌ها به ابزارهای جانبی و داده‌های شخصی. (لیست دوره)

‏۶. معماری Agentic و LangGraph: ساخت جریان‌های کاری هوشمند و خودمختار با مدیریت وضعیت (State Management). (منابع یادگیری)

‏۷. استقرار (Deployment) در فضای ابری: کار با زیرساخت‌هایی مثل Amazon Bedrock و Azure برای مقیاس‌پذیری و مدیریت هزینه‌ها.

‏۸. ارزیابی و امنیت: استفاده از ابزارهایی مثل RAGAS برای تشخیص توهم (Hallucination) و ایمن‌سازی در برابر حملات Prompt Injection.

‏۹. پروتکل MCP: یادگیری استانداردهای جدید برای اتصال مدل‌ها به منابع داده و ابزارهای خارجی. (مستندات اصلی)

‏۱۰. ساخت پروژه نهایی: پیاده‌سازی کاربردی با تمرکز بر لاگ‌گذاری، مانیتورینگ و رابط کاربری. برای شروع می‌توانید این پروژه‌ها را ببینید:
‏- تولیدکننده پست خودکار
‏- چت‌بات با LangGraph
‏- اپلیکیشن Multi-Agent

‏به جای دنبال کردنِ بی‌وقفه فریم‌ورک‌های جدید، روی مفاهیم پایه تمرکز کنید و با استقرارِ حداقل یک پروژه کامل، تجربه عملی به دست آورید.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#LangGraph #RAGAS

‏🌐 انتشار مدل هوش مصنوعی Atria Dawn با پنجره متنی ۵۱۲ هزار توکنی

‏آزمایشگاه هوش مصنوعی شانگهای مدل Atria Dawn را با وزن‌های متن‌باز منتشر کرد. این مدل که بر پایه معماری GLM-5.2 MoE با ۷۴۴ میلیارد پارامتر ساخته شده، برای اجرای وظایف تخصصی توسط ایجنت‌های هوش مصنوعی طراحی شده است.

‏Atria Dawn به طور اختصاصی برای تعامل چندمرحله‌ای با ابزارها بهینه شده و در حوزه‌های زیر کاربرد دارد:

‏* تحقیقات: جست‌وجو و طبقه‌بندی منابع و طراحی برنامه‌های آزمایش.
‏* توسعه: ساخت برنامه‌ها، سیستم‌های یادگیری ماشین و محیط‌های تعاملی.
‏* اسناد: تولید گزارش و ارائه داده‌ها.
‏* امنیت: شناسایی آسیب‌پذیری‌ها و اصلاح کد.

‏طبق گزارش تیم توسعه‌دهنده، این مدل در بنچمارک‌هایی مانند AutomationBench، CyberGym، SkillsBench و WideSearch عملکرد بالایی دارد؛ برای نمونه امتیاز آن در AutomationBench برابر با ۵۴.۷ و در CyberGym معادل ۸۶.۸ است.

‏این مدل تنها از ورودی متنی پشتیبانی می‌کند و وزن‌های آن در نسخه‌های کامل و FP8 با مجوز MIT در دسترس است. امکان استقرار مستقل این مدل از طریق SGLang و vLLM فراهم شده است.

🔗 جزئیات خبر در سایت

‏🎬 افزودن قابلیت تدوین ویدیو به ChatGPT

‏کمپانی CapCut در رویداد اخیر خود در لس‌آنجلس اعلام کرد که طی ماه‌های آینده، یک پلاگین اختصاصی برای ChatGPT عرضه می‌کند.

‏با استفاده از این ابزار، کاربران می‌توانند ایده خود را در محیط چت توصیف کنند تا هوش مصنوعی یک پیش‌نویس اولیه از ویدیو تولید و تدوین کند. این پیش‌نویس قابلیت ویرایش در همان محیط گفتگو را دارد و برای اصلاحات نهایی و خروجی گرفتن، می‌توان آن را در ویرایشگر تحت وب CapCut باز کرد.

‏هنوز جزئیاتی درباره نیاز به اشتراک‌های پولی برای دسترسی به این پلاگین منتشر نشده است. این قابلیت در واقع تلاشی از سوی ByteDance برای یکپارچه‌سازی ابزارهای تدوین با مراحل اولیه ایده‌پردازی کاربران در چت‌بات‌هاست. با این حال، همچنان برای انجام تنظیمات دقیق و نهایی، استفاده از محیط ویرایشگر ویدیویی این شرکت ضروری باقی می‌ماند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#CapCut #ByteDance

‏🤖 معرفی مدل Genie 4 برای ساخت محیط‌های تعاملی

‏گوگل دیپ‌مایند (Google DeepMind) مدل Genie 4 را معرفی کرد که قادر است بر اساس متن یا تصویر، محیط‌های فوتورئالیستیک و تعاملی بسازد. این مدل علاوه بر تولید تصویر، به صورت هم‌زمان صدا، موسیقی و دیالوگ‌های محیط را نیز پردازش می‌کند.

‏در هنگام اجرای این مدل، کاربران می‌توانند با ارسال دستورات متنی، مواردی مانند زاویه دوربین، شرایط جوی یا حضور افراد در صحنه را تغییر دهند. ساختار فنی این سیستم از ترکیب دو مدل استفاده می‌کند:
‏* Gemini Omni: مسئولیت پردازش بخش بصری و تولید محیط را بر عهده دارد.
‏* Gemini 3.8 Flash: وظیفه حفظ تداوم و منطق رویدادها را در طول تعامل کاربر انجام می‌دهد.

‏این ابزار با هدف آموزش عامل‌های هوش مصنوعی و ربات‌ها پیش از به‌کارگیری در دنیای واقعی طراحی شده و برای حوزه‌هایی مانند تولید بازی، سینما و روزنامه‌نگاری کاربرد دارد.

‏در حال حاضر دسترسی به این مدل محدود به تسترهای تاییدشده است و در هفته‌های آینده برای مشترکین Google AI Ultra در پروژه Genie فعال می‌شود.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏💡 Nace AI مدل Drex را برای جستجو منتشر کرد

‏Nace AI مدل Drex خود را برای جستجوی اسناد معرفی کرده است. این سیستم به جای تکه‌های متنی، صفحات مستندات ارجاع داده شده را به عوامل هوش مصنوعی (AI agents) ارائه می‌دهد.

‏ایده اصلی این است که جستجو مجموعه‌ای از تصمیم‌گیری‌هاست. Drex ابتدا پرسش را به دو دسته «جستجوی سریع» یا «جستجوی عمیق توسط عامل» طبقه‌بندی می‌کند. سپس فضای جستجو را از پوشه به فایل، بخش، صفحه و در نهایت جدول و ستون داخل یک صفحه گسترده محدود می‌کند. تنها صفحات منتخب به مدل زبانی بزرگ (LLM) می‌رسند و پاسخ نهایی شامل ارجاع به فایل و صفحه است.

‏طبق گزارش Nace، این مدل در بنچمارک BrowseComp-Plus با GPT-5 به امتیاز 92.05% رسیده و به طور متوسط 12.61 فراخوانی جستجو در هر پرسش داشته که 16.6 برابر کمتر از بهترین ورودی قبلی است. همچنین در VisDocAgentBench امتیاز 77.5% R@1 را کسب کرده که 10 امتیاز بالاتر از Claude Opus 5 است. در MADQA با Gemini 3.5 Flash به 94.7% و در OfficeQA Pro، تمام 9 پیکربندی عامل Nace به تعداد نوبت کمتری نیاز داشتند.

🇮🇷 سایت | تلگرام

‏🧠 معماری SLEEP گوگل برای یادگیری مداوم مدل‌های زبانی

‏گوگل معماری SLEEP را معرفی کرده است؛ یک چارچوب جدید برای آموزش مداوم مدل‌های زبانی بزرگ (LLMs) که به آن‌ها اجازه می‌دهد دانش جدید را بدون فراموش کردن اطلاعات قبلی کسب کنند. مشکل اصلی در یادگیری مداوم، «فراموشی فاجعه‌بار» است، جایی که مدل با یادگیری اطلاعات جدید، مهارت‌های قبلی خود را از دست می‌دهد.

‏SLEEP دو حالت اصلی دارد:
‏* فعال (Waking): مدل با داده‌های ورودی تعامل کرده و اطلاعات را در حافظه کوتاه‌مدت ذخیره می‌کند.
‏* خواب (Sleeping): دریافت داده‌های جدید متوقف می‌شود. مدل از بلوک‌های حافظه اضافی MoE (Mixture of Experts) استفاده کرده و دانش را به وزن‌های خود منتقل می‌کند تا از تداخل با اطلاعات تثبیت‌شده جلوگیری شود. پس از این مرحله، حافظه موقت آزاد می‌شود.

‏همچنین مرحله‌ای به نام «رویا» (Dreaming) وجود دارد که در آن، ترکیب‌های تصادفی از متخصصان (experts) نمونه‌های آموزشی تولید می‌کنند. سیستم مفیدترین نمونه‌ها را انتخاب کرده و برای آموزش بیشتر استفاده می‌کند.

🔗 ادامه مطلب در سایت

🇮🇷 سایت | تلگرام

‏🤖 معرفی مدل هوش مصنوعی Gemini 4 Carbon

‏گوگل مدل جدید Gemini 4 Carbon را با تمرکز بر قابلیت‌های سایبری و پردازش‌های طولانی‌مدت معرفی کرد. این مدل در نسخه ۵.۰ شاخص هوش (Intelligence Index) با امتیاز ۵۹ در جایگاه اول قرار گرفته است.

‏مهم‌ترین نتایج این مدل در ارزیابی‌های امنیت سایبری عبارتند از:
‏- امتیاز ۸۸.۲ درصد در SEC-bench Pro برای شناسایی آسیب‌پذیری‌ها
‏- امتیاز ۵۴.۸ درصد در ExploitGym برای بهره‌برداری از باگ‌ها
‏- امتیاز ۷۱ درصد در CWE-bench برای ارائه وصله‌های امنیتی

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Gemini4Carbon #SEC_bench_Pro

‏📊 مسیر تحول مدل‌های GPT از نسخه ۲ تا ۶

‏در هفت سال گذشته، خانواده مدل‌های GPT تغییرات ساختاری و عملکردی قابل‌توجهی را تجربه کرده‌اند. این روند تکاملی از یک مدل اولیه با پارامترهای محدود تا سیستم‌های دارای استدلال داخلی را در بر می‌گیرد:

‏* GPT-2 (2019): با ۱.۵ میلیارد پارامتر، تنها به عنوان یک مدل پیش‌بینی توکن بعدی برای تکمیل متن طراحی شد و قابلیت پاسخ به سوالات را نداشت.
‏* GPT-3 (2020): تمرکز بر افزایش مقیاس (۱۷۵ میلیارد پارامتر) برای بررسی توانایی یادگیری در متن (In-context learning).
‏* GPT-4 (2023): معرفی آموزش با استفاده از بازخورد انسانی (RLHF) برای تبدیل شدن به یک مدل پرسش و پاسخ، همراه با قابلیت‌های چندوجهی و پنجره متنی ۳۲ هزار توکنی.
‏* GPT-5 (2025): اولین نسل با قابلیت استدلال داخلی که قبل از ارائه پاسخ نهایی، توکن‌های استدلال تولید می‌کند و پنجره متنی آن به ۴۰۰ هزار توکن افزایش یافته است.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#RLHF #mid_turn_steering

‏⚡ معرفی MTGBench: بنچمارک بازی چندمرحله‌ای برای ارزیابی توانایی‌های LLM

‏محققان Yandex و دانشجویان ShAD، بنچمارکی به نام MTGBench را منتشر کرده‌اند که منطق استدلال هوش مصنوعی را در طول مکالمه می‌سنجد. این بنچمارک با ۷ بازی متنی به زبان‌های روسی و انگلیسی، توانایی مدل‌ها را در حفظ ورودی‌های جدید و عدم تناقض با گام‌های قبلی ارزیابی می‌کند. امتیازدهی هم شامل پاسخ نهایی و هم تعداد گام‌های لازم برای رسیدن به آن است.

‏نتایج آزمایش روی ۱۶ مدل نشان داد:
‏* استدلال (Reasoning) در بازی‌های مبتنی بر حروف و حذف گزینه‌ها مؤثرتر است، اما در وظایف مبتنی بر دانش و معنا، کارایی کمتری دارد.
‏* عملکرد قوی در یک بازی، تضمین‌کننده موفقیت در بازی دیگر نیست.
‏* مدل‌ها روی زبان روسی، به‌خصوص در بازی‌های حروف، ضعیف‌تر عمل می‌کنند.
‏* قوی‌ترین مدل‌ها با قابلیت استدلال، در مجموع از انسان‌ها در این ۷ بازی پیشی گرفتند.

‏این مقاله در Findings EMNLP 2026 ارائه شده است.

‏کد و داده‌های MTGBench در GitHub موجود است.

🔗 توضیحات و نمونه‌کد در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

‏🤖 افزودن کانکتورها به Agent Mode در Arena

‏پلتفرم Arena قابلیت استفاده از کانکتورها را به بخش Agent Mode اضافه کرد. با این تغییر، کاربران می‌توانند ابزارهای کاربردی و دنیای واقعی را مستقیماً در فرآیندهای خودکار به‌کار بگیرند و کارهای پیچیده‌تر را از ابتدا تا انتها مدیریت کنند.

‏مهم‌ترین ابزارهای قابل اتصال در حال حاضر عبارتند از:
‏- GitHub
‏- Vercel
‏- Linear
‏- Supabase
‏- Notion
‏- Gmail، Google Drive و Google Calendar

‏این ابزارها بر اساس درخواست کاربران انتخاب شده‌اند و قرار است در آینده موارد بیشتری به این فهرست اضافه شود. برای بررسی فرصت‌های همکاری با این تیم نیز می‌توانید به صفحه Jobs مراجعه کنید.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Arena_ai #Agent_Mode

‏🧬 ورود آنتروپیک به حوزه طراحی دارو با مدل Claude

‏شرکت Anthropic با خرید استارتاپ بیوتکنولوژی Mithril Medicine و توسعه استفاده از مدل Claude در صنعت داروسازی، فعالیت‌های خود را در این حوزه گسترش داده است.

‏در یک نمونه عملی، استارتاپ Mithril با بهره‌گیری از مدل Claude برای مدیریت قراردادها، لجستیک و طراحی آزمایش‌ها، توانست در کمتر از ۱۸ ماه یک روش درمانی برای نوعی دیستروفی عضلانی را از مرحله ایده به نتایج اولیه در مدل‌های موشی برساند. در حال حاضر Anthropic بر همین اساس تحقیقات پیش‌بالینی اختصاصی خود را در زمینه بیماری‌های نادر عضلانی دنبال می‌کند.

‏این شرکت اکنون با شش سازمان تخصصی از جمله Bristol Myers Squibb و Generate Biomedicines همکاری می‌کند. Claude در این پروژه‌ها وظایف متعددی را بر عهده دارد:

‏* طراحی ساختار آنتی‌بادی‌ها و بهینه‌سازی پایداری حرارتی آن‌ها
‏* برنامه‌ریزی کارآزمایی‌های بالینی
‏* تدوین اسناد نظارتی و قانونی

‏در همکاری با Divergence Labs، مدل Claude موفق شد ۳۵ هزار طرح آنتی‌بادی را در مدت یک ماه تولید کند؛ فرآیندی که به‌صورت سنتی به حدود نه ماه زمان نیاز داشت.

🇮🇷 سایت | تلگرام

‏📊 سهم کشورهای جهان از توان محاسباتی هوش مصنوعی

‏گروه پژوهشی Epoch AI در بررسی جدید خود از مبادلات گمرکی تراشه‌های هوش مصنوعی، تفاوت چشمگیری را در توزیع قدرت محاسباتی میان آمریکا و چین گزارش کرده است. بر اساس این داده‌ها، در حالی که چین برای تأمین نیاز خود به تراشه‌های بومی هواوی و Cambricon متکی است، روند دسترسی به سخت‌افزار در آمریکا با سرعت بیشتری در حال افزایش است.

‏مهم‌ترین یافته‌های این گزارش:

‏- ۷۲ درصد از توان محاسباتی جدید جهان در سال ۲۰۲۵ به آمریکا اختصاص یافته است که این رقم در نیمه اول سال ۲۰۲۶ به ۷۸ درصد رسیده است.
‏- مجموع ارزش تراشه‌های وارداتی آمریکا از سال ۲۰۲۲ تا امروز حدود ۲۸۸ میلیارد دلار برآورد شده است.
‏- مجموع ارزش تراشه‌های وارداتی چین در همین بازه زمانی ۵۰.۵ میلیارد دلار گزارش شده است.
‏- سهم چین از ظرفیت محاسباتی جدید جهان در حال حاضر حدود ۱۰ درصد است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Epoch_AI #تراشه_هوش_مصنوعی

‏صدرنشینی Gemini 4 Carbon در شاخص هوش مصنوعی

‏مدل Gemini 4 Carbon در جدیدترین به‌روزرسانی شاخص Artificial Analysis Intelligence با کسب امتیاز ۵۹، در جایگاه نخست قرار گرفت. این مدل که ارتقایافته نسخه Argon محسوب می‌شود، در حال حاضر فاقد API عمومی بوده و تنها برای گروه محدودی از متخصصان امنیت سایبری در دسترس است.

‏همچنین در شاخص Coding Agent که عملکرد مدل‌ها را در بنچمارک‌های برنامه‌نویسی ارزیابی می‌کند، این مدل پس از Claude Opus 5.5 در رتبه دوم جای گرفته است.

‏برخی از مدل‌های برتر در این دو رده‌بندی عبارت‌اند از:

‏* Intelligence Index: Gemini 4 Carbon (۵۹)، Claude Opus 5.5 (۵۸) و GPT-6 Astra (۵۷)
‏* Coding Agent Index: Claude Code - Claude Opus 5.5 (۶۲)، Antigravity CLI - Gemini 4 Carbon (۵۹) و Claude Code - Claude Sonnet 5.5 (۵۹)

‏مدل Gemini 4 Carbon با قیمت ۴ دلار برای استفاده‌های سبک و ۲۰ دلار برای دسترسی کامل معرفی شده است.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Gemini_4_Carbon #Antigravity_CLI