اخبار هوش مصنوعی در 2025-07-26

مدل‌های جدید هوش مصنوعی

  • Qwen مدل تفکر به‌روز‌شده‌ی خود را با قابلیت‌های استدلال گسترده منتشر کرد؛ این مدل برای انجام وظایف پیچیده‌ای مانند دستورالعمل‌های نقاشی، ۱۶۶ ثانیه زمان صرف کرد @simonw
  • گوگل اعلام کرد که Gemini 2.5 Flash-Lite اکنون پایدار و به‌صورت عمومی برای توسعه‌دهندگان و مشتریان سازمانی در دسترس قرار گرفته است @GoogleAI
  • گوگل مدل جدید Aeneas را منتشر کرد؛ این مدل برای کمک به تاریخ‌دانان جهت تفسیر، ارجاع و بازسازی متون باستانی طراحی شده است @GoogleAI
  • InternLM مدل چندحالته‌ی (multimodal) ۲۳۵B MoE خود با نام Intern-S1 را منتشر کرد؛ این مدل با کدگذار (encoder) بینایی ۶B، با ۵ تریلیون توکن چندحالته و ۲.۵ تریلیون توکن حوزه‌ی علمی و قابلیت‌های فراخوانی ابزار آموزش دیده است @Xianbao_QIAN

تحلیل صنعت

  • متا «شنگ‌جیا ژائو» را به‌عنوان دانشمند ارشد واحد ابرهوش مصنوعی خود منصوب کرد @TechCrunch
  • Perplexity دسته‌ی دیگری از دعوت‌نامه‌های Comet را ارسال کرد که نشان‌دهنده‌ی گسترش مستمر پلتفرم جستجوی هوش مصنوعی آن‌هاست @AravSrinivas
  • Windsurf AI گزارش داد که با ۳۰٪ از ۱۰۰ شرکت برتر فورچون از جمله JPMC، Dell، Cisco، Phillips، ServiceNow و MercadoLibre همکاری می‌کند @sandeepDshah
  • شرکت Unitree چین یک ربات انسان‌نمای ۲۵ کیلوگرمی را با قیمت ۵۹۰۰ دلار منتشر کرد که این اولین بار است که یک ربات انسان‌نما قیمتی کمتر از یک MacBook Pro با بالاترین پیکربندی دارد؛ اگرچه این ربات محدود به یک ساعت عمر باتری و قابلیت‌های ابتدایی است @deedydas
  • تحلیل‌ها نشان می‌دهد که بسیاری از پژوهشگران پیشرو هوش مصنوعی به‌طور شگفت‌انگیزی از ابزارهای هوش مصنوعی استفاده نمی‌کنند، حتی از مدل‌هایی که خودشان آموزش می‌دهند که نشان‌دهنده‌ی نقص در سیستم‌های انگیزشی است @_xjdr
  • مهندسان نرم‌افزاری که مدل‌های زبان بزرگ (LLM) را برای کدنویسی مفید نمی‌دانند، معمولاً در سه دسته قرار می‌گیرند: کسانی که بیش از ۲ ماه پیش و قبل از بهبودهایی مانند Claude Code از آن‌ها استفاده کرده‌اند؛ کسانی که در زبان‌ها/فریمورک‌های نامعمول (esoteric) کار می‌کنند؛ یا کسانی که روی پایگاه‌های کد بزرگ و از پیش موجود کار می‌کنند @deedydas

اخلاق و جامعه

  • موسسه‌ی Future of Life یک کارنامه‌ی گزارش ایمنی را منتشر کرد که به سازندگان برجسته‌ی مدل‌های هوش مصنوعی نمره داده است؛ در این کارنامه، Anthropic با نمره‌ی C+ بالاترین امتیاز را کسب کرد، در حالی که DeepSeek پایین‌ترین نمره‌ی F را دریافت کرد @MIT_CSAIL
  • جفری هینتون پیشنهاد ایجاد یک جامعه‌ی بین‌المللی از موسسات ایمنی هوش مصنوعی را مطرح کرد تا روی تکنیک‌های آموزش هوش مصنوعی برای خیرخواه بودن کار کنند @AndrewCurran_
  • نخست‌وزیر چین، «لی کیانگ»، پیشنهاد تاسیس یک سازمان برای همکاری و هماهنگی جهانی هوش مصنوعی را مطرح کرد، با تاکید بر توسعه‌ی متن‌باز و اشتراک پیشرفت‌ها با کشورهای در حال توسعه @AndrewCurran_

کاربردها

  • اولین مطالعه‌ی کنترل‌شده‌ی هوش مصنوعی مولد (GenAI) در کنترل کیفیت صنعتی نشان داد که مهندسانی که از یک سیستم عیب‌یابی مجهز به GPT-3.5 استفاده می‌کردند، هنگام راه‌اندازی قطارهای جدید افزایش قابل‌توجهی در کیفیت کار داشتند @emollick
  • Google Photos و YouTube اکنون از تبدیل عکس به ویدئو با استفاده از هوش مصنوعی پشتیبانی می‌کنند، با افکت‌های جدید Veo برای تبدیل سلفی‌ها به ویدئوهای سرگرم‌کننده @GoogleAI
  • گوگل AI Playground را به‌عنوان یک مرکز جدید برای قابلیت‌های ساخت محتوای هوش مصنوعی YouTube و آزمایش Opal را برای ساخت و اشتراک‌گذاری مینی‌اپلیکیشن‌های هوش مصنوعی راه‌اندازی کرد @GoogleAI
  • جستجو و خرید گوگل اکنون از قابلیت امتحان مجازی لباس (virtual try-on) با کمک هوش مصنوعی در ایالات متحده پشتیبانی می‌کند @GoogleAI
  • انویدیا برای اولین بار شبیه‌سازهای کامل اقیانوس را با مدل‌های جوی جفت کرد که قابلیت‌های جدیدی را در پیش‌بینی ال نینو و پیش‌بینی فصلی امکان‌پذیر می‌سازد @NVIDIAAI

پژوهش‌ها

  • تیم تفسیرپذیری Anthropic چندین به‌روزرسانی پژوهشی منتشر کرد، از جمله کارهایی روی خودکارسازی ممیزی مدل، گونه‌های جایگزین ترنسکدر برای لایه‌های MLP به‌عنوان تبدیل‌های خطی شرطی، و یک تیم جدید را معرفی کرد که روش‌های تفسیرپذیری را برای پاسخ به سوالات مهم درباره‌ی رفتار مدل به کار می‌گیرد @ch402
  • Gemini عملکردی در حد مدال طلا در المپیاد جهانی ریاضی به دست آورد که نشان‌دهنده‌ی پیشرفت قابل‌توجهی در قابلیت‌های استدلال ریاضی است @GoogleAI
  • هوآوی سیستم CloudMatrix 384 خود را که شامل ۳۸۴ تراشه‌ی 910C آن‌هاست، در اولین حضور عمومی خود در WAIC به نمایش گذاشت @AndrewCurran_
  • بحثی درباره‌ی پیش‌آموزش (pretraining) به‌عنوان «علمی ظریف» که توسط ریاضیدانان انجام می‌شود، در مقابل پس‌آموزش (posttraining) به‌عنوان «پژوهش هیجان‌انگیز سبک کابویی» با آزمایش سریع هایپرپارامترها، که روش‌های متدولوژیک متفاوت در توسعه‌ی هوش مصنوعی را برجسته می‌کند @tszzl