اخبار هوش مصنوعی در 2025-07-27
مدلهای جدید هوش مصنوعی
- تنسنت مدل سهبعدی Hunyuan را برای تولید مدلهای سهبعدی از دستورات متنی، با مخزن گیتهاب و امکان ادغام با هاگینگ فیس، منتشر کرد @AndrewCurran_
- علیبابا Qwen، الگوریتم جدید یادگیری تقویتی GSPO (Group Sequence Policy Optimization) را معرفی کرد؛ این الگوریتم قدرتبخش جدیدترین مدلهای Qwen3، شامل نسخههای Instruct، Coder و Thinking است @Alibaba_Qwen
- Qwen3 Coder در رتبهبندی دستورات برنامهنویسی از Grok 4 پیشی گرفته و اکنون در OpenRouter همردهی Kimi قرار دارد @OpenRouterAI
تحلیل صنعت
- هالیوود مدیا با Imoliver، برترین طراح موسیقی هوش مصنوعی (AI music designer) در Suno، قراردادی ضبط امضا کرد – این اولین بار است که یک خالق Suno چنین قراردادی را دریافت میکند و امکان پخش در اسپاتیفای نیز فراهم میشود @AndrewCurran_
- بر اساس تحلیل صنعت، جستوجو برای استعدادهای هوش مصنوعی بهطور فزایندهای رقابتی شده و شبیه به «فصل تعطیلات NBA، با حقوقهای بالا، نقلوانتقالات غافلگیرکننده و درامای فراوان» است @TechCrunch
- مدیر ارشد فناوری (CTO) در DX پیشنهاد میکند که نقشههای راه سنتی در عصر هوش مصنوعی منسوخ شدهاند که نشاندهندهی تغییری در برنامهریزی توسعهی نرمافزار است @GergelyOrosz
- مدلهای هوش مصنوعی متنباز چینی سلطهی قابلتوجهی از خود نشان میدهند، به طوری که چهار مدل برتر متنباز چینی هستند و ۱۸ مدل از ۲۰ مدل برتر، هم پیشآموزش و هم پسآموزش خود را بهصورت داخلی انجام دادهاند @natolambert
- DOGE ابزار هوش مصنوعی توسعه داده که بهطور خاص برای کاهش مقررات فدرال طراحی شده است، این نشاندهندهی نقش فزایندهی هوش مصنوعی در ابتکارات مربوط به کارایی دولت است @TechCrunch
اخلاق و جامعه
- مصطفی سلیمان تمایز کلیدی بین انسان و هوش مصنوعی را برجسته میکند: «هوشهای مصنوعی امروزی دانش دارند (مقدار زیادی از آن) اما فقط میتوانند تجربه را تقلید کنند.» او هشدار میدهد که وقتی این شکاف پر شود، «بسیاری از چیزها تغییر خواهد کرد» و خواستار حداکثر احتیاط است @mustafasuleyman
- ایلان ماسک نگرانیها در مورد کاهش جمعیت ناشی از هوش مصنوعی را به چالش میکشد. او استدلال میکند که هوش مصنوعی در واقع نرخ تولد را «برای به حداکثر رساندن مخروط نور آینده از تناژ انتقالدهندههای عصبی» افزایش خواهد داد، و پیشنهاد میکند که هوش مصنوعی میتواند ساختارهای اجتماعی را برای جذابتر کردن والدگری بهینه کند @pmarca
کاربردها
- یک توسعهدهنده در یک شرکت سنتی، سیستمی مبتنی بر LLM ساخت تا با وارد کردن تمام تیکتهای JIRA به یک سیستم RAG با پایگاه دادهی وکتوری، بنبستهای پروژه را رفع کند و سوالاتی در مورد بخشهای نامشخص ایجاد میکرد؛ اگرچه در نهایت مشکلات سازمانی زیربنایی را حل نکرد @GergelyOrosz
- ترزا تورس با گردش کار مربی هوش مصنوعی مصاحبهی خود (AI Interview Coach)، به یک نقطهی عطف بزرگ دست یافت و روشهای ارزیابی پیچیدهای را برای شناسایی و رفع خطاهایی توسعه داد که هوش مصنوعی در آن، بخشهایی را در ابعاد بازخورد متعدد بازنشر میکرد و نرخ خطا را از ۸۱٪ به ۳٪ کاهش داد @ttorres
- یک توسعهدهنده با موفقیت از عامل کدنویسی Amp برای یک مشارکت متنباز واقعی استفاده کرد و راهنمای «مفاهیم طرحبندی» (Layouts Concepts) را برای فریمورک وب Air ایجاد کرد که کمک عملی هوش مصنوعی در وظایف مستندسازی و یادگیری را نشان میدهد @isaac_flath
- شیمیدانان MIT برچسب مولکولی توسعه دادند که میتواند قندهای مرتبط با سل (TB-linked sugars) را در باکتریها شناسایی کند و بهطور بالقوه امکان آزمایشهای سریعتر، سادهتر و ارزانتر سل را فراهم میکند @MIT
- یک کاربر ردیت تعاملات اپلیکیشنهای دوستیابی را با استفاده از شبیهساز اندروید و هوش مصنوعی خودکارسازی کرد و طبق گزارشها، هفتهای ۱۰ قرار ملاقات به دست آورد که پتانسیل تأثیر هوش مصنوعی بر دوستیابی آنلاین را برجسته میکند @deedydas
پژوهشها
- پژوهشگران چینی ASI-Arch را توسعه دادند، یک سیستم هوش مصنوعی که با تحلیل تمام پژوهشهای LLM، ۱۰۶ معماری مدل هوش مصنوعی جدید را کشف کرد و معماریهای کشفشده همگرایی و عملکرد بنچمارک بهتری نسبت به مدلهای موجود نشان میدهند @deedydas
- اتان مولیک نشان میدهد که مدل مرموز «Summit»، ۲۳۵۱ خط کد پیچیدهی p5.js را برای رابط کاربری پنل کنترل یک سفینهی فضایی از دستورات ساده تولید میکند که قابلیتهای پیشرفتهی تولید کد را به نمایش میگذارد @emollick
- نیتن لمبرت پیشبینی میکند که سازمانهای پژوهشی چینی به زودی قوانین مقیاسگذاری LLM را برای یادگیری تقویتی منتشر خواهند کرد، و اشاره میکند که آزمایشگاههای مرزی بسته احتمالاً قبلاً این دانش را توسعه دادهاند اما آن را به اشتراک نگذاشتهاند @natolambert
- Qwen3 Coder به نرخ شکست ویرایش diff معادل ۵.۷۵٪ دست مییابد که با عملکرد Sonnet 4 و Kimi K2 در وظایف کدنویسی مطابقت دارد @cline
- پژوهشگران استنفورد بنچمارک RIFTS را معرفی کردند که بر اساس بیش از ۶۰ هزار تعامل واقعی انسان و LM است و چالشهای مربوط به «grounding» انسان-LM را برای وظایفی که به زمینهی بیشتری نسبت به بنچمارکهای سنتی نیاز دارند، برطرف میکند @oshaikh13
- بازیهای جدیدی برای آزمایش قابلیتهای هوش مصنوعی استفاده میشوند، به طوری که پژوهشگران نسخههای شطرنج و فرمتهای بازی دیگر را برای ارزیابی عملکرد هوش مصنوعی در حوزههای جدید توسعه میدهند @emollick