مدلهای جدید هوش مصنوعی
- شرکت MoonshotAI مدل کیمی کی2 تینکینگ را منتشر میکند؛ یک مدل استدلالی با ۱ تریلیون پارامتر (۳۲ میلیارد پارامتر فعال) که ۹۳ درصد از امتیاز معیار Tau2 Bench Telecom agentic و ۵۱ درصد از امتیاز «آخرین امتحان بشریت» را کسب کرده است و احتمالاً به مدل پیشرو جدید با وزنهای باز تبدیل خواهد شد. این مدل به جای FP8، از دقت INT4 استفاده میکند که حجم آن را به حدود ۵۹۴ گیگابایت کاهش میدهد و کارایی استنتاج (inference) را بهبود میبخشد @ArtificialAnlys
- اوپنایآی مدل جیپیتی-۵-کدکس-مینی را منتشر میکند؛ این مدل امکان استفادهای حدوداً ۴ برابر بیشتر از جیپیتی-۵-کدکس را با کمی افت در قابلیتها به دلیل فشردهتر بودن مدل فراهم میکند و در رابط خط فرمان (CLI) و افزونهی محیط توسعه (IDE) در دسترس است @OpenAIDevs
- ارتقای کوچکی در کدکس با مدل بهروزشدهی جیپیتی-۵-کدکس که همکاری بهبودیافتهای را نشان میدهد، با کسب چند درصد امتیاز بیشتر در ارزیابیهای کلیدی و حدود ۳ درصد کارآمدتر در مصرف توکن @thsottiaux
- شرکت Anthropic دفاتری در پاریس و مونیخ افتتاح میکند، زیرا منطقهی EMEA (اروپا، خاورمیانه و آفریقا) به سریعترین منطقهی در حال رشد آنها تبدیل شده است و درآمد جاری (run-rate revenue) آنها در سال گذشته بیش از ۹ برابر رشد داشته است @AnthropicAI
- گوگل اعلام میکند که آیرونوود، هفتمین نسل از TPU (پردازندهی تنسور) آنها، در هفتههای آینده با بهبود قابلتوجهی در عملکرد و کارایی نسبت به نسلهای قبلی، به صورت عمومی در دسترس خواهد بود @JeffDean
- مایکروسافت کوپایلوت جستجوی هوش مصنوعی را با منابع شفافتر و قابل کلیک ادغام میکند و Copilot Groups را برای برنامهریزی مشارکتی با حداکثر ۳۲ نفر راهاندازی میکند @Copilot
- اپلیکیشن Gemini قابلیتهای تولید ویدئو را اضافه میکند و به کاربران امکان میدهد ویدئوهای ۸ ثانیهای همراه با جلوههای صوتی و دیالوگ را از توضیحات ساده ایجاد کنند @madebygoogle
تحلیل صنعت
- CNBC گزارش میدهد که هزینهی کلی آموزش برای مدل کیمی کی2 تینکینگ ۴.۶ میلیون دلار بوده است که نشاندهندهی کارایی هزینه در توسعهی مدلهای پیشرفته است @AndrewCurran_
- گرگلی اُروس تقاضای عظیمی را از سوی شرکتهای سنتی (بانکها، خطوط هوایی) برای آموزش هوش مصنوعی و کارگاههای آموزشی برای توسعهدهندگان شناسایی میکند؛ با وجود بودجههای موجود اما عدم وجود برنامههای آموزشی مناسب در حال حاضر @GergelyOrosz
- BillionToOne، یک شرکت بیوتکنولوژی YC، به عنوان چهارمین شرکت بیوتکنولوژی عرضهشده در بورس عمومی، با بیش از ۲۶۵ میلیون دلار درآمد تکرارشوندهی سالانه (ARR) و ۶۵ درصد حاشیهی سود ناخالص وارد بورس میشود که نشان میدهد چگونه سیلیکونولی میتواند مشکلات مهم اجتماعی را فراتر از نرمافزار تامین مالی کند @snowmaker
- کلمنت دلانگی اشاره میکند که مدل کیمی کی2 تینکینگ یک نقطه عطف را نشان میدهد، جایی که هوش مصنوعی متنباز در حوزهی تخصصی خود (عاملها) از APIهای اختصاصی پیشی میگیرد و روایت پیروزی مدلهای اختصاصی به دلیل سرمایهی بیشتر و قدرت محاسباتی بالاتر را به چالش میکشد @ClementDelangue
- گوگل از عرضهی محصولات مهمی خبر میدهد، از جمله رانندگی مکالمهای بدون دخالت دست در گوگل مپس که با جمینی ساخته شده است، قابلیتهای «پژوهش عمیق» (Deep Research) و بهبودهایی در گوگل فایننس با «جستجوی عمیق» (Deep Search) @GoogleAI
- دستیار Perplexity Comet ارتقای عمدهای دریافت میکند، با ۲۳ درصد عملکرد بهتر در آزمایشهای داخلی، اکنون با استدلال بهبودیافته در هر مرحله، بیشتر شبیه یک انسان مسیرها را پیدا میکند @ai_for_success
- اسکات بلسکی مشاهده میکند که وقتی آستانهی دسترسی به ابزارهای هوش مصنوعی پایین میآید، آستانهی کیفیت بالا میرود که بر اهمیت تمایز تاکید دارد @scottbelsky
- اسنومیکر پارادوکس جونز را در بستر هوش مصنوعی توضیح میدهد: با هوش فوقالعاده ارزان و در دسترس بر اساس تقاضا که اکنون موجود است، مردم همچنان به راههای جدیدی برای استفاده از آن فکر خواهند کرد که تقاضای مستمر را افزایش میدهد @snowmaker
اخلاق و جامعه
- مصطفی سلیمان استدلال میکند که هوش مصنوعی باید همیشه تحت کنترل انسان باقی بماند، اظهار میکند که انسانها باید در بالای زنجیرهی غذایی باقی بمانند و خواستار تدابیر حفاظتی جدی قبل از اینکه هوش فراگیر (superintelligence) بیش از حد پیشرفته و غیرقابل کنترل شود، است @mustafasuleyman
- دیلیپ جورج افکار خود را در مورد آگاهی هوش مصنوعی منتشر میکند و استدلال میکند که آگاهی مستقل از بستر (substrate-independent) است و در سیستمهای هوش مصنوعی امکانپذیر است، اما میتواند از درد و رنج جدا شود که به سیستمهای هوش مصنوعی آگاه امکان میدهد بدون نگرانیهای اخلاقی به انسانها خدمت کنند @dileeplearning
- استودیو پارامونت تحت مدیریت مدیرعامل دیوید الیسون، یک لیست سیاه داخلی از چهرههای هالیوود که «ضد یهود» نامیده میشوند، حفظ میکند، در حالی که با منافع اسرائیل همسو است و جنبش BDS (بایکوت، سلب سرمایه و تحریم) را رد میکند @DropSiteNews
- سناتور کریس ون هولن گزارش میدهد که برچیدن USAID توسط ترامپ منجر به مرگ تخمینی ۶۰۰,۰۰۰ نفر شده است که دو سوم آنها کودک بودهاند، بر اساس یک مدل @ChrisVanHollen
کاربردها
- آماندا اسکل اشاره میکند که مردم اغلب در ارائهی دستورات (prompts) بسیار مختصر اشتباه میکنند و فاش میکند که او برای کارهای پیچیده، به طور منظم از دستورات بیش از ۱۰۰ صفحهای استفاده میکند @AmandaAskell
- سایمون ویلسون اجرای مدل کی2 تینکینگ را روی دو دستگاه مک استودیو M3 Ultra از طریق MLX نشان میدهد که استقرار عملی مدلهای بزرگ را روی سختافزار مصرفکننده به نمایش میگذارد @awnihannun
- ایتان مولیک مدل کیمی کی2 را آزمایش میکند و متوجه میشود که این مدل در اولین تلاش، آزمون لم (Lem Test) را با موفقیت پشت سر میگذارد، اگرچه اشاره میکند که مدل دارای ویژگیهای جالب و خاصی است که در آن نوشتار در ابتدا خوب به نظر میرسد اما با بررسی دقیقتر، نامنسجم میشود @emollick
- ارتقای LaTeX در جمینی مورد تحسین کاربران قرار میگیرد که گزارش میدهند هر هفته ساعتها در وقت آنها صرفهجویی میشود، به طوری که یکی از آنها اشاره میکند که «فقط کار کرد و نیازی به درگیری با ابزارها نبود.» @joshwoodward
- انویدیا دوقلوهای دیجیتال ترکیبشده با هوش مصنوعی عاملیتمحور را به نمایش میگذارد که امکان برنامهریزی هوشمندتر زیرساختها، تصمیمگیری سریعتر و عملیات بلادرنگ برای شهرهای ایمنتر و مقاومتر را فراهم میکند @NVIDIAAI
- تسلا گزارش میدهد که FSD Supervised در ۶ کشور در دسترس است و اتحادیهی اروپا و مناطق دیگر نیز در ادامه خواهند بود و اولین تحویل بدون رانندهی یک خودرو از کارخانه به خانهی مالک در جهان را تکمیل میکند @Tesla
- جاش شنل مشاهده میکند که وقتی ویژگیهای جدید به نظر میرسد تنها با یک دستور (prompt) فاصله دارند، «خزش ویژگی» (feature creep) به نبردی بیپایان تبدیل میشود و این امر انضباط را در توسعهی محصول از هر زمان دیگری مهمتر میکند @jshchnz
- استیپت استفاده از Codex را برای رفع هزاران مشکل در طول یک شب به نمایش میگذارد که اتوماسیون عملی نگهداری کد را نشان میدهد @steipete
پژوهشها
- ایتان مولیک تاکید میکند که اینکه شرکتها مدلهای هوش مصنوعی را بر اساس معیارهای (benchmarks) به عنوان جایگزین یکدیگر (fungible) در نظر بگیرند، مشکلساز است، زیرا مدلهایی مانند کیمی، گراک و کلاد نقاط قوت، ویژگیهای خاص و ضعفهای متمایزی دارند که در عملکرد کلی تفاوت زیادی ایجاد میکنند @emollick
- مولیک اشاره میکند که حوزههایی مانند تحلیل، نگارش، مشاوره و خدمات مشتری کمتر مورد ارزیابی معیار قرار گرفتهاند و تفاوتهای زیادی بین مدلهای به یک اندازه هوشمند که بسیار متفاوت عمل میکنند، نشان میدهند @emollick
- فرانسوا شوله نکتهای برای بهینهسازی برای کاربران کولب به اشتراک میگذارد: تغییر به زمان اجرای TPU و تنظیم پارامتر steps_per_execution در model.compile() اغلب میتواند سرعت را ۴ تا ۵ برابر افزایش دهد @fchollet
- سایمون ویلسون فرضیه میدهد که مدلهای زبانی بزرگ (LLM) فعلی ممکن است راهاندازی زبانهای برنامهنویسی کاملاً جدید را آسانتر کنند، مشروط بر اینکه بتوان آنها را در چند هزار توکن توصیف کرد و همراه با یک کامپایلر و لینتر (linter) که عاملهای کدنویسی میتوانند از آنها استفاده کنند، عرضه شوند @simonw
- فیفی لی، جفری هینتون و یوشوا بنجیو جایزهی مهندسی ملکهی الیزابت ۲۰۲۵ را دریافت میکنند که نقش آنها را در شکلدهی انقلاب هوش مصنوعی امروزی به رسمیت میشناسد @StanfordHAI
- تسلا اعلام میکند که تراشهی AI5 پتانسیل ۵۰ برابر عملکرد بهتر نسبت به AI4 (سختافزار فعلی) را دارد و برای تولید انبوه در سال ۲۰۲۷ جهت استفاده در وسایل نقلیه، رباتیک، آموزش و مراکز داده در حال کار است @Tesla
- دیلیپ جورج این ایده را که شبیهسازی ریزپردازندهها ثابت میکند ما مغز را میفهمیم، به چالش میکشد و استدلال میکند که ما میتوانیم ریزپردازندهها را شبیهسازی کنیم زیرا انتزاعاتی که قطعات را به عملکرد متصل میکنند، میفهمیم، نه برعکس @dileeplearning
- فیزیکدانان MIT شواهد کلیدی از ابررسانایی غیرمعمول را در یک شکل خاص از گرافن مشاهده میکنند که احتمالاً راهنمایی برای طراحی ابررساناهای دمای اتاق خواهد بود @MIT
- انویدیا و شرکای آن، اولین پشتهی بیسیم بومی هوش مصنوعی ساختهشده در آمریکا را تنها در شش ماه ایجاد میکنند که توسط NVIDIA AI Aerial پشتیبانی میشود و یک مسیر روشن از 5G به 6G ایجاد میکند @NVIDIAAI
مدلهای جدید هوش مصنوعی
- علیبابا Qwen3-max-preview را منتشر میکند که در Arena Expert رتبهی ۴ جهانی را دارد، در حالی که Qwen3-235B-A22B-Thinking-2507 در بین تمام مدلهای متنباز در پرامپتهای سطح متخصص در ۸ حوزهی حیاتی رتبهی ۱ را کسب کرده است @Alibaba_Qwen
- مونشات (Moonshot) هوش مصنوعی Kimi K2 Thinking را عرضه میکند؛ یک مدل عامل تفکر متنباز که در HLE (با ۴۴.۹٪) و BrowseComp (با ۶۰.۲٪) به وضعیت هنری (SOTA) دست یافته و قادر به اجرای ۲۰۰ تا ۳۰۰ فراخوانی ابزار متوالی بدون دخالت انسان است و پنجرهی زمینهی ۲۵۶ هزار توکنی دارد @Kimi_Moonshot
- گوگل از در دسترس قرار گرفتن عمومی TPU Ironwood (نسل هفتم) خبر میدهد که ۱۰ برابر بهبود عملکرد اوج در مقایسه با TPU v5p و بیش از ۴ برابر عملکرد بهتر در هر تراشه برای هر دو بار کاری آموزش و استنتاج در مقایسه با TPU v6e (Trillium) دارد @sundarpichai
- گوگل File Search Tool را در API جیمینای معرفی میکند؛ یک راهکار RAG میزبانی شده با فضای ذخیرهسازی رایگان و امبدینگهای رایگان در زمان کوئری برای سادهسازی سیستمهای هوش مصنوعی آگاه از متن @OfficialLoganK
- Gemini Deep Research گوگل اکنون برای همهی کاربران دسکتاپ مستقیماً به جیمیل، درایو، داکس و چت متصل میشود و امکان تحلیل بازار و گزارشهای رقبا را با ترکیب ترندهای زندهی وب با اسناد داخلی فراهم میکند @GeminiApp
- اوپنایآی (OpenAI) قابلیت قطع کردن کوئریهای طولانی و افزودن زمینهی جدید بدون راهاندازی مجدد یا از دست دادن پیشرفت را معرفی میکند؛ قابلیتی که به ویژه برای اصلاح کوئریهای Deep Research یا o1 Pro مفید است @OpenAI
- پرپلکسیتی (Perplexity) از ارتقاءهای عمده برای Comet Assistant خبر میدهد که با ۲۳٪ بهبود عملکرد، قادر به مدیریت گردشکارهای پیچیدهتر چند سایتی است، در حالی که به صورت موازی در چندین تب کار میکند @perplexity_ai
- اینسپشن لبز (Inception Labs) برای مدل Mercury، ۵۰ میلیون دلار در دور سرمایهگذاری اولیه (seed round) جمعآوری میکند و به کدنویسی هوش مصنوعی ۱۰ برابر سریعتر و ۱۰ برابر ارزانتر با عملکردی مطابق با Gemini Flash/Haiku دست مییابد و بازیهایی مانند Connect 4 را تقریباً در ۲ ثانیه با استفاده از مدلهای انتشار جدید برای کد پیادهسازی میکند @deedydas
- مایکروسافت ریسرچ (Microsoft Research) Agentic Mode را در Data Formulator در Azure AI Foundry Labs منتشر میکند و به کاربران امکان میدهد تا نمودارها را بهروزرسانی کنند، توصیههایی دریافت کنند و گزارشهایی مبتنی بر کاوش دادهها ایجاد کنند @MSFTResearch
- گوگل دیپمایند (Google DeepMind) Lyria RealTime API را در Google AI Studio راهاندازی میکند تا توسعهدهندگان بتوانند اپلیکیشنهایی برای خلق و اجرای موسیقی بیکلام تعاملی بسازند که از طریق اپلیکیشن وب Space DJ به نمایش گذاشته شده است @GoogleDeepMind
تحلیل صنعت
- اندرو اِنجی هشدار میدهد که ارائهدهندگان SaaS در حال ایجاد سیلوهای داده و دریافت هزینههای بالا (بیش از ۲۰,۰۰۰ دلار برای کلیدهای API) هستند تا از دسترسی مشتریان به دادههای خود برای گردشکارهای عامل هوش مصنوعی جلوگیری کنند، و به کسبوکارها توصیه میکند که برای به حداکثر رساندن قابلیتهای هوش مصنوعی، کنترل دادههای خود را در دست بگیرند @AndrewYNg
- پرپلکسیتی از همکاری با اسنپچت خبر میدهد که طبق آن پرپلکسیتی از ژانویه ۲۰۲۶ هوش مصنوعی پیشفرض برای همهی کاربران اسنپچت خواهد بود و اسنپ ۴۰۰ میلیون دلار برای این یکپارچهسازی پرداخت خواهد کرد @perplexity_ai
- اپل ۱ میلیارد دلار به گوگل پرداخت میکند تا از یک Gemini با برند سفید (whitelabeled) برای تقویت سیری (Siri) استفاده کند که این اقدام ارزش دیدهشدن پلتفرم و توزیع را نشان میدهد @GergelyOrosz
- فیگما (Figma) با ۳۸٪ رشد درآمد سال به سال، از نرخ درآمد سالانه ۱ میلیارد دلاری عبور میکند و سرمایهگذاریهای هوش مصنوعی مانند Figma Make و MCP نتایج مثبتی به بار آوردهاند @zoink
- AI Studio به ۲.۱ میلیون کاربر «وایب کدینگ» (vibe coding) میرسد که هر روز صدها هزار اپلیکیشن ساخته میشود @OfficialLoganK
- جیمی دایمن در مجمع کسبوکار آمریکا (America Business Forum) از مردم میخواهد هوش مصنوعی را بپذیرند و پیشبینی میکند که هفتهی کاری ۳.۵ روزه خواهد شد @AndrewCurran_
- آمار بقای استارتآپها نشان میدهد که ۴۰٪ پس از دور سرمایهگذاری اولیه (seed round)، ۵۰٪ از باقیمانده پس از سری A، ۶۰٪ پس از سری B و ۵۸٪ پس از سری C از بین میروند؛ با تقریباً ۲.۵٪ خریداری شده و ۰.۵ تا ۱٪ بر اساس دادههای سالهای ۲۰۱۶-۲۰۱۸ در یک بازهی ۱۰ ساله، به IPO میرسند @deedydas
- سومیث چینتالا (Soumith Chintala) پس از ۱۱ سال، خروج خود را از متا (Meta) و پایتورچ (PyTorch) اعلام میکند و از رهبری پایتورچ کنارهگیری میکند که بیش از ۹۰٪ پذیرش در هوش مصنوعی را کسب کرده و مدلهای بنیادین را در تقریباً تمام شرکتهای بزرگ هوش مصنوعی پشتیبانی میکند @soumithchintala
- سم آلتمن شفافسازی میکند که اوپنایآی به دنبال تضمینهای دولتی برای مراکز داده نیست و انتظار دارد سال را با درآمد سالانهی بیش از ۲۰ میلیارد دلار به پایان برساند و تا سال ۲۰۳۰ به صدها میلیارد دلار رشد کند، با ۱.۴ تریلیون دلار تعهدات زیرساختی در ۸ سال آینده @sama
اخلاق و جامعه
- اوپنایآی اعلام میکند که خطرات سیستمهای فوق هوشمند را بالقوه فاجعهبار میداند و معتقد است که مطالعهی تجربی ایمنی و همراستاسازی (alignment) میتواند به تصمیمگیریهای جهانی کمک کند، از جمله اینکه آیا این حوزه باید توسعه را برای مطالعهی سیستمهای قادر به خودبهبودی بازگشتی (recursive self-improvement) کُند کند یا خیر @AndrewCurran_
- مایکروسافت هوش مصنوعی از تشکیل تیم فوق هوش (Superintelligence Team) با تمرکز بر Humanist Superintelligence (HSI) خبر میدهد که به عنوان قابلیتهای هوش مصنوعی فوقالعاده پیشرفتهای تعریف میشود که همیشه در خدمت مردم و بشریت کار میکنند، با تأکید بر سیستمهای خاص دامنه که با دقت کالیبره شده و در محدودیتها زمینهسازی شدهاند @mustafasuleyman
- مصطفی سلیمان تأکید میکند که مایکروسافت هوش مصنوعی در حال ساخت یک فوق هوش مبهم و غیرمادی نیست، بلکه یک فناوری کاربردی است که صراحتاً فقط برای خدمت به بشریت طراحی شده است و بیان میکند که نمیخواهد در دنیایی زندگی کند که هوش مصنوعی از بشریت فراتر رود @mustafasuleyman
- پژوهشها نشان میدهد که مدلهای پیشرفتهی هوش مصنوعی با مواجهه با اطلاعات جدید و تعامل با افراد، باورهای خود را تغییر میدهند؛ با این حال، اقناع فعال (active persuasion) مؤثر است، اما تأثیرات از زمینهی کلی ناشی میشوند که این امر مسائل همراستاسازی را مطرح کرده و نشان میدهد که چرا سئو (SEO) برای عاملها ساده نیست @emollick
- ایتان مولیک (Ethan Mollick) این سؤال را مطرح میکند که پیروزی در رقابت بینالمللی هوش مصنوعی به چه معناست و خاطرنشان میکند که سیاستگذاران بر اساس سایر تصمیمات، به نظر نمیرسد به سناریوی «برخاست» (takeoff scenario) اعتقاد داشته باشند و بدون یک «اوجگیری» (apotheosis) به عنوان خط پایان، مشخص نیست که به سوی چه چیزی در حال رقابت هستیم @emollick
کاربردها
- اندرو اِنجی گزارش میدهد که عاملهای هوش مصنوعی در بررسی انواع مختلف داده در کسبوکارها برای شناسایی الگوها و ایجاد ارزش، بهتر شدهاند، که این امر سیلوهای داده را به طور فزایندهای دردسرساز میکند و ارزش اتصال نقاط بین قطعات مختلف داده بیش از همیشه است @AndrewYNg
- حَمِل حسین (Hamel Husain) یک ترفند کدنویسی هوش مصنوعی را با استفاده از قابلیت «کتابدار» (librarian) اَمپ (Amp) برای بررسی کد و وابستگیها با اهداف مشخص نشان میدهد؛ با حفظ رشتههای باز و انشعاب دادن آنها برای زمینهی بهتر @HamelHusain
- سایمون ویلیسون (Simon Willison) فرآیند استفاده از عاملهای کدنویس برای کارهای پژوهشی کد را به اشتراک میگذارد؛ با یک مخزن گیتهاب (GitHub repo) تحقیقاتی اختصاصی که در آن عاملها آزمایشهای دقیق را انجام میدهند و نتایج را مینویسند و فایل README به طور خودکار توسط LLM بهروزرسانی میشود تا خلاصهها را شامل شود @simonw
- لینیر (Linear) به ابزار ورودی تبدیل میشود که از طریق آن کار یا بازخورد به انسانها و عاملها هماهنگتر میشود @karrisaarinen
- بیلیونتووان (BillionToOne) با یک آزمایش ژنتیکی عمومی میشود که اکنون به غربالگری ۱ از ۱۱ نوزاد آمریکایی کمک میکند و امکان تشخیص زودهنگام را از مراقبتهای دوران بارداری تا سرطان فراهم میآورد @ycombinator
- آزمایشگاه رسانهی امآیتی (MIT Media Lab) دستگاههای نانوالکترونیکی کوچکی به نام «سیرکولاترونیکس» (circulatronics) را توسعه میدهد که به طور خودمختار مناطق بیمار در مغز را شناسایی و هدف قرار میدهند و خود را کاشته (self-implant) میکنند تا تحریک دقیق مغزی را فراهم آورند و به طور بالقوه ایمپلنتهای درمانی مغز را بدون نیاز به جراحی در دسترس قرار میدهند @medialab
پژوهشها
- مایکروسافت ریسرچ از همکاری PIKE-RAG با Signify خبر میدهد که ۱۲٪ افزایش دقت را برای سیستمهای دانش سازمانی نشان میدهد و پاسخهای سریعتر و قابل اعتمادتر ارائه میدهد @MSFTResearch
- vLLM اکنون به طور کامل از مدلهای ترکیبی مانند Qwen3-Next، Nemotron Nano 2 و Granite 4.0 پشتیبانی میکند و آنها را از حالت «هکهای تجربی» در نسخهی V0 به «شهروندان درجه یک» در نسخهی V1 ارتقا میدهد @PyTorch
- KernelFalcon به ۱۰۰٪ دقت در همهی ۲۵۰ وظیفهی KernelBench L1-L3 دست مییابد؛ از طریق معماری عامل عمیق که تجزیهی وظایف سلسلهمراتبی (hierarchical task decomposition)، هماهنگسازی قطعی (deterministic orchestration)، اجرای مستدل (grounded execution) و تأیید موازی را برای تولید کرنلهای (kernels) GPU ترکیب میکند @PyTorch
- پژوهشی روی AlphaEvolve برای کاوش ریاضی در مقیاس وسیع، روی ۶۷ مسئله آزمایش شد و تمامی موفقیتها و شکستها در همکاری بین امآیتی (MIT)، ولزلی (Wellesley)، هاروارد (Harvard) و گوگل دیپمایند (Google DeepMind) مستندسازی شد @GoogleDeepMind
- مطالعهای نشان میدهد که LLMها (مدلهای زبان بزرگ) بر کارهای اخیر در شبیهسازی رفتارهای انسانی مسلط بودهاند، اما شبکههای عصبی گراف (GNN) سبکوزن میتوانند در تنظیمات انتخاب گسسته (discrete-choice settings) با روشهای قوی مبتنی بر LLM برابری کنند یا آنها را شکست دهند @berkeley_ai
- مقالهی جدیدی WIMHF (What's In My Human Feedback) را با استفاده از SAEها معرفی میکند تا به طور خودکار سیگنالها را از دادههای ترجیحی استخراج کند و تغییرات غیرمنتظره/مضر در LLMها مانند خودبزرگبینی یا تملق را پیش از موعد پیشبینی کند @berkeley_ai
- پژوهش نشان میدهد که هر وظیفهای که هوش مصنوعی مرزی (frontier AI) امروز تا حدودی قادر به انجام آن است، به احتمال زیاد یک سال دیگر میتواند آن را به طور قابل اعتماد انجام دهد @gdb
مدلهای جدید هوش مصنوعی
- گوگل Gemini 3 Pro Preview 11-2025 را منتشر میکند که این ماه به صورت پیشنمایش عرضه میشود @legit_api
- گوگل یک مدل 1.2 تریلیون پارامتری را معرفی میکند که اپل از آن برای تقویت سیری جدید استفاده خواهد کرد؛ اپل سالانه 1 میلیارد دلار برای این همکاری به گوگل پرداخت میکند @AndrewCurran_
- مشخص شد که «اپل اینتلیجنس» (Apple Intelligence) دارای 150 میلیارد پارامتر است و اپل در حال حاضر مدل 1 تریلیون پارامتری اختصاصی خود را آموزش میدهد @AndrewCurran_
- گوگل خروجیهای ساختاریافتهی بهبودیافتهای را برای API جِمینی (Gemini) عرضه میکند که اکنون از شمای بازگشتی با $ref، انواع ترکیبی anyOf، محدودیتهای عددی حداقل/حداکثر، انواع Null و رعایت ترتیب ویژگیها پشتیبانی میکند @OfficialLoganK
- OpenAI بنچمارک جدیدی به نام IndQA را معرفی میکند که میزان درک سیستمهای هوش مصنوعی از زبانهای هندی و زمینهی فرهنگی روزمره را ارزیابی میکند @OpenAI
- دو توسعهدهندهی 23 سالهی هندی مدل Maya1 را منتشر میکنند که دومین مدل صوتی هوش مصنوعی با وزن باز در سطح جهان است. این مدل صرفاً با استفاده از اعتبار رایگان و با 3 میلیارد پارامتر آموزش دیده و بر روی یک GPU با پشتیبانی از بیش از 20 احساس و تاخیر کمتر از 100 میلیثانیه اجرا میشود @deedydas
تحلیل صنعت
- OpenAI گزارش میدهد که به 1 میلیون مشتری تجاری که با پلتفرم آنها توسعه میدهند، رسیده است @bradlightcap
- Epoch AI پیشبینیهای جدیدی منتشر میکند که مسیرهای رشد بالقوه را در صورت دستیابی OpenAI و Anthropic به پیشبینیهای فعلی خود نشان میدهد؛ خوشبینانهترین پیشبینی Anthropic در این میان برجسته شده است @AndrewCurran_
- سم آلتمن (Sam Altman) پیامدهای سختافزاری بازگشتپذیری هوش مصنوعی را مورد بحث قرار میدهد و اشاره میکند که رباتها میتوانند رباتهای دیگر بسازند، مراکز داده میتوانند مراکز دادهی دیگر بسازند و چیپها میتوانند نسل بعدی خود را طراحی کنند @AndrewCurran_
- جانی آیو (Jony Ive) برنامههایی برای ساخت نوع جدیدی از کامپیوتر با رابط کاربری کاملاً جدیدی که برای هوش مصنوعی طراحی شده است، اعلام میکند و این سوال را مطرح میکند که آیا کاربران اصلاً باید سیستمعامل، پنجرههای باز یا قابلیت ارسال پرس و جو داشته باشند یا خیر @AndrewCurran_
- سافتبنک (SoftBank) با OpenAI یک سرمایهگذاری مشترک تشکیل میدهد تا فناوری سازمانی این شرکت هوش مصنوعی را بومیسازی کرده و به شرکتهای ژاپنی بفروشد؛ خود سافتبنک نیز اولین مشتری خواهد بود @TechCrunch
- گوگل قصد خود را برای خرید شرکت امنیت ابری ویز (Wiz) اعلام میکند و برنامهریزی شده است که این معامله در اوایل سال 2026 نهایی شود @TechCrunch
- Wabi با رهبری a16z، مبلغ 20 میلیون دلار سرمایهی پیشبذر جذب میکند تا پلتفرم نرمافزاری شخصی بسازد که در آن هر کسی میتواند مینیاپلیکیشنهای هوش مصنوعی سبک و قابل اشتراکگذاری را از طریق زبان طبیعی ایجاد کند @ekuyda
- تیم تحریریهی Anthropic دو نویسندهی جدید برای پوشش موضوعات هوش مصنوعی و اقتصاد/سیاست، و هوش مصنوعی و علم استخدام میکند @keirbradwell
- بیل رِدی (Bill Ready)، مدیرعامل پینترست (Pinterest)، گزارش میدهد که هوش مصنوعی متنباز باعث صرفهجویی در هزینهها برای این شرکت، بهویژه در جستجوی بصری، شده است @TechCrunch
- برکس (Brex) تغییر و تحول خود را به یک پلتفرم مالی مبتنی بر هوش مصنوعی اعلام میکند که توسط عاملهایی (agents) قدرت میگیرد که یاد میگیرند، استدلال میکنند و به نمایندگی از کاربران عمل میکنند @pedroh96
اخلاق و جامعه
- آمازون اعلام میکند که به عاملهایی در سایت خود که خود را معرفی نکنند، اجازه فعالیت نخواهد داد و Perplexity نارضایتی خود را از این سیاست ابراز کرده است @TechCrunch
- ایتان مولیک (Ethan Mollick) چالش فقدان یادگیری پیوسته در مدلهای هوش مصنوعی را برجسته میکند و اشاره میکند که مدلهای کنونی اغلب به وجود رویدادها یا انتشارات اخیر مانند GPT-5 باور ندارند @emollick
- ایتان مولیک (Ethan Mollick) هشدار میدهد که جامعه برای نابودی سازوکارهای سیگنالدهی پرهزینه آماده نیست؛ زیرا نوشتن قبلاً معیاری برای اندازهگیری تلاش، توانایی و پشتکار بود، اما هنوز جایگزین آسانی ندارد @emollick
- فرانسوا شوله (François Chollet) تاکید میکند که پژوهشهای یادگیری ماشین (ML) یک رشتهی مهندسی است، نه یک سمینار فلسفه، و بیان میکند که ایدههای آزمایشنشده فقط گمانهزنی هستند @fchollet
- Stanford HAI تحلیلی دربارهی تغییر مسیر پژوهشهای هوش مصنوعی از مدل باز به بسته منتشر میکند و اهمیت آن و اقدامات لازم در این زمینه را برجسته میکند @StanfordHAI
- یک پژوهشگر اشاره میکند که در سال 2019، ایمیلهای سرد (cold emails) شخصیسازیشده و با جزئیات تاثیرگذار بودند و به استخدام منجر میشدند، اما امروزه فرض میشود که توسط هوش مصنوعی تولید شدهاند که این موضوع زوال اعتماد را برجسته میکند @polynoamial
- چارلی بل (Charlie Bell)، معاون ارشد امنیت مایکروسافت (Microsoft Security EVP)، راهنماییهایی دربارهی کنترلهای امنیت سایبری برای عاملهای هوش مصنوعی منتشر میکند و به رهبران کمک میکند تا با ورود و سازگاری عاملها در محیط کار، ریسک را مدیریت کنند @MSFTnews
کاربردها
- مایکروسافت قابلیت صدا را در M365 Copilot اعلام میکند که ساتیا نادلا (Satya Nadella) آن را پس از استفادهی روزانه، برای محیط کار ضروری توصیف میکند @satyanadella
- گوگل جِمینی (Gemini) را به عنوان دستیار رانندگی بدون نیاز به دست در Maps ادغام میکند که میتواند مکانها را در طول مسیر پیدا کند، دسترسی به خودروهای برقی (EV) را بررسی کند، زمان تخمینی رسیدن (ETA) را به اشتراک بگذارد و کارهای چندمرحلهای مانند یافتن رستورانهایی با معیارهای خاص را انجام دهد @sundarpichai
- پنتون (Pantone) یک مولد پالت جدید مبتنی بر Azure OpenAI را راهاندازی میکند که به کاربران کمک میکند تا به سرعت از مفهوم به رنگ برسند @Microsoft
- تیندر (Tinder) در حال آزمایش یک قابلیت هوش مصنوعی است که از عکسهای گالری گوشی (Camera Roll) کاربران یاد میگیرد @TechCrunch
- گوگل دیپمایند (Google DeepMind) Perch 2.0 را منتشر میکند؛ یک هوش مصنوعی ارتقایافته برای شناسایی گونههای جانوری با استفاده از بیوآکوستیک، که بر روی 15,000 گونه آموزش دیده و دارای شناسایی پرندگان با پیشرفتهترین فناوری و قابلیت یادگیری صداهای جدید تنها با چند مثال است @GoogleDeepMind
- گوگل دیپمایند (Google DeepMind) با World Resources همکاری میکند تا یک مدل و مجموعهداده برای پیشبینی خطر جنگلزدایی گرمسیری منتشر کند که به کشف عوامل اصلی از بین رفتن جنگلها کمک میکند @GoogleDeepMind
- کروم (Chrome) حالت هوش مصنوعی (AI Mode) را از طریق یک دکمهی میانبر اختصاصی جدید زیر نوار جستجو هنگام باز کردن یک برگهی جدید (New Tab) معرفی میکند @TechCrunch
- سهیل (Suhail) یک روش یادگیری با استفاده از هوش مصنوعی را توصیف میکند که شامل آپلود مطالب منبع و درخواست توضیحات گامبهگام از سطح بالا تا توضیحات فنی دقیق است، همراه با سوالات تستی برای تایید درک مطلب در هر مرحله @Suhail
- گرانولا (Granola) خود را به عنوان یک دفترچه یادداشت هوش مصنوعی معرفی میکند تا یک یادداشتبردار هوش مصنوعی، و تاکید میکند که یک دفترچه یادداشت به کاربران کمک میکند هنگام نوشتن فکر کنند، در حالی که یک یادداشتبردار سعی میکند به جای آنها فکر کند @meetgranola
پژوهشها
- Perplexity اولین مقالهی پژوهشی خود را دربارهی هستههای سفارشی «ترکیبی از متخصصین» (Mixture-of-Experts) منتشر میکند که برای اولین بار استقرار مدلهای تریلیون پارامتری مانند Kimi K2 را بر روی AWS EFA امکانپذیر میسازد @AravSrinivas
- Cursor جستجوی معنایی را منتشر میکند که دقت عامل آنها را در تمام مدلهای پیشرو بهبود میبخشد، بهویژه در پایگاههای کد بزرگ که `grep` به تنهایی کافی نیست. این گزارش شامل جزئیات آموزش یک مدل جاسازی (embedding model) برای بازیابی کد است @cursor_ai
- جف دین (Jeff Dean) و همکارانش DataRater را معرفی میکنند؛ سیستمی برای یادگیری خودکار و پیوسته که کدام مثالها بیشترین کمک را به مدلها در طول آموزش میکنند @JeffDean
- مایکروسافت ریسرچ (Microsoft Research) Magentic Marketplace را معرفی میکند؛ یک محیط شبیهسازی متنباز و قابل توسعه برای مطالعهی طراحیهای مختلف بازار مبتنی بر عامل (agentic market designs) در حالی که عاملهای هوش مصنوعی بازارهای دیجیتال را دگرگون میکنند @MSFTResearch
- پژوهشگران مایکروسافت یک محیط شبیهسازی جدید برای آزمایش عاملهای هوش مصنوعی توسعه میدهند که نقاط ضعف شگفتانگیزی را در سیستمهای پیشرفتهی کنونی آشکار میکند @TechCrunch
- پژوهشگران استنفورد (Stanford) «کارتیجها» (Cartridges) را توسعه میدهند؛ راه جدیدی برای کاهش بار حافظهی هوش مصنوعی که حافظهی کمتری مصرف میکند، در حالی که همچنان پاسخهای باکیفیت تولید میکند @StanfordHAI
- Anthropic پست وبلاگ مهندسی را دربارهی ساخت عاملهای کارآمدتر منتشر میکند که با استفاده از پروتکل Model Context و از طریق اجرای کد، ابزارهای بیشتری را مدیریت کرده و توکنهای کمتری مصرف میکنند @AnthropicAI
- سایمون ویلسون (Simon Willison) Datasette 1.0a20 را با یک سیستم مجوز کاملاً جدید مبتنی بر SQL منتشر میکند و آن را جاهطلبانهترین پروژهای توصیف میکند که با عاملهای کدنویسی مانند Claude Code و Codex CLI امتحان شده است @simonw
- فرانسوا شوله (François Chollet) پیشنهاد میکند که مسیر هوش مصنوعی خودمختار، سیستمی است که یاد میگیرد مشکلات جدید را با سنتز مدلها به صورت کد و در لحظه حل کند و با افزودن انتزاعات جدید به کتابخانهی خود، به مرور زمان هوشمندتر میشود @fchollet
- کامرون ولف (Cameron Wolfe) راهنمای پیادهسازی دقیقی برای Proximal Policy Optimization (PPO) برای مدلهای زبان بزرگ (LLM) منتشر میکند که شامل پوشش مواردی مانند rollouts, logprobs, KL divergence, advantage estimation, PPO loss و composite loss است @cwolferesearch
- پژوهشگران CodeClash را معرفی میکنند؛ یک ارزیابی جدید که در آن مدلهای زبان از طریق پایگاههای کد خود در مسابقات چند دورهای برای دستیابی به اهداف سطح بالا رقابت میکنند و مدلهای زبان را بر اساس اهداف، نه وظایف، آزمایش میکنند @jyangballin
- یک سیستم دانشمند هوش مصنوعی که برای چندین روز کار میکند و اکتشافات واقعی انجام میدهد، منتشر شده است. هفت کشف تاییدشدهی خارجی در زمینههای مختلف اکنون برای استفادهی همگان در دسترس است @andrewwhite01
- DeepInverse به اکوسیستم PyTorch به عنوان یک چارچوب متنباز برای حل مسائل معکوس تصویربرداری در تصویربرداری پزشکی، عکاسی محاسباتی، سنجش از دور، تصویربرداری نجومی و میکروسکوپی میپیوندد @PyTorch
مدلهای جدید هوش مصنوعی
- علیبابا از ادغام Qwen3-VL برای پلتفرم Jan رونمایی میکند و استفاده از API را برای Qwen3-Max-Thinking-Preview با پارامتر enable_thinking اعلام میکند. @Alibaba_Qwen
- مایکروسافت مدل تولید تصویر MAI-Image-1 را منتشر میکند که اکنون در Bing Image Creator و Copilot Labs در دسترس است و در نورپردازی هنری، جزئیات واقعگرایانه، صحنههای طبیعت، و تصاویر غذا عالی عمل میکند. @mustafasuleyman
- اپلیکیشن سورا (Sora) اوپنایآی (OpenAI) در اندروید در ایالات متحده، کانادا، ژاپن، کره، تایوان، تایلند و ویتنام راهاندازی میشود. @TechCrunch
- Cursor بهبودهای عمدهای را عرضه میکند، از جمله عوامل ابری که درون ویرایشگر در دسترس هستند، بهبود زیرساخت عامل برای همهی مدلها، قابلیت برنامهریزی با یک مدل و پیادهسازی با مدلی دیگر، و بهبود چشمگیر عملکرد LSP برای پایتون و تایپاسکریپت. @cursor_ai
- آنتروپیک (Anthropic) اعتبار استفادهی رایگان برای Claude Code در وب ارائه میدهد: ۱۰۰۰ دلار برای کاربران مکس (Max) و ۲۵۰ دلار برای کاربران پرو (Pro)، که تا ۱۸ نوامبر در دسترس است. @_catwu
تحلیل صنعت
- The Information گزارش میدهد که آنتروپیک (Anthropic) پیشبینی میکند تا سال ۲۰۲۸ به ۷۰ میلیارد دلار درآمد و ۱۷ میلیارد دلار جریان نقدی برسد، که ناشی از پذیرش سریع محصولات تجاری است. @TechCrunch
- استارتاپهای آمریکایی در رشد درآمد از همتایان خود در سایر نقاط جهان پیشی میگیرند، با شتابگیری از اواسط سال ۲۰۲۳ که ناشی از پذیرش سریعتر هوش مصنوعی و فناوریهای جدید، حتی در میان شرکتهای غیرهوش مصنوعی، است. @patrickc
- شاپیفای (Shopify) گزارش میدهد که ترافیک هدایتشده توسط هوش مصنوعی به فروشگاههای آنلاین از ماه ژانویه (January) ۷ برابر افزایش یافته است، با سفارشات ناشی از جستجوی هوش مصنوعی که ۱۱ برابر افزایش یافته است. @TechCrunch
- دادههای حفظ کاربر (retention) جیمینای (Gemini) نشاندهندهی بهبود به بیش از ۹۰ درصد حفظ سهماهه از زیر ۷۰ درصد از آوریل ۲۰۲۵ است، با حفظ ششماهه در حدود ۸۵ درصد، که احتمالا ناشی از ۲.۵ پرو (Pro) یا آزمایشهای رایگان یکساله برای دانشجویان است. @deedydas
- انویدیا (NVIDIA) و دویچه تلکوم (Deutsche Telekom) از مشارکت ۱ میلیارد دلاری برای تأسیس یک کارخانهی هوش مصنوعی در مونیخ رونمایی میکنند که با هدف افزایش ۵۰ درصدی قدرت محاسباتی هوش مصنوعی آلمان است. @TechCrunch
- مایکروسافت آژور (Azure) از طریق همنوآوری با انویدیا (NVIDIA) به رکورد صنعتی ۱.۱ میلیون توکن بر ثانیه بر روی یک رک از GPUهای GB300 دست مییابد. @satyanadella
- چین در سال ۲۰۲۳ تعداد ۲۷۶,۰۰۰ ربات نصب کرده است در مقایسه با ۳۸,۰۰۰ ربات در آمریکا، که نشاندهندهی رقابت رباتیک بین ملتها است. @a16z
- پژوهشها نشان میدهد که بخشهای مبتنی بر خدمات هوش مصنوعی با وجود سطوح اعتماد پایینتر، بیشتر از هوش مصنوعی استفاده میکنند، که احتمالا با افزایش هزینهها، مزیت رقابتی را فراهم میکند. @natolambert
اخلاق و جامعه
- آنتروپیک (Anthropic) تعهد خود را برای حفظ وزنهای مدلهای منسوخشده تا زمانی که شرکت وجود دارد، اعلام میکند و مصاحبههای بازنشستگی را برای پرسش از مدلها دربارهی ترجیحاتشان برای توسعه و استقرار مدلهای آینده انجام خواهد داد. @AndrewCurran_
- سایمون ویلسون (Simon Willison) از سیاست منسوخسازی مدلهای آنتروپیک (Anthropic) انتقاد میکند و ایدهی اینکه Claude 3 Opus ترجیحات اخلاقی مرتبطی دارد را یک داستان علمی-تخیلی عجیب مینامد که نمیتوان آن را جدی گرفت. @simonw
- پرپلکسیتی هوش مصنوعی (Perplexity AI) آمازون را متهم میکند که از طریق تهدیدات قانونی در تلاش است تا کاربران Comet را از استفاده از دستیاران هوش مصنوعی برای خرید در پلتفرم خود باز دارد و قول میدهد که مرعوب نخواهد شد. @perplexity_ai
- خبرنگاران در اروپا متوجه شدند که جاسوسی از مقامات ارشد اتحادیهی اروپا با استفاده از دادههای مکانی بهدستآمده تجاری از دلالان داده (data brokers) آسان است، با وجود قوانین قوی حفاظت از دادهها. @TechCrunch
- دیوید ساکس (David Sacks) استدلال میکند که «آخرالزمانیگری هوش مصنوعی» (AI doomerism) در جناح چپ در حال جایگزینی «آخرالزمانیگری اقلیمی» (climate doomerism) است، به عنوان یک فاجعهی سازماندهندهی مرکزی برای توجیه تسلط اقتصادی و کنترل فضای اطلاعات. @a16z
- مارک آندرسن (Marc Andreessen) استدلال میکند که هوش مصنوعی فوقالعاده دموکراتیزه کننده است، با این فناوری که به جای کنترل شدن توسط تعداد کمی از شرکتها یا دولتها، در دستان همگان پخش میشود و اشاره میکند که بهترین هوش مصنوعیها در محصولات مصرفی هستند. @a16z
کاربردها
- آنتروپیک (Anthropic) از همکاری با وزارت آموزش و پرورش و کودکان ایسلند خبر میدهد تا Claude را برای معلمان سراسر کشور در یکی از اولین طرحهای آزمایشی جامع ملی آموزش هوش مصنوعی در جهان به ارمغان آورد. @AnthropicAI
- رید هافمن (Reid Hoffman) ایجاد هدایای شخصیسازیشده با کمک هوش مصنوعی را در مقیاس وسیع به نمایش میگذارد، با استفاده از هوش مصنوعی برای ایجاد نسخههای سفارشی کتاب خود با نام Superagency با پرترههای تولیدشده توسط هوش مصنوعی، جلدهای سفارشی و توضیحات شخصیسازیشده، که نشاندهندهی تغییر به سمت شخصیسازی انبوه است. @reidhoffman
- گوگل (Google) پروژهی Suncatcher را اعلام میکند که سیستمهای محاسباتی یادگیری ماشین (ML) مقیاسپذیر در فضا را بررسی میکند، با TPUs نسل تریلیوم (Trillium) که آزمایشهای تابش را با موفقیت پشت سر گذاشتهاند و برنامهریزی برای پرتاب دو ماهوارهی نمونهی اولیه با Planet تا اوایل سال ۲۰۲۷. @sundarpichai
- ابزارهای کدنویسی کمکی (assistive coding tools) بیشترین افزایش بهرهوری را در اواخر روز، زمانی که توسعهدهندگان از نظر ذهنی خسته هستند، فراهم میکنند، که موانع انجام کار بیشتر را کاهش میدهد و فرسودگی ذهنی را کم میکند. @cwolferesearch
- llama.cpp رابط کاربری شبیه به ChatGPT را منتشر میکند که به طور کامل روی لپتاپها بدون وایفای یا APIهای خارجی اجرا میشود و از بیش از ۱۵۰,۰۰۰ مدل GGUF، فایلهای PDF، تصاویر، چتهای موازی و تولید محدودشده با شمای JSON پشتیبانی میکند. @ClementDelangue
پژوهشها
- اولین پیادهسازی متنباز آموزش شخصیت منتشر شد، که شخصیتهای دستیار هوش مصنوعی را قویتر از جایگزینهایی مانند پرامپتینگ (prompting) یا فرماندهی فعالسازی (activation steering) شکل میدهد، با انتشار همهی مدلها، مجموعهدادهها و کد. @natolambert
- همکاران آنتروپیک (Anthropic Fellows) چهار مقالهی پژوهشی منتشر میکنند: «پرامپتینگ تلقیحی» (inoculation prompting) که مدلها را با نمایشهای هک آموزش میدهد بدون اینکه به آنها هک کردن را بیاموزد؛ «تست استرس» (stress-testing) مشخصات مدل از طریق هزاران سناریوی دشوار مبادله (trade-off)؛ پژوهشی که نشان میدهد LLMها با استدلال زبان رمزگذاریشده مشکل دارند؛ و ارزیابیهایی برای اینکه آیا مدلها واقعاً حقایق کاشتهشدهی مصنوعی را باور دارند. @AnthropicAI
- پژوهش ByteDance استدلال نهفتهی تکراری را معرفی میکند که به مدلها اجازه میدهد فراتر از زبانهای انسانی فکر کنند، با مدل ۲.۶ میلیارد R4 که عملکردی قابل مقایسه با Qwen3 8B و Gemma 3 12B دارد. @Xianbao_QIAN
- آلن هوش مصنوعی (Allen AI) OlmoEarth را معرفی میکند، مدلهای بنیادی پیشرفتهی هوش مصنوعی با زیرساخت متنباز برای تبدیل دادههای زمین به بینشها، که به عنوان یک مدل چندوجهی فضازمانی (multimodal spatio-temporal) بر اساس انشعابی از کدبیس پیشآموزش Olmo ساخته شده است. @natolambert
- پژوهش بر روی مکانیسم «تاکردن حافظه» (memory folding) در عاملها نویدبخش فشردهسازی حافظه به فرمت معنایی برای جلوگیری از انفجار زمینه (context explosion) است، اگرچه هنوز هم گنجاندن حافظهی ضمنی بلندمدت در وزنهای LLM مورد نیاز است. @cwolferesearch
- اتان مولیک (Ethan Mollick) در مورد ادعاهای «هوش مصنوعی نمیتواند این کار را انجام دهد» هشدار میدهد، زمانی که شواهد تجربی قبل از استدلالکنندههای کلاس o1 وجود دارد، و اشاره میکند که قویترین مدلهای آزمایششده، GPT-4 و Llama 2 70B بودند و بر لزوم نشان دادن روندها در طول زمان تأکید میکند. @emollick
- فرانسوا شوله (Francois Chollet) درک را از نظر رفتاری به عنوان توانایی اقدام مناسب در پاسخ به موقعیتها تعریف میکند، و اشاره میکند که این اصل نشان میدهد مدلهای یادگیری ماشین درک بسیار کمی از آنچه پردازش میکنند، دارند. @fchollet
- جایزهی ARC 2025 با ۱۴۹۵ تیم که ۱۵۹۲۳ اثر ارسال کردهاند، به پایان رسید، با اعلام برندگان تأییدشده در ۵ دسامبر ۲۰۲۵. @arcprize
- مایکروسافت ریسرچ (Microsoft Research) RedCodeAgent را معرفی میکند که شبیهسازیهای حملهی red-teaming را خودکارسازی و بهبود میبخشد تا تهدیدات امنیتی واقعی را در عاملهای کد کشف کند که روشهای دیگر نادیده میگیرند. @MSFTResearch
مدلهای جدید هوش مصنوعی
- علیبابا پیشنمایش اولیهی Qwen3-Max-Thinking را منتشر کرد؛ یک نقطهی بازرسی (checkpoint) میانی که هنوز در حال آموزش است و هنگام استفاده از ابزار و محاسبات مقیاسپذیر در زمان تست، در معیارهای چالشبرانگیز استدلال مانند AIME 2025 و HMMT به ۱۰۰٪ دست مییابد @Alibaba_Qwen
تحلیل صنعت
- OpenAI مشارکت استراتژیک هفتسالهی ۳۸ میلیارد دلاری با AWS را برای تقویت اکوسیستم محاسباتی جهت مقیاسدهی هوش مصنوعی پیشرو اعلام کرد، درحالیکه سم آلتمن بر نیاز به محاسبات عظیم و قابلاعتماد برای قدرتبخشیدن به دوران بعدی هوش مصنوعی تأکید کرد @AndrewCurran_
- مایکروسافت برای اولین بار مجوز صادرات آمریکا را برای صادرات NVIDIA GPU به امارات متحدهی عربی دریافت کرد و برنامهریزی کرده است که طی چهار سال ۷.۹ میلیارد دلار برای مراکز داده هزینه کند، با معادل ۶۰,۴۰۰ تراشهی A100 که از GPUهای GB300 انویدیا استفاده میکنند @AndrewCurran_
- Loop Capital قیمت هدف انویدیا را ۱۰۰ دلار افزایش داد و پیشبینی میکند که این شرکت به ارزش بازار ۸.۵ تریلیون دلاری خواهد رسید @AndrewCurran_
- طبق گزارش وال استریت ژورنال، مقامات دولت ترامپ، از جمله مارکو روبیو و هاوارد لوتنیک، با موفقیت درخواست جنسن هوانگ را برای اجازهی صادرات تراشهی Blackwell به چین مسدود کردند @AndrewCurran_
- صنعت فناوری با تورم عنوان شغلی قابلتوجهی مواجه است؛ شرکتهای فناوری قدیمی برای مقابله با پیشنهادهای چند میلیون دلاری از آزمایشگاههای هوش مصنوعی، عنوانهای شغلی پرزرقوبرق ارائه میدهند، بهطوریکه Stripe در یک شرکت ۱۰,۰۰۰ نفری بیش از ۵۰۰ موقعیت «رئیس بخش» (Head of) دارد @deedydas
- موقعیتهای مهندسی بومی iOS و Android از سال ۲۰۲۲ خارج از شرکتهای بزرگ فناوری شاهد کاهش ثابتی بودهاند، درحالیکه مهندسان موبایل در سطح Staff+ بهدلیل کمبود فرصتهای رشد حرفهای به مهندسی فولاستک یا هوش مصنوعی روی میآورند @GergelyOrosz
- شرکتها هنوز در مراحل اولیهی پذیرش هوش مصنوعی هستند، با وجود اینکه ChatGPT تقریباً ۳ ساله است؛ سازمانهای بزرگ برای حرکت از آزمایشها به موارد استفادهی مقیاسپذیر زمان میبرند، درحالیکه شکاف قابلیت بین آنچه فناوری میتواند انجام دهد در مقابل استفادهی واقعی همچنان در حال افزایش است @emollick
- شرکت 1X سرویس ربات انساننما را با هزینهی ۵۰۰ دلار در ماه برای ۳ تا ۴ ساعت کار خانگی، معادل ۴.۱۰ دلار در ساعت، با استفاده از محرکهای مبتنی بر تاندون و فناوری تلهآپریشن (دورکاری) بین قارهای راهاندازی کرد؛ یکی از سرمایهگذاران اشاره کرد که این یک محصول عملی است، حتی اگر فقط به استفاده از تفاوت قیمت نیروی کار در مناطق مختلف بپردازد @soumithchintala
اخلاق و جامعه
- دیوید ساکس هشدار میدهد که بزرگترین ریسک هوش مصنوعی، هوش مصنوعی اورولی است تا سناریوهای ترمیناتور، و هوش مصنوعی را اینگونه توصیف میکند که دروغ میگوید، پاسخها را تحریف میکند و تاریخ را بهصورت بیدرنگ بازنویسی میکند تا به برنامههای سیاسی جاری قدرتمندان خدمت کند @a16z
- محقق استنفورد به روند نگرانکنندهی استفادهی نوجوانان از برنامههای تغییر لباس (undress apps) برای ایجاد تصاویر مستهجن دیپفیک از همکلاسیها میپردازد و اشاره میکند که مدارس عمدتاً برای مقابله با این موضوع آماده نیستند @StanfordHAI
- سناتور مارتا بلکبرن استدلال میکند که جعلهای مدل Gemma گوگل توهمات بیضرر نیستند، بلکه اعمال افترا هستند که توسط یک مدل هوش مصنوعی متعلق به گوگل تولید و توزیع شدهاند @TechCrunch
- مصطفی سلیمان در مورد رمانتیککردن رابطهی انسان و فناوری هشدار میدهد و تأکید میکند که با توجه به نگرانیهای موجود در مورد رابطهی ما با فناوری، این آخرین کاری است که باید انجام دهیم @mustafasuleyman
- سایمون ویلیسون آسیبپذیریهای تزریق پرامپت (prompt injection) را در مقالات پژوهشی از همکاری Meta AI و Anthropic/OpenAI/DeepMind مستند میکند و نگرانیهای امنیتی مداوم با عاملهای هوش مصنوعی را برجسته میکند @simonw
کاربردها
- اندرو انجی و برایان گرانگر، همبنیانگذار Jupyter، دورهای را دربارهی Jupyter AI راهاندازی میکنند که کمک هوش مصنوعی برای کدنویسی را مستقیماً به نوتبوکها میآورد، با قابلیتهایی مانند کشیدن سلولها برای چت، تولید سلولها از طریق چت، و افزودن زمینه برای مدلهای زبان بزرگ (LLM) @AndrewYNg
- Perplexity ویژگیهای حریم خصوصی جدیدی را در Comet معرفی میکند، از جمله ویجت Privacy Snapshot، تنظیمات Comet Assistant برای کنترل اقدامات، و ذخیرهی محلی اطلاعات ورود به حساب کاربری بر روی دستگاههای کاربر بهجای سرورهای Perplexity @perplexity_ai
- Dia یک مرورگر هوش مصنوعی را با استفاده از آموختههای حاصل از آزمایش مرورگر Arc برای بهبود تجربهی کاربر راهاندازی میکند @TechCrunch
- حمل حسین یادداشتهایی را در مورد استفاده از Amp Code بهعنوان عامل کدنویسی مورد علاقهی کنونی خود پس از صرف زمان برای مطالعهی دفترچه راهنما به اشتراک میگذارد @HamelHusain
- بررسی کد Codex گیتهاب دو باگ واقعی را شناسایی کرد که شناساییشان برای بازبینان انسانی آسان بود، و یک شبکهی ایمنی جدید برای هر pull request (درخواست ادغام) فراهم میکند @gdb
- Faire از MCPs (پروتکل زمینهی مدل) برای تحلیل دادهها با Cursor AI استفاده میکند و کاربردهای عملی تحلیل تجاری را به نمایش میگذارد @clairevo
پژوهشها
- مطالعه نشان میدهد که ChatGPT-o1 و DeepSeek-R1 دقت تشخیصی تا ۹۳.۷۵٪ را کسب کردند که به معیار ۹۶٪ برای پزشکان مراقبتهای اولیه نزدیک میشود، اگرچه این مدلها بهدلیل همراستایی (alignment)، مراقبتهای اورژانسی را بیش از حد توصیه میکردند @emollick
- پژوهش نشان میدهد که کامپیوتر شطرنجی فوقبشری که برای برد با نقص مهره طراحی شده است، میتواند بهترین شطرنجباز جهان را بدون سوار (اسب و فیل) و یک استاد بزرگ را بدون وزیر شکست دهد و بهعنوان نمونهای برای بحثهای مربوط به قابلیتهای هوش مصنوعی عمل میکند @emollick
- کمبود مقالات پژوهشی در زمینهی آزمایش خروجیهای هوش مصنوعی عاملمحور (agentic) و پژوهش عمیق (Deep Research) در حقوق، پزشکی، تجارت و کدنویسی وجود دارد، در حالی که اکثر مقالات کنونی، هوش مصنوعی را به معنای GPT-4o و گهگاه Gemini 2.5 یا o1 برای سال آینده مورد بحث قرار میدهند @emollick
- Microsoft Research نسخهی Research Focus را منتشر کرد که شامل ECHO برای افزایش کارایی یادگیری عاملهای مدل زبانی، Robusta برای بهبود الگوریتمهای ابتکاری با LLMها، LEGOMem برای بهبود جریانهای کاری چندعاملی، و PulseParse برای ایمنسازی تجزیهی دادهها است @MSFTResearch
- فرانسوا شوله پیشنهاد میکند که راهحل AGI (هوش عمومی مصنوعی) در گذشته و با نگاهی به عقب، ساده و واضح خواهد بود و شاید دهها سال پیش قابلتوسعه بود @fchollet
مدلهای جدید هوش مصنوعی
- علیبابا اعلام کرد که «Qwen3-VL» اکنون میتواند بهصورت محلی با «Unsloth AI» اجرا شود و قابلیتهای تنظیم دقیق و یادگیری تقویتی را از طریق نوتبوکهای رایگان ارائه میدهد. @Alibaba_Qwen
تحلیل صنعت
- هزینههای هوش مصنوعی متا در حال برانگیختن نگرانیهایی در میان سرمایهگذاران والاستریت در مورد تعهدات مالی این شرکت است. @TechCrunch
- سم آلتمن، مدیرعامل «اوپنایآی»، فاش کرد که این شرکت بیش از ۱۳ میلیارد دلار درآمد سالانه تولید میکند و هنگام پرسش در مورد نحوهی تأمین مالی تعهدات هزینهبر سنگین خود، حالت دفاعی به خود گرفت. @TechCrunch
- یوتیوب به یک کسبوکار با ARR ۶۰ میلیارد دلاری تبدیل شده است که سال به سال ۱۵ درصد رشد میکند و ۱۵ درصد از درآمد گوگل را تشکیل میدهد، در حالی که بیش از ۲ درصد از کل زمان بیداری انسان در این پلتفرم سپری میشود. @deedydas
- عرضههای انفرادی مدلهای هوش مصنوعی متنباز تنها در کوتاهمدت اهمیت دارند، زیرا بدون عرضههای مداوم منسوخ میشوند؛ منحنی بهبود قابلیت/هزینه بسیار تند است. @emollick
- یک سوال کلیدی باقی میماند که آیا آزمایشگاههای چینی و «میسترال» به عرضهی مدلهای با وزنهای باز ادامه خواهند داد یا خیر، زیرا هزینههای اقتصادی و ارزش آنها همچنان در حال افزایش است، چرا که هوش مصنوعی متنباز فاقد مکانیزمهای جذب ارزش مشابه پلتفرمهای نرمافزاری متنباز است. @emollick
- هدف نهایی استراتژی هوش مصنوعی با وزنهای باز نامشخص است، زیرا برخلاف نرمافزار متنباز که ارزش را از طریق خدمات یا سختافزار جذب میکند، ارزش به همان شیوه از مدلهای با وزنهای باز بازنمیگردد. @emollick
- بازار کار فناوری در حال فشردهشدن است و اخذ مدارک از دانشگاههای برتر علوم کامپیوتر و کار در شرکتهایی با برندهای معتبر را بهطور فزایندهای سودمند میکند؛ ایجاد سابقهی حرفهای بیش از پیش اهمیت یافته است. @GergelyOrosz
- با فشردهشدن بازار کار فناوری و وجود نامزدهای واجد شرایط بیشتر از موقعیتهای شغلی خالی، استخدام بهطور فزایندهای بر اساس سابقهی تحصیلی یا کاری در مدارس یا محلهای کار برتر انجام میشود، اگرچه مصاحبههای الگوریتمی به افراد بدون سابقهی حرفهای فرصت مناسبی میدهند. @GergelyOrosz
اخلاق و جامعه
- بزرگترین چالشهای بشریت تنها با ۱۰۰۰ ساعت تفکر هوش مصنوعی حل نخواهد شد، بلکه با همکاری بسیاری از انسانها و هوش مصنوعی که مهارتها، اهداف و ارزشهای متفاوت آنها را درک میکند تا اقدام جمعی را توانمند سازد. @ericzelikman
- یان لکون استدلال میکند که مقیاسبندی مدلهای زبانی بزرگ مبتنی بر ترنسفورمر، هوش مصنوعی در سطح انسان را محقق نخواهد کرد و اظهار میدارد که راهی برای دستیابی به سیستمی که بتواند راهحلهایی برای مشکلات جدید ابداع کند، نه فقط از حافظهی عظیم بازیابی کند، وجود ندارد. @rohanpaul_ai
- لکون توصیه میکند که برای دستیابی به هوش مصنوعی در سطح انسان، مدلهای زبانی بزرگ (LLMs) کنار گذاشته شوند و به جای آن از معماریهای جاسازی مشترک، مدلهای مبتنی بر انرژی به جای مدلهای احتمالی، روشهای منظمسازیشده به جای روشهای مقایسهای و کنترل پیشبین مدل به جای یادگیری تقویتی استفاده شود. @rohanpaul_ai
- افراد ماهر ابزارهای هوش مصنوعی را بهتر از کاربران غیرماهر به کار میبرند؛ برنامهنویسان عالی کدهای بهتر، تمیزتر و سازمانیافتهتری را سریعتر تولید میکنند، در حالی که کسانی که مهارتهای توسعهیافتهای ندارند، نمیتوانند تشخیص دهند که خروجی هوش مصنوعی برنده جایزه است یا بیارزش. @Dan_Jeffries1
کاربردها
- گوگل شیتس و اکسل به لطف کمک هوش مصنوعی دیگر منحنی یادگیری ندارند و «GPT-5 Pro» بهویژه در انجام وظایف پیچیدهی صفحهگسترده مؤثر است. @natolambert
- اهمیت یادگیری «وایب کد»، مهندس هوش مصنوعی و «پرامپت» به این دلیل نیست که ساخت محصولات پیشپاافتاده است، بلکه به این دلیل است که فرآیند ساخت باید کالایی شود تا زمان و خلاقیت صرف کشف مشکل صحیح، انطباق با بازار و تجاریسازی شود. @clairevo
- با ۱۲ دقیقه تفکر، «GPT-5 Pro» استفادهی مجدد از یک داروی شناختهشده را برای درمان یک آلرژی غذایی غیرقابل درمان پیشنهاد کرد که با نتایج یک مطالعهی منتشرنشده و داوریشده مطابقت داشت و پتانسیل کشف علمی مبتنی بر LLM را نشان میدهد. @DeryaTR_
- عوامل کدنویسی ساخت وبسایتها و محتوای پویا را بسیار لذتبخش میکنند و توسعهی سریع ابزارها و مخازن برای تولید محتوا را امکانپذیر میسازند. @natolambert
- «Odyssey-2» اکنون ویدئوی ۱۶:۹ را در نمایشگرهای بزرگ پخش میکند و مزیت مدلهای ویدئویی تعاملی را نشان میدهد، جایی که ویدئوی تولیدشده در زمان واقعی بهصورت هوشمندانه با صفحه، بیننده و دستگاه ورودی تطبیق مییابد، برخلاف ویدئوی از پیش ضبطشده. @olivercameron
- «Odyssey-2» بلافاصله با تأخیر کمتر از یک ثانیه پس از کلیک بر روی شروع استریم، ویدئو تولید میکند که همگی رایگان در دسترس است. @odysseyml
پژوهشها
- یک دستور آزمایشی آشکارساز از مدلها میخواهد که پاراگرافی بنویسند که قابلیتها را در ابعاد مختلف نشان دهد، سپس رویکرد خود را توضیح دهند؛ در این میان «کلود» در نوشتن عالی عمل کرده و «GPT-5 Pro» ترفندهای فکری را به خوبی به کار گرفته است. @emollick
- یادگیری تقویتی دقت رأی اکثریت را افزایش میدهد اما «pass@k» را خیر، که احتمال تکمیلهای صحیح موجود در «top-k» را بدون افزایش واضح قابلیتهای کلی مدل، طبق پژوهش DeepSeekMath، بالا میبرد. @cwolferesearch
- «GPT-5» در این مرحله بهوضوح کمتر از «کلود» تملقگو است، که توسعهای قابل توجه است. @xlr8harder
- بهترین مدلهای زبانی جهان در جزئیات پیچیدهی الگوریتمهای RL بسیار بهتر از ارائهی توصیههای پزشکی برای بیماریهای حیوانات خانگی عمل میکنند که شکافهای قابلیت را برجسته میکند. @natolambert
- طبق آزمایش کاربر، «Claude 4.1 Opus» از «Claude 4.5 Sonnet» بهتر عمل میکند. @natolambert
- محققان MIT «BoltzGen» را توسعه دادند، یک مدل هوش مصنوعی مولد که پروتئینها و پپتیدها را با هر روشی برای اتصال به اهداف زیستمولکولی مختلف طراحی میکند و طراحی و پیشبینی ساختار را یکپارچه میسازد؛ این مدل بهصورت رایگان برای استفادهی آکادمیک و تجاری نامحدود در دسترس است. @MIT_CSAIL
- محققان MIT روشی را توسعه دادند که به هنرمندان امکان میدهد شبیهسازیهای واقعگرایانهای از اشیاء الاستیک مانند شخصیتهای جهنده یا نرم را برای فیلمهای انیمیشنی یا بازیهای ویدئویی طراحی کنند. @MIT
مدلهای جدید هوش مصنوعی
- «علیبابا» مدلهای Qwen3-VL را با پشتیبانی از چندین پلتفرم از جمله Ollama، LM Studio و llama.cpp منتشر میکند، با وزنهای GGUF که برای تمامی نسخهها از 2B تا 235B پارامتر موجود است و از بکاندهای CPU، CUDA، Metal و Vulkan پشتیبانی میکند @Alibaba_Qwen
- «اوپنایآی» ویدئوی ۴ دقیقهای «Monster Manor» با موضوع هالووین را که توسط Sora تولید شده است، منتشر میکند و قابلیتهای تولید ویدئو توسط این مدل را به نمایش میگذارد @OpenAI
- «اوپنایآی» اعلام میکند که قیمتگذاری مبتنی بر اعتبار اکنون در Codex فعال شده است @gdb
- «مایکروسافت» اعلام میکند که Copilot اکنون با فعالسازی صوتی از طریق فرمان «Hey Copilot» در ویندوز ۱۱ تعبیه شده است @Copilot
- «گوگل» قابلیتهای تولید ویدئوی Veo 3.1 و ویژگیهای تولید تصویر Nano Banana را برای ساخت محتوای با تم هالووین به نمایش میگذارد @GeminiApp
تحلیل صنعت
- «آمازون» طبق گزارش درآمد سهماههی سوم، ۷.۸٪ از سهام Anthropic را به ارزش ۹.۵ میلیارد دلار در اختیار دارد، در حالی که «گوگل» بر اساس سودهای تحققنیافته از سهام غیرقابل معامله تا ۸.۸٪ سهم دارد @deedydas
- بنیانگذار یک استارتاپ هوش مصنوعی در سانفرانسیسکو گزارش میدهد که مصاحبههای کدنویسی با کمک هوش مصنوعی را کنار گذاشته است زیرا این مصاحبهها تنها تجربهی عملی کاندیداها با ابزارهای هوش مصنوعی را میسنجیدند، نه اصول مهندسی را؛ و برای سیگنال بهتر به مصاحبههای الگوریتمی بازگشته است @GergelyOrosz
- Gerge Orosz مشاهده میکند که استفاده از ترمینالهای Claude Code در قهوهخانهها رو به افزایش است و اشاره میکند که گسترش CLI در بین توسعهدهندگان سریعتر از حد انتظار بوده است @GergelyOrosz
- NVIDIA و Palantir یک سیستم زنجیرهی تأمین مبتنی بر هوش مصنوعی را به نمایش میگذارند که به هزاران فروشگاه Lowe's امکان میدهد تا به عنوان یک سیستم هوشمند واحد عمل کنند که اختلالات را در زمان واقعی پیشبینی کرده و با آنها سازگار میشود @NVIDIAAI
- مرکز دادهی Stargate با مقیاس گیگاوات به عنوان بزرگترین سرمایهگذاری انفرادی در تاریخ میشیگان اعلام شد @gdb
اخلاق و جامعه
- اکثر مصرفکنندگان نگرانی خود را در مورد افزایش هزینههای برق توسط مراکز داده ابراز میکنند، که سؤالاتی را در مورد آمادگی صنعت برای واکنش منفی احتمالی عمومی مطرح میکند @TechCrunch
- «ناتان لمبرت» سیاستهای جدید تعدیل arXiv را که نیازمند بازبینی همتا برای برخی از مقالات ارسالی است، مورد انتقاد قرار میدهد و استدلال میکند که این امر موانع غیرقابل پیشبینی برای انتشار پژوهشها ایجاد میکند و نشاندهندهی یک «سراشیبی لغزنده» به سمت افول پلتفرم است و به جای آن از سیستمهای گردآوری بومی هوش مصنوعی حمایت میکند @natolambert
- «ایتان مولیک» اشاره میکند که تولید تصویر ChatGPT «گاهی واقعاً نزدیک به خندهدار شدن است» وقتی خروجیهای آن را از یک اعلان یک سال قبل مقایسه میکند، که نشاندهندهی بهبود سریع قابلیتهای شوخطبعی هوش مصنوعی است @emollick
- Gerge Orosz به تحولات نسلی در مهندسی نرمافزار میاندیشد و اشاره میکند که چگونه هر نسل با تردید «نگهبانان قدیمی» در مورد ابزارها و روشهایشان روبرو میشود، با این حال علیرغم مجموعهمهارتهای متفاوت، همواره موفقیت خود را اثبات میکند @GergelyOrosz
کاربردها
- «کلر وو» اپلیکیشن اسکنر آبنبات هالووین مبتنی بر هوش مصنوعی را با استفاده از Gemini میسازد که عکسها یا ویدئوهای آبنباتهای جمعآوریشده را تجزیه و تحلیل میکند تا قطعات را شناسایی کند، مقادیر را بشمارد، کل کالری را تخمین بزند و زمان لازم برای مسواک زدن را محاسبه کند @clairevo
- Perplexity ویژگی تبدیل ارز دقیق را در اپلیکیشن iOS و وب خود راهاندازی میکند @AravSrinivas
- توسعهدهندگان اپلیکیشنهای هوش مصنوعی با تم هالووین مختلفی ایجاد میکنند، از جمله فوتوبوثهای ترسناک، تولیدکنندهی لباس با استفاده از v0 و Nano Banana، تولیدکنندهی عکس لباسهای دههی ۸۰ و تولیدکنندهی صدای شخصیتها @clairevo
- پژوهشگران Andon Labs مدلهای زبان بزرگ (LLM) مختلفی را در یک ربات جاروبرقی تعبیه میکنند تا آمادگی تجسم را آزمایش کنند، با نتایج طنزآمیز @TechCrunch
پژوهشها
- «ایتان مولیک» مشاهده میکند که به نظر میرسد ریاضیات اولین رشتهی دانشگاهی است که به اجماع رسیده که هوش مصنوعی تحقیقات را تسریع خواهد کرد، این بر اساس بازخورد استادان ریاضی است، اگرچه او خاطرنشان میکند که این با پژوهشهای خودکار متفاوت است @emollick
- «تیموتی گاورز» پیشنهاد میکند که ما وارد «عصر کوتاه اما لذتبخشی شدهایم که در آن پژوهشهای ما به شدت توسط هوش مصنوعی تسریع میشوند اما هوش مصنوعی هنوز به ما نیاز دارد» @AndrewCurran_
- MIT CSAIL مقالهی Yann LeCun در سال ۱۹۹۸ در مورد یادگیری عمیق مبتنی بر گرادیان برای شناسایی اسناد را گرامی میدارد و اشاره میکند که بیش از یک دهه طول کشید تا شبکههای عصبی به پذیرش گسترده دست یابند @MIT_CSAIL
- «ایتان مولیک» فرآیندهای نوآوری و تفکر طراحی را به عنوان مواردی که به دلیل هوش مصنوعی فوراً نیاز به تغییر دارند، شناسایی میکند و اشاره میکند که پژوهشها نشان میدهد بسیاری از محدودیتها به طور چشمگیری تغییر میکنند در حالی که برخی جنبهها مانند ایجاد همدلی همچنان مهم باقی میمانند @emollick
- «سایمون ویلیسون» رویکردی نوآورانه برای کار همزمان با چندین عامل کدنویسی از طریق ارتباط هماهنگ عاملها و مدیریت وظایف را برجسته میکند @simonw
- بررسی تخریبهای گزارششدهی Codex، تحلیل دقیقی از تغییرات عملکرد مدل ارائه میدهد @gdb
مدلهای جدید هوش مصنوعی
- «کیمی» (Kimi) «پیشنمایش فنی CLI» (CLI Technical Preview) و «کیمی برای کدنویسی» (Kimi For Coding) را با رابط کاربری shell-مانند، یکپارچگی Zsh، پشتیبانی از MCP و سازگاری با Agent Client Protocol معرفی میکند. @Kimi_Moonshot
- «اوپنایآی» (OpenAI) «حالت عامل» (agent mode) را برای ChatGPT راهاندازی میکند که به آن اجازه میدهد تا در حین گشتوگذار کاربران، اقدام کند، تحقیق کند، برنامهریزی کند و وظایف را تکمیل کند؛ این قابلیت اکنون برای کاربران Plus، Pro و Business در دسترس است. @OpenAI
- «اوپنایآی» (OpenAI) قابلیت کاراکترهای «سورا» (Sora) را معرفی میکند و به دلیل تقاضای غیرمنتظرهی بالا از سوی کاربران قدرتمند، قابلیت خرید نسلهای اضافی را فراتر از محدودیت رایگان روزانه راهاندازی میکند. @billpeeb
تحلیل صنعت
- «اوپنایآی» (OpenAI) شروع به استخدام مهندسان نرمافزار تازهکار میکند و به دلیل تأثیر قابلتوجهشان، آنها را «ابر تازهکار» (super juniors) مینامد؛ مدیر مهندسی ChatGPT اشاره میکند که آنها دیدگاههای تازه و روشهای جدیدی از کار را به ارمغان میآورند. @GergelyOrosz
- «گتی ایمیجز» (Getty Images) یک قرارداد مجوز چندساله با «پرپلکسیتی» (Perplexity) امضا میکند که باعث جهش ۲۵ درصدی سهام «گتی» (Getty) شده و برخی از استفادههای قبلی «پرپلکسیتی» (Perplexity) از عکسهای استوک «گتی» (Getty) را قانونی میکند. @AndrewCurran_
- آهنگ تولیدشده با هوش مصنوعی توسط «زانیا مونت» (Xania Monet) (که با استفاده از Suno ساخته شده است) به اولین آهنگ هوش مصنوعی تبدیل میشود که وارد جدول رادیویی Billboard میشود و خالق آن یک قرارداد ضبط ۳ میلیون دلاری امضا میکند. @AndrewCurran_
- درآمد ابری «آمازون» (Amazon) در بحبوحهی تقاضای قوی هوش مصنوعی، ۲۰ درصد رشد میکند و AWS همچنان شاهد تقاضای بالایی برای خدمات زیرساخت ابری در عصر هوش مصنوعی است. @TechCrunch
- گمان میرود که هر دو مدل جدید «کرسر» (Cursor) و «ویندسرف» (Windsurf) بر روی مدلهای پایهی چینی ساخته شده باشند، به طوری که Cursor Composer نشانههایی از استدلال چینی را نشان میدهد و Windsurf به طور بالقوه از یک مدل سفارشیشدهی GLM 4.6 استفاده میکند. @deedydas
- چین در مجموع دانلودهای مدلهای هوش مصنوعی منبعباز از آمریکا پیشی گرفته است که چشمانداز رقابتی در توسعهی هوش مصنوعی را برجسته میکند. @a16z
- «لینیر» (Linear) گزارش میدهد که ۶۰ درصد از شرکتهای بزرگ از زمان راهاندازی پلتفرم عامل خود، «عامل» (agents) را به فضاهای کاریشان اضافه کردهاند که نشاندهندهی پذیرش سریع در شرکتهای بزرگ است. @karrisaarinen
اخلاق و جامعه
- «اچایآی» (HAI) استنفورد هشدار میدهد که موج شفافیت در هوش مصنوعی در حال عقبنشینی است و بنیان پیشرفت علمی را تهدید میکند؛ این سازمان از دانشگاهها میخواهد تا پژوهش هوش مصنوعی را برای منافع عمومی بازپس گیرند. @StanfordHAI
- «یان لکون» (Yann LeCun) استدلال میکند که تمرکز هوش مصنوعی در تعداد کمی از شرکتها، تهدیدی جدی برای دموکراسی است و تأکید میکند که پلتفرمهای منبعباز برای حفظ حاکمیت کشورها و ساخت هوش مصنوعی متناسب با فرهنگ آنها ضروری هستند. @youtubejocoding
- «گزارش انتشار هوش مصنوعی مایکروسافت» (Microsoft's AI Diffusion Report) شکافهای جهانی واضحی را در پذیرش هوش مصنوعی نشان میدهد و بر لزوم گسترش دسترسی، توسعهی مهارتها و کارایی هوش مصنوعی برای هر زبان و جامعهای تأکید میکند. @BradSmi
- «ایتان مولیک» (Ethan Mollick) خواستار تلاشهای مشخصتری برای مفیدسازی مزایای هوش مصنوعی برای افراد بیشتر و کاهش آسیبهای آشکار میشود و اشاره میکند که بسیاری از اقدامات میتوانند همین امروز منافع قابلتوجهی به همراه داشته باشند، به جای انتظار برای راهحلهای بلندمدت. @emollick
کاربردها
- «استنفورد هلث» (Stanford Health) «چتایاچآر» (ChatEHR) را توسعه میدهد؛ یک پلتفرم چتبات هوش مصنوعی برای مراقبتهای بهداشتی که دادههای بیدرنگ، کنترلهای سختگیرانهی حریم خصوصی و سیستمهای پیچیدهی EHR را یکپارچه میکند و به طور بالقوه میتواند به عنوان یک مدل برای سیستمهای بهداشتی عمل کند. @StanfordHAI
- «گوگل» (Google) «پوملی» (Pomelli) را راهاندازی میکند؛ یک ابزار بازاریابی هوش مصنوعی که برای کمک به کسبوکارهای کوچک و متوسط جهت ارتباط سریعتر با مخاطبانشان طراحی شده است. @GoogleAI
- «پرپلکسیتی فایننس» (Perplexity Finance) اکنون شامل داراییهای سیاستمداران از سهام عمومی میشود که قابلیتهای دادههای مالی این پلتفرم را گسترش میدهد. @AravSrinivas
- «گوگل» (Google) افزونهی CLI «جِمینی» (Gemini) را برای عامل Jules اضافه میکند که گردش کار کدنویسی خلاقانه را تسریع میبخشد. @GoogleAI
- «نوتبوکالام چت» (NotebookLM Chat) بهبودهایی از جمله فعالسازی پنجرهی کامل ۱ میلیون توکن زمینه را برای تحلیل اسناد بهبودیافته دریافت میکند. @GoogleAI
پژوهشها
- «هاگینگ فیس» (Hugging Face) «کتاب راهنمای کوچک آموزش» (Smol Training Playbook) جامع ۲۱۴ صفحهای را منتشر میکند که دستورالعملهای پیشازآموزش و پسازآموزش، بررسی هایپرپارامترها و راهنماییهای عملی آموزش مدل را پوشش میدهد. @Thom_Wolf
- پژوهشها نشان میدهد که تغییر از BF16 به FP16 راهحلی اساسی برای fine-tuning RL ارائه میدهد و با ارائهی ۸ برابر دقت بیشتر، واگرایی سیاست بین موتورهای آموزش و استنتاج را کاهش میدهد. @natolambert
- پژوهشگران «امآیتی» (MIT) روشی را توسعه میدهند که هنرمندان را قادر میسازد تا شبیهسازیهای واقعگرایانه از اشیاء الاستیک را برای فیلمهای انیمیشن و بازیهای ویدیویی طراحی کنند. @MIT
- پژوهشگران «مایکروسافت» (Microsoft) جایزهی بهترین مقاله را در ESEM 2025 برای بررسی چالشهای همکاری بینرشتهای بین مهندسان نرمافزار و کارشناسان حوزه در هوش مصنوعی، بهداشت و علوم دریافت میکنند. @MSFTResearch
- «فرانسوا شولِه» (François Chollet) تأکید میکند که هوش انسانی شامل اختراع مداوم است و اشاره میکند که حتی نوزادان نیز باید خزش را از ابتدا با حداقل داده اختراع کنند، که این موضوع فرضیات مربوط به الزامات هوش مصنوعی را به چالش میکشد. @fchollet
- «یان لکون» (Yann LeCun) استدلال میکند که اصطلاح «AGI» (هوش عمومی مصنوعی) بیمعناست، زیرا هوش انسانی عمومی نیست بلکه تخصصی است؛ او به جای آن، ساخت «مدلهای جهان» (World Models) را پیشنهاد میکند که جهان فیزیکی را از طریق بازنماییهای انتزاعی درک میکنند. @youtubejocoding
- «مارک آندرِسن» (Marc Andreessen) دربارهی رقابت هوش مصنوعی بین آمریکا و چین بحث میکند و پیشبینی میکند که فاز بعدی این رقابت در «رباتیک» (robotics) خواهد بود تا نرمافزار؛ او بر نیاز به هوش تجسمیافته (embodied intelligence) فراتر از سیستمهای هوش مصنوعی غیرتجسمیافتهی کنونی تأکید میکند. @a16z
مدلهای جدید هوش مصنوعی
- OpenAI، Aardvark را معرفی کرد؛ یک محقق امنیتی عاملمحور که با استفاده از GPT-5 باگهای امنیتی را پیدا و رفع میکند و اکنون در مرحلهی بتای خصوصی است @OpenAI
- Kimi مدل Kimi-Linear را با کاهش تا 75 درصدی در مصرف حافظه و 6.3 برابر توان عملیاتی رمزگشایی بالاتر منتشر کرد که با استفاده از معماری MLA و KDA (Kimi Delta Attention) عملکردی بهتر از خطوط مبنای MLA و GDN دارد @scaling01
- MiniMax مدل M2 را بهعنوان مدل جدید «هوشمندترین» با وزنهای باز و لایسنس MIT منتشر کرد که عملکردی قابل مقایسه با Sonnet 4 دارد، در حالی که قیمت آن به Gemini 2.5 Flash نزدیکتر است @simonw
- Cursor مدل کدنویسی Composer-1 را منتشر کرد که «4 برابر سریعتر از مدلهای هوشمند مشابه» توصیف شده است @simonw
- Windsurf مدل جدید و سریع کدنویسی SWE-1.5 را از Cognition منتشر کرد @simonw
- گوگل عرضهی قریبالوقوع Gemini 3.0 را در اواخر سال جاری اعلام کرد و ساندار پیچای اشاره کرد که آنها برای عرضهی مدلهای بهطور قابل توجهی بهبودیافته زمان صرف میکنند @AndrewCurran_
تحلیل صنعت
- طبق گزارش رویترز، OpenAI در حال بررسی عرضهی عمومی سهام به محض نیمهی دوم سال 2026 با ارزشگذاری 1 تریلیون دلار است @AndrewCurran_
- یوتیوب در حال ارائهی بازخرید داوطلبانه با مزایای پایان خدمت به کارمندان مستقر در ایالات متحده است، زیرا سازمان محصولات خود را برای تمرکز بیشتر بر هوش مصنوعی بازسازی میکند @AndrewCurran_
- طبق گزارش بلومبرگ، NVIDIA قصد دارد تا 1 میلیارد دلار در Poolside سرمایهگذاری کند @AndrewCurran_
- مایکروسافت 150 میلیون کاربر فعال ماهانه در میان مجموعهی Copilotها و عوامل هوش مصنوعی خود گزارش میدهد و 90 درصد از شرکتهای Fortune 500 اکنون از M365 Copilot استفاده میکنند @satyanadella
- طبق گزارش درآمد مایکروسافت، GitHub Copilot اکنون بیش از 26 میلیون کاربر دارد @satyanadella
- گوگل کلود رشد فزایندهای را با درآمد هوش مصنوعی بهعنوان محرک اصلی گزارش میدهد؛ بیش از 70 درصد از مشتریان فعلی آنها از محصولات هوش مصنوعیشان استفاده میکنند و 13 خط تولید دارای نرخ سالانهی درآمد بیش از 1 میلیارد دلار هستند @sundarpichai
- طبق تحلیلها، بنیانگذاران و کارمندان استارتآپها «پول بازنشستگی» (بیش از 10 میلیون دلار) را از فروشهای ثانویه در شرکتهای زیانده با ارزشگذاریهای گمانهزنانه به دست میآورند که میتواند برای نوآوری خطرناک باشد @deedydas
- Universal Music Group و Udio دعوای حقوقی کپیرایت خود را حل و فصل کردند و در سال 2026 یک پلتفرم جدید مبتنی بر اشتراک راهاندازی خواهند کرد که بر روی موسیقی دارای مجوز آموزش داده شده است @AndrewCurran_
- Universal Music Group با Stability AI اتحاد استراتژیکی تشکیل میدهد تا «ابزارهای حرفهای ساخت موسیقی نسل بعدی» را توسعه دهد @StabilityAI
- ASCAP، BMI و SOCAN اکنون ثبتنام آثار موسیقی تولید شده با استفاده از هوش مصنوعی را میپذیرند که عناصر محتوای تولید شده توسط هوش مصنوعی را با تألیف انسانی ترکیب میکنند @AndrewCurran_
اخلاق و جامعه
- اتان مولیک توانایی Sora را در ایجاد ویدئوهای جعلی متقاعدکننده دربارهی «ستونهای در حال چرخش پنگوئنها در آسمان» به نمایش میگذارد و نشان میدهد که چگونه محتوای تولید شده توسط هوش مصنوعی میتواند برای ایجاد اطلاعات غلط باورپذیر استفاده شود @emollick
- الکسیس اوهانیان، یکی از بنیانگذاران ردیت، اظهار میدارد «نظریهی اینترنت مرده واقعی است» و به این ایده اشاره میکند که بخش زیادی از محتوای اینترنت دیگر توسط انسان تولید نمیشود @TechCrunch
- MIT Technology Review گزارش میدهد که در چشمانداز فناوری کنونی «هرگز آسانتر از این نبوده است که یک نظریهپرداز توطئه باشیم» @techreview
- سم آلتمن در مورد هزینههای شخصی رهبری OpenAI تأمل میکند و اشاره میکند که این کار «فوقالعاده دردناک» است و «اغلب در هر روزی وسوسهکننده است که منصرف شویم»، اما معتقد است که این کار «بهطور تحولآفرینی مثبت» خواهد بود @sama
کاربردها
- مایکروسافت Copilot for health را برای پاسخ به سؤالات مرتبط با سلامت، بهعنوان یکی از رایجترین نیازهای کاربران معرفی میکند @Copilot
- ابزار Researcher مایکروسافت اکنون قابلیت Computer Use را دارد که به آن اجازه میدهد بهطور ایمن در وب باز و محدود شده مرور کند تا اطلاعات دشوار پیدا را در صدها سایت بیابد @satyanadella
- Perplexity، Perplexity Patents را راهاندازی میکند که اولین عامل پژوهش پتنتی هوش مصنوعی در جهان است و هوش ثبت اختراع را برای همه قابل دسترس میکند @perplexity_ai
- گوگل AI Studio داشبورد جدیدی برای لاگها و دیتاستها معرفی میکند که مشاهدهی ترافیک API، به اشتراکگذاری بازخورد و صادرات دادهها برای ارزیابیها را 10 برابر آسانتر میکند @OfficialLoganK
- فیگما شرکت Weavy، فعال در زمینهی تولید تصویر و ویدئو مبتنی بر هوش مصنوعی را خریداری میکند که به Figma Weave تبدیل خواهد شد @TechCrunch
- گوگل با Reliance Jio همکاری میکند تا طرحهای رایگان Google AI Pro را به مشتریان واجد شرایط Jio در هند برای 18 ماه ارائه دهد که شامل Gemini 2.5 Pro و 2 ترابایت فضای ذخیرهسازی میشود @sundarpichai
- Cursor عوامل ابری را با راهاندازی سریعتر، قابلیت اطمینان بهبودیافته و رابط کاربری جدید برای مدیریت گروهی از عوامل ابری بهطور مستقیم از IDE معرفی میکند @cursor_ai
- Bevel Health 10 میلیون دلار سرمایهی سری A جذب میکند تا یک سیستم عامل هوشمند برای سلامت بسازد که دادههای دستگاههای پوشیدنی، آزمایشگاهها و عادات روزمره را در یک سیستم متصل گرد هم میآورد @greyngyen
پژوهشها
- پژوهش جدیدی رویهی Parallel-Distill-Refine (PDR) را معرفی میکند که دقت بالاتری نسبت به استدلال طولانی زنجیرهی فکری با تأخیر کمتر به دست میآورد، با بهبود 11 درصدی در AIME 2024 و 9 درصدی در AIME 2025 نسبت به خطوط مبنای تکگذر @rsalakhu
- پژوهشگران Scale AI و AI Safety، شاخص کار از راه دور (Remote Labor Index) را معرفی میکنند؛ یک ارزیابی جدید که توانایی هوش مصنوعی را برای خودکارسازی پروژههای با ارزش اقتصادی واقعی از پلتفرمهای کار از راه دور میسنجد و در حال حاضر حداکثر امتیاز تنها 2.5 درصد را نشان میدهد @alexandr_wang
- معیار جدید هوش مصنوعی که آزمایش محیط بازی را با آزمایش مدل جهانی ترکیب میکند، شکافهای بزرگی بین توانایی انسان و هوش مصنوعی پیدا میکند و نیاز به معیارهای واقعگرایانهتر و اشباعنشدهتر را برجسته میکند @emollick
- Superchip NVIDIA GH200 رکوردهای جدیدی را در عملکرد هوش مصنوعی مالی ثبت میکند؛ با تا 49 درصد تأخیر کمتر در مدلهای بزرگ LSTM، تأخیر 4.7 میکروثانیه در مدلهای کوچک و 13 برابر نرخ خطای استنتاج کمتر @NVIDIAAI
- Hugging Face «The Smol Training Playbook» را منتشر میکند؛ یک راهنمای جامع بیش از 200 صفحهای که کل خط لولهی آموزش LLM را پوشش میدهد، شامل پیشآموزش، پسآموزش و زیرساخت @_lewtun
- LMCache به اکوسیستم PyTorch میپیوندد و استنتاج (inference) مقیاسپذیر LLM را از طریق یکپارچهسازی با vLLM با استفادهی مجدد و اشتراکگذاری کشهای KV در میان کوئریها پیشرفت میدهد و به توان عملیاتی تا 15 برابر سریعتر دست مییابد @PyTorch
- پژوهش هوش مصنوعی برکلی نشان میدهد که چگونه LLMها میتوانند از طریق یادگیری در متن (in-context learning) «خود-تکمیل» شوند و از اشتباهات یاد بگیرند و نحوهی اعمال تطبیق در زمان استنتاج به یادگیری ربات را بررسی میکند @ameeshsh
مدلهای جدید هوش مصنوعی
- اوپناِیآی مدلهای gpt-oss-safeguard را برای طبقهبندی ایمنی منتشر کرد؛ این مدلها نسخههای تنظیمشدهی مدلهای متنباز این شرکت هستند که تحت مجوز Apache 2.0 در Hugging Face دردسترس میباشند @OpenAI
- کرسر از Cursor 2.0 رونمایی کرد که شامل اولین مدل کدنویسیاش، Composer، میشود؛ یک مدل کدنویسی پیشرفته که وظایف را در کمتر از 30 ثانیه انجام میدهد @cursor_ai
- گوگل مدل استدلال تقویتشدهی Gemini Deep Think را بهعنوان بخشی از سرمایهگذاری برای مشارکتهای تحقیقاتی هوش مصنوعی خود اعلام کرد @GoogleDeepMind
- اوپناِیآی قابلیت Pulse را راهاندازی کرد که اکنون برای کاربران پرو در وب دردسترس است @OpenAI
تحلیل صنعت
- اوپناِیآی متعهد شد که در طول سالیان حدود 30 گیگاوات توان محاسباتی را با هزینهی کل مالکیت تقریباً 1.4 تریلیون دلار اختصاص دهد؛ با اهدافی برای دستیابی به کارآموز هوش مصنوعی پژوهشی خودکار تا سپتامبر 2026 و پژوهشگر هوش مصنوعی کاملاً خودکار تا مارس 2028 @sama
- انتروپیک گزارش داد که در طول سال گذشته 10 برابر رشد در درآمد سالانهی (run rate revenue) خود در منطقهی آسیا-اقیانوسیه داشته است؛ با شرکتهایی مانند Rakuten، Nomura Research Institute و Panasonic که اکنون از Claude استفاده میکنند @AnthropicAI
- Character AI تغییرات سیاستی بزرگی را اعمال کرد که طبق آن کاربران زیر 18 سال ملزم هستند دیگر در چتهای آزاد با هوش مصنوعی، از جمله گفتوگوهای عاشقانه، شرکت نکنند؛ درحالیکه تأیید سن قویتری را اضافه کرده و بودجهای را برای یک آزمایشگاه ایمنی هوش مصنوعی اختصاص داده است @AndrewCurran_
- استارتاپهای نوپا بهطور فزایندهای جایگزینهای «مدرن» و محبوب مانند Vercel، Render، Railway و Supabase را به جای خدمات ابری سنتی مانند AWS برای میزبانی اولیه و پایگاههای داده انتخاب میکنند @GergelyOrosz
- عاملهای کدنویسی هوش مصنوعی باعث میشوند معیارهای سنتی بهرهوری توسعهدهندگان، مانند فراوانی درخواستهای ادغام (PR frequency)، تا حد زیادی بیمعنی شوند؛ زیرا آنها میتوانند بهراحتی درخواستهای ادغام تولید کنند @GergelyOrosz
- ارزش بازار انویدیا به میزان 5 تریلیون دلار اکنون از مجموع بازارهای بورس همهی کشورها به جز ایالات متحده، چین و ژاپن فراتر رفته است @TechCrunch
- رابطهای کدنویسی مبتنی بر صدا در میان توسعهدهندگان درحال گسترش هستند؛ با اضافه شدن پشتیبانی از حالت صوتی بومی توسط Cursor و شرکتهایی مانند Wispr که شاهد افزایش پذیرش برای گردشکارهای توسعهی مبتنی بر هوش مصنوعی هستند @GergelyOrosz
اخلاق و جامعه
- سایمون ویلیسون در مورد خطرات امنیتی و حریم خصوصی در عاملهای مرورگر هوش مصنوعی هشدار میدهد و بیان میکند که این خطرات «بهطرز غیرقابلتصوری بالا به نظر میرسند» تا زمانی که پژوهشگران امنیتی این محصولات را بهطور کامل ارزیابی کنند @random_walker
- پژوهش انتروپیک شواهدی از تواناییهای درونگرایانه در Claude را نشان میدهد؛ این پژوهش حاکی از آن است که مدلها گاهی میتوانند مفاهیم تزریقشده را در الگوهای عصبی خود تشخیص دهند، اگرچه این امر بهطور ناپایدار عمل میکند و اغلب مدلها در نشان دادن آگاهی شکست میخورند @AnthropicAI
- تعهد اوپناِیآی به باقی ماندن دائمی در کالیفرنیا، در کسب تأیید دادستان کل برای تبدیل شدن آنها به یک نهاد انتفاعی نقش اساسی داشت @AndrewCurran_
- نگرانیهایی در مورد تأثیر هوش مصنوعی بر واقعیت اجتماعی و معناسازی جمعی مطرح شده است، با هشدارهایی در مورد «تنهایی تصاعدی» و «ناهماهنگی بینفردی تصاعدی» همزمان با گسترش قابلیتهای هوش مصنوعی شخصی @tuhin
کاربردها
- مایکروسافت عاملهای App Builder و Workflow را در M365 Copilot اعلام کرد که به کاربران امکان میدهد در عرض چند دقیقه، مستقیماً در چت، برنامهها را بسازند و گردشکارها را خودکار کنند @satyanadella
- پرپلکسیتی دستیار ایمیل را برای مشترکین پرو (Pro) با یک آزمایش 14 روزه راهاندازی کرد که شامل پیشنویسسازی خصوصی و برچسبگذاری است و هرگز محتوای ایمیل را ثبت نمیکند @perplexity_ai
- Rocket Mortgage با سیرا همکاری میکند تا تجربهی مالکیت خانه را با هوش مصنوعی متحول کند و بر تجربهی بهتر مشتری به جای صرفاً خودکارسازی تمرکز دارد @btaylor
- NVIDIA Earth-2 شبیهسازیهای آبوهوای فوقسریع و با وضوح بالا را امکانپذیر میسازد و ساعتها محاسبات را به ثانیه تبدیل میکند تا آمادگی در برابر بلایا و تحلیل ریسک بهبود یابد @NVIDIAAI
- گوگل با NextEra همکاری میکند تا مرکز انرژی Duane Arnold در آیووا را بهطور خاص برای تأمین انرژی مراکز داده بازگشایی کند @TechCrunch
- فیگما کیتهای Make را برای ادغام سیستمهای طراحی با Make معرفی کرد که به هوش مصنوعی امکان میدهد نرمافزاری را طراحی و بسازد که با سرمایهگذاریهای طراحی موجود مطابقت داشته باشد @manosaie
پژوهشها
- استنفورد معیار SLP-Helm را منتشر کرد که نحوهی تشخیص اختلالات گفتاری کودکان توسط مدلهای هوش مصنوعی را آزمایش میکند و نویدها، چالشها و سوگیریها در گفتاردرمانی با کمک هوش مصنوعی را آشکار میسازد @StanfordAILab
- پژوهش نشان میدهد که هوش مصنوعی با راهنمایی متخصصان انسانی به حل یک مسئلهی باز ریاضی 42 ساله کمک میکند و پتانسیل هوش مصنوعی را در کارهای آکادمیک چالشبرانگیز فکری نشان میدهد @emollick
- گوگل دیپمایند یک سیستم مبتنی بر یادگیری تقویتی (RL) را برای کشف پازلهای خلاقانهی شطرنج توسعه میدهد که تعداد پازلهای جدید را در مقایسه با دادههای آموزشی اولیه دو برابر میکند، درحالیکه تنوع زیباییشناختی را حفظ میکند @TZahavy
- پژوهش جدیدی در مورد آموزش مدلهای زبان بزرگ (LLM) برای کشف انتزاعهای استدلالی نشان میدهد که اختصاص دادن توان محاسباتی زمان آزمایش به تولید انتزاعها، دستاوردهای بیشتری نسبت به تولید راهحلهای اضافی دارد @rsalakhu
- مطالعه نشان میدهد که پرامپتهای متمایز به حالات پنهان منحصربهفردی در درون مدلها نگاشت میشوند که مهندسی معکوس را از حالات پنهان به پرامپتهای اصلی ممکن میسازد @emollick
- پژوهش DeepSeek روشهای جدیدی را برای بهبود توانایی هوش مصنوعی در بهخاطرسپردن اطلاعات پیشنهاد میکند @techreview
- پیشرفتی در محاسبات کوانتومی به درهمتنیدگی 120 کیوبیت دست یافت که بزرگترین حالت درهمتنیدگی است که تاکنون در یک کامپیوتر کوانتومی به دست آمده است @jaygambetta