21724
هوش مصنوعی و برنامه نویسی پایتون؛ مسیولیت هر پست به عهده ادمینی که فرستاده می‌باشد. AI Admins: @FaRzAhss @Kingeng @Bellman281 Linux: @salvador_immortal تبلیغات و تبادل: @FaRzAhss
استفاده از کامپیوتر با مدل دلخواه از طریق Open WebUI :
👉 @ai_python 🦁 ☀️
https://x.com/OpenWebUI/status/2117886684780224883
یه مقاله‌ی جدید با عنوان
On the Economics of Reasoning Effort in LLM Agents
بررسی کرده که برای LLMها بهتره از چه سطحی از Reasoning Effort استفاده کنیم. این مقاله به چند نتیجه‌ی جالب رسیده.
اول اینکه Reasoning Effort بیشتر، لزوماً به معنی عملکرد بهتر نیست. از طرف دیگه، هرچی Reasoning Effort بالاتر باشه، معمولاً هزینه هم بیشتر می‌شه؛ به‌طوری‌که هزینه‌ی بالاترین سطح می‌تونه تا ۴۲ برابرِ پایین‌ترین سطح باشه.
نکته‌ی جالب دیگه اینه که بعضی وقت‌ها ممکنه یه مسئله با Reasoning Effort پایین‌تر درست حل بشه، اما همون مسئله با Reasoning Effort بالاتر، اشتباه جواب داده بشه! در واقع، افزایش میزان تلاش برای استدلال همیشه به بهبود نتیجه منجر نمی‌شه.
همچنین، تغییر Reasoning Effort فقط روی تعداد Tokenهای مصرف‌شده تأثیر نمی‌ذاره، بلکه نحوه‌ی حل Taskها توسط Agentها رو هم تغییر می‌ده. وقتی Reasoning Effort بالاتره، Agentها زمان و تلاش بیشتری صرف Verify کردن خروجی‌های خودشون می‌کنن و به‌جای اینکه مستقیماً روی حل مسئله کار کنن، بیشتر دنبال پیدا کردن Solution می‌گردن. هر دوی این رفتارها باعث می‌شن Trajectory حل مسئله طولانی‌تر بشه، بدون اینکه لزوماً نتیجه‌ی نهایی بهتر بشه یا تغییری بکنه.
🔗 لینک مقاله
👑 توضیحات در مورد دوره منتورینگ
🏆 نحوه ثبت‌نام در دوره منتورینگ
🤝 تجارب موفق قبلی بچه‌ها از منتورینگ
🛠 راه ارتباطی مشاوره تخصصی کسب‌وکار در زمینه دیتا و هوش مصنوعی
@reza_jafari_ai
مواردی که برای ساخت یک Agent هوش مصنوعی خوب باید رعایت کنیم :
👉 @ai_python 🦁 ☀️
https://youtu.be/xKgY5vnzjMQ?si=f564ZuiTqMneQqi0
ابزار آنلاین برای تست آسیب پذیری SSRF
@WearebiTs 🐤
https://webhook.site/
https://fandoly.com/dol/afd57b92-ab99-4072-8979-224f03c6e9b8
Читать полностью…
اف بی آی هم درباره آسیب های امنیتی PHP توصیه هایی رو برای سازمان های دولتی آمریکا منتشر کرد.
👉 @ai_python 🦁 ☀️
https://x.com/FBICyberDiv/status/2112921648252719420/photo/1
X
امیدوارم همه کسانی که سرور PHP داشتن روز قشنگی رو سپری کرده باشن. 🥺🥺🥺😂😂😂
@WearebiTs 🐤
https://youtu.be/ZoMwuQNGZKo?si=ItGBv5CvrhkV3-5w
Читать полностью…
مشاوران دولت بریتانیا هشدار می‌دهند که اگر بریتانیا فوراً توسعه هوش مصنوعی را تسریع نکند، این کشور به جای رهبر جهانی هوش مصنوعی، در معرض خطر تبدیل شدن به یک «مشتری با ارزش بالای هوش مصنوعی» قرار خواهد گرفت.
👉 @ai_python 🦁 ☀️
این یعنی بدهکاری های آینده
تغییرات در افزایش سرعت پاسخ دهی در کلاود
👉 @ai_python 🦁 ☀️
🙂 @almanifarsichannel 🐦
https://x.com/NaviDDariya/status/2111780959213216191
👉 @ai_python 🦁 ☀️
🙂 @almanifarsichannel 🐦
https://x.com/NaviDDariya/status/2111780959213216191
احتمالن همه افرادی که از VS Code و گیت هاب کوپایلوت استفاده می کنند با Auto model selection آشنا هستند که معمولن هم 10 درصد تخفیف داره.
👉 @ai_python 🦁 ☀️
حالا سوال اینه که چه تفاوتی داره اگر به جای این که بپرسیم کدوم مدل این درخواست رو بهتر انجام می ده، بپرسیم که چه راهی برای حل این درخواست بهترین راه هست؟ (یعنی از دید جامع تری استفاده کنیم. شاید اصلن چند مدل نیاز باشه؟ یا نیاز به انتخاب یک ورک فلو مناسب تر هست. (روند نما :)) )
دقیقن این چیزیه که HydraFusion به صورت آزمایشی براش ساخته شده :
https://www.linkedin.com/pulse/explore-hydrafusion-vs-code-vs-code-al2pc/
یکی از یوز کیس هایی که گوگل برای Gemini 4 Argon ارائه داده مهاجرت یک سورس کد برنامه مربوط به 40 سال پیش به Rust بوده :
👉 @ai_python 🦁 ☀️
https://x.com/antigravity/status/2110040210754978295
https://youtu.be/BnZfXQZ7UOw?si=FWjgYHl42T3D63Nj
Читать полностью…
امروز خودم داشتم دوباره این ویدیو رو می دیدم و یه خوبی که داشت بخش امنیتش بود که خلاصه ای از موارد امنیتی رو می گه که گاهی یادمون می ره چک کنیم. مثلن چطوری جلوی هایجک Agent رو بگیریم و ...
Читать полностью…
طبق گزارش بلومبرگ، مایکروسافت با هدف کاهش هزینه‌ها در پی طبعات پیشرفتِ هوش مصنوعی، به ۶۰ هزار کارمند خود بسته‌های بازنشستگی ارائه (پیشنهاد) می‌دهد. (یعنی می گه بیا همین الان اینو بگیر برو 🐸)
👉 @ai_python 🦁 ☀️
X :
خب واقعیت اینه که به خصوص توی کمپانی های بسیار بزرگ همیشه تعداد زیادی نیروی کار می دیدیم که تسک های تکراری انجام می دادن. اسمشون این بود که مثلن فلان سِمت رو توی مایکروسافت و گوگل دارن. ولی در واقع کاری که انجام می دادن طوری بود که فرقی نداشت نیروی A یا نیروی B فارغ‌التحصیل این رشته، انجامش بده.
فرآیند استخدام بر اساس تخصص و دامنه دانش، یه چیز دکوری بود که اتفاقن اصلن هم نورودایورجینت فرندلی نبود و برعکس تو هر چه قدر نمایش بهتری داشتی، منابع انسانی و تیم از تو بیش تر خوشش میومد و استخدام می شدی. فقط برای اینکه این طوری ویو بهتری داره. یا بیش تر خوش می گذره.
زمان کافی برای آموزش نیرو ها می ذاشتن و حتی اگر رشته اون آدم هم این نبود، در نهایت کار رو یاد می گرفت و انجام می داد.
👉 @ai_python 🦁 ☀️
البته همه این موارد هیچ اشکالی هم نداره. روح اون زمانه بود. الانم شاید هنوز توی پوزیشن هایی که کفه ترازو در سمت مارکتینگشون سنگینه، ویو (منظورم ظاهر نیست) حرف اول رو بزنه. ولی خب دیگه جونیوری که فقط یک کار فنی آموزش داده شده رو به صورت تکراری و دائم انجام بده و برای تسک بعدی بازم نیاز به آموزش داره، حذف می شه.
به نظرم الان زمانه، عصر جونیورهایی هست که از اول سنیور هستن و شاید توی پوزیشن های فنی خیلی نیاز به ویو هم ندارن.
جونیورِ از اول سنیور، یعنی هر شخصی که اتوپایلوت هست. نیازی نداره که یه نفر دائم بهش آموزش بده. شولونگش کنه. خودش می ره دنبال موضوع و یه جوری حلش می کنه. Input می گیره. اما اون اینپوت، اینپوت فنی نیست. بیش تر اینپوت کدوم لیبل و کدوم نیاز هست.
و خب طبیعتن این جونیوری که از اول سنیوره، فرقی نمی کنه تا حالا با فلان زبان برنامه نویسی کد نوشته یا نه. فرقی نداره فلان معماری یا سرویس رو می شناسه یا نه. فقط کافیه چند تا لیبل بهش بدی و هدف و ...
و خودش راهش رو پیدا می کنه. از در نشد، از پنجره میاد تو.
چون بقیه ای که این طوری نیستن، طبیعتن AI Agent ها جاشون رو می گیرن. برای همینم هست که می گیم شغل های آی تی از بین نمی رن. فقط الک می شن. نوعشون تغییر می کنه و آدمایی با ویژگی های خاص که قبلن طلا بودن، ممکنه الان دیگه طلا نباشن.
الان عصر، عصرِ اقیانوس های به عمق چند سانتی‌متر هست که بتونن موج های بزرگ درست کنند.
چطور با چند عمل ساده روی سطرها، یک دستگاه معادله را حل کنیم؟
📘 جزوهٔ جبر خطی | جلسهٔ دوم
با تدریس گیلبرت استرنگ
🏛 MIT
حذف گاوسی و ماتریس‌های مقدماتی
در این جلسه، مراحل حذف گاوسی و جانشانی پسرو را دنبال می‌کنیم و می‌بینیم چگونه می‌توان هر گام حل را به زبان ماتریس‌ها نوشت.
📄 جزوهٔ فارسی در ۱۵ صفحه
تهیه و تنظیم: گروه ریاضی مزداهیک
🆔 @mazdaahik
#جبر_خطی #گیلبرت_استرنگ #حذف_گاوسی #MIT
توی گروک بات می شه ازش درخواست کنید یک فرم امن براتون باز کنه و یوزر و پسورد های مورد نیازش رو از طریق اون فرم امن براش بفرستید که توی Vault ش ذخیره کنه.
👉 @ai_python 🦁 ☀️
نمی دونم بقیه دستیارها هم اینو دارن یا نه؟
بیش تر دوستانی که Pentesting انجام می دن با PortSwigger و ابزار Burp آشنایی دارن و نیاز به معرفی نداره.
👉 @ai_python 🦁 ☀️
حالا اونا یک سولوشن Agentic AI ارائه دادن (بتا) که اجنت های هوش مصنوعی به عنوان متخصص امنیت بهتون کمک می کنن که Pentest پلتفرم های آنلاینتون رو انجام بدید.
https://php-net.pro/en/news/php-8-3-36-released-with-security-fixes
Читать полностью…
اگر کامپیوترتون کند شده و از Claude Desktop استفاده می کنید، می تونید با دادن این پرامپت ها سیستم رو Optimize کنید.
البته الزامن نباید Claude Desktop باشه. هر هارنس دیگه ای هم که دوست دارید احتمالن به خوبی از پس این کارای ساده برمیاد. حتی با مدل های رایگان.
👉 @ai_python 🦁 ☀️
لینک پرامپت ها :
https://x.com/free_ai_guides/status/2112453797218017563
X
چین از یک شرکت داده دولتی جدید برای پیشبرد جاه‌طلبی‌های هوش مصنوعی خود رونمایی کرد، چرا که پکن قصد دارد طی ۵ سال آینده حدود ۳۰۰ میلیارد دلار در مراکز داده سرمایه‌گذاری کند.
👉 @ai_python 🦁 ☀️
دیپ‌سیک (DeepSeek) فریم‌ورک اختصاصی خودش برای Inference به اسم DeepInfer رو Open Source کرده! این فریم‌ورک برای اجرای مدل DeepSeek-V4.1-Flash در مقیاس بالا طراحی شده و کمک می‌کنه مدل‌ها با Throughput بالاتر و Latency کمتر اجرا بشن. دیپ‌سیک با انتشار زیرساختی که خودش در محیط عملیاتی استفاده می‌کنه، می‌خواد به Developerها کمک کنه هزینه‌های Compute رو کاهش بدن، انرژی کمتری مصرف کنن و اجرای مدل‌های AI رو کم‌هزینه‌تر کنن.
DeepInfer قابلیت‌های مختلفی داره؛ از جمله Kernelهای بهینه، Inference Engine سریع، Distributed Inference و Speculative Decoding. قابلیت‌هایی مثل SWA Bounded Replay و Structured Outputs هم توی این پروژه قرار دارن. علاوه بر این، قراره کدهای مربوط به Inference مدل‌های آینده‌ی DeepSeek و بهینه‌سازی‌های جدید هم به همین پروژه اضافه بشن.
🔗 لینک ریپو DeepInfer
دیپ‌سیک فقط به DeepInfer بسنده نکرده و کامپوننت deepseek-recipe رو هم Open Source کرده. این کامپوننت وظیفه‌ی Token Encoding و Decoding رو بر عهده داره و با منطق پردازشی Official DeepSeek API هماهنگه؛ بنابراین Developerها می‌تونن همون رفتار API رسمی رو در زیرساخت خودشون هم پیاده‌سازی کنن.
🔗 لینک ریپو deepseek-recipe
@reza_jafari_ai
چرا گاهی AB با BA برابر نیست؟
📘 جزوهٔ جبر مجرد | جلسهٔ اول
با تدریس بندیکت گروس
🏛 دانشگاه هاروارد
از ماتریس‌ها تا گروه‌ها
در این جلسه، از ضرب ماتریس‌ها، دترمینان و وارون‌پذیری آغاز می‌کنیم و به تعریف گروه و نقش تقارن در جبر می‌رسیم.
📄 جزوهٔ فارسی در ۱۶ صفحه
تهیه و تنظیم: گروه ریاضی مزداهیک
🆔 @mazdaahik
#جبر_مجرد #نظریه_گروه‌ها #بندیکت_گروس #هاروارد
اندر احوالات کوپایلوت سوپر اپ
👉 @ai_python 🦁 ☀️
🙂 @almanifarsichannel 🐦
https://youtu.be/YSFSR8d58Bk?si=Cy9EViN0xQ7NqXms
مدل DeepSeek V4.1 Flash روی OpenCode رایگان هست.
👉 @ai_python 🦁 ☀️
اما فقط نسخه ای که 200k کانتکست داره
لینک گروه پرسش و پاسخ علوم کامپیوتر : /channel/+vHq2KHlW8AljNTc0
Читать полностью…