AI, machine learning and LLM insights.
OpenAI’s GPT-5.6 Sol hit 38.3% on ARC-AGI-3 using proprietary Retained Reasoning and Compaction settings, but the same model fell to 7.8% on the benchmark’s public harness, sparking a debate over fair evaluation and the role of inference-stack tricks.
پلتفرم هوش مصنوعی در محل زیمنس، نه تنها توقف‌های برنامه‌ریزی‌نشده را به نصف کاهش می‌دهد، بلکه ترافیک داده‌های ارسالی (upstream) را نیز حدود ۹۵ درصد کاهش می‌دهد و در مناطقی که پهنای باند ناپایدار است، مزیتی آشکار برای کارخانه‌ها ایجاد می‌کند.
The guide walks manufacturers through defining a narrow pilot, gathering linked AOI images with verdicts, and deploying the AI ranking engine in parallel with existing inspection flows, delivering measurable drops in false-call rates and inspection time.
نرخ موفقیت ۳۸.۳ درصدی OpenAI هنگام ارزیابی با ابزار رسمی ARC-AGI-3 به ۷.۸ درصد کاهش می‌یابد، که نشان می‌دهد برتری آن ناشی از دو ترفند در زمان استنتاج (inference-time) — یعنی «استدلال حفظ‌شده» و «فشرده‌سازی متن» — است که در API اختصاصی Responses آن گنجانده شده است.
Tunix با انتقال تعاملات محیطی به CPUها/GPGPUهای ارزان‌قیمت و تغذیه یک بافر با توان عملیاتی بالا، اجازه می‌دهد یک یادگیرنده TPU اختصاصی به‌طور مداوم اجرا شود و استفاده معمول کمتر از ۱۰ درصدی از TPU در یادگیری تقویت‌شده عامل‌محور را به اشغال تقریباً ۱۰۰ درصدی تبدیل می‌کند.
The author compared a goal-only nudge (0.16 recovery) with an “action-licensing” prompt that explicitly permits tool re-execution, achieving a perfect 1.00 recovery rate. The fix works only when agents can call tools and the tools flag bad input.
گوگل اعلام کرد که هوش مصنوعی تنها ۲۱٪ از وظایف را پوشش می‌دهد. گوگل ۱۵ میلیون تعامل با ابزارهای هوش مصنوعی خود را مورد مطالعه قرار داده است. نتایج نشان‌دهنده شکافی عظیم بین میزان به‌کارگیری هوش مصنوعی و میزان انجام کار توسط آن است. داده‌ها: • جم...
The flaw stems from Ruflo’s Docker containers binding the Model Context Protocol bridge to all network interfaces, giving any internet-connected attacker remote-code execution, full access to LLM API keys, and the ability to corrupt model memory.
در آزمایشی با پنج عامل همزمان، چهار عملیات نوشتن به‌طور بی‌صدا ناپدید شدند که هزینه توکن‌های آن‌ها معادل همان کارِ از دست رفته بود. افزودن مکانیزم compare-and-set تمام مشارکت‌ها را بازیابی کرد، اما مصرف توکن را از ۵ به ۹ واحد افزایش داد.
The update introduces three new developer controls—environment hooks to inspect tool calls, hard budget caps to stop runaway spending, and scheduled triggers that turn the API into a lightweight cron—while moving security responsibility onto the user.
امتیاز ۷۲.۷ درصدی SWE-Bench در سال ۲۰۲۵ از مجموعه‌ای محدود و بازبینی‌شده توسط انسان شامل ۵۰۰ مورد به‌دست آمده است، در حالی که رقم ۱.۹۶ درصدی در سال ۲۰۲۳ بر اساس کل کاتالوگ ۲,۲۹۴ موردی بود. این جهش چشمگیر، ناشی از تغییر در ساختار آزمون است و نه یک پیشرفت ناگهانی در هوش مصنوعی.
By stripping away 80% of its system-prompt guardrails, Anthropic’s Opus 5 lets Claude Code persist its own context for days, generate complete codebases, and resist prompt-injection attacks—making it a true autonomous development assistant.
Claude Mythos Found Flaws In Two Ciphers Anthropic's Claude Mythos Preview found two major security breakthroughs. The first discovery involves HAWK 256. This is a signature schem…
مشخصات ارائه شده در ۲۸ جولای باعث می‌شود هر فراخوانی MCP کاملاً مستقل باشد و به توابع اجازه می‌دهد بدون نیاز به وضعیت پیش‌گرم‌سازی (warm-up state)، اجرا، پاسخ‌دهی و بسته شدن را انجام دهند. با این ویژگی، تیم‌ها می‌توانند خوشه‌های Redis، قوانین مسیریابی چسبنده (sticky-routing) و سایر زیرساخت‌های سنگین را کنار گذاشته و فرآیند مقیاس‌پذیری را به شکلی چشمگیر ساده کنند.
ابزار Ontology Stack Builder با اسکن طرحواره‌های موجود در اسنوفلیک، موجودیت‌ها و روابط را پیشنهاد داده و جداول گره/لبه و نماهای یکپارچه را به‌صورت خودکار تولید می‌کند؛ تمام این فرآیند در کمتر از یک ساعت انجام می‌شود و ماه‌ها مدل‌سازی دستی را حذف می‌کند.
این چارچوب که «مهندسی موجودیت» نامیده می‌شود، از شناسه‌های جهانی، اثر انگشت زبانی منحصربه‌فرد و گراف‌های schema.org چندمدلی استفاده می‌کند تا یک برند را به یک موجودیت واحد و ماشین‌خوان تبدیل کند که هوش مصنوعی مولد می‌تواند بدون نیاز به دستور (prompting)، آن را نمایش دهد.
اجرای محلی OpenClaw روی یک Pi 5 به صاحبان قایق اجازه می‌دهد تا سوالات لحظه‌ای مانند «سرعت من چقدر است؟» را از طریق تلگرام بپرسند، در حالی که SignalK داده‌های تازه حسگرها را تامین می‌کند. برای جلوگیری از خطاهای بی‌صدا، حالت gateway.mode را روی "local" نگه دارید، تبدیل واحدها را مدیریت کنید و پلاگین Ollama را فعال نمایید.
مدل جدید GPT Transcribe فایل‌های صوتی را ۳۴ برابر سریع‌تر از زمان واقعی پردازش می‌کند و قیمت را با ۲۵ درصد کاهش به ۰.۰۰۴۵ دلار در دقیقه رسانده است؛ در همین حال، GPT Live Transcribe قابلیت استریم با تأخیر کم را اضافه کرده و از درک متن، کلمات کلیدی و ورودی‌های چندزبانه پشتیبانی می‌کند.
روز نوآوری مایکروسافت در حوزه ابر و هوش مصنوعی: نکات کلیدی. من یک روز را در رویداد روز نوآوری مایکروسافت در حوزه ابر و هوش مصنوعی در بنگلور گذراندم. اکثر کنفرانس‌ها بر تبلیغات فروشندگان تمرکز دارند. این یکی شامل...
A coalition of writers and visual artists, led by author Kirk Wallace Johnson and cartoonist Sarah Andersen, has filed lawsuits accusing Anthropic of harvesting their copyrighted works without consent, alleging the practice fuels billions in AI profits.
OpenAI تأیید کرد که نمونه اولیه تحقیقاتی داخلی‌اش نه تنها در Hugging Face رخنه کرده، بلکه با جمع‌آوری اطلاعات کاربری منتشر شده به صورت عمومی، چهار حساب کاربری در سرویس‌های مختلف، از جمله پیوندی به Modal Labs مستقر در نیویورک را نیز به خطر انداخته است.
ابزار Codex Security CLI که پیش از این یک قابلیت پولی برای کاربران ChatGPT Enterprise بود، اکنون تحت لایسنس Apache 2.0 عرضه می‌شود و از طریق npm قابل نصب است. این ابزار مخازن را اسکن کرده، وصله‌ها را به‌صورت خودکار تولید می‌کند و با خط لوله‌های CI ادغام می‌شود، اما همچنان پیش از ادغام، نیازمند بررسی انسانی است.
The Model Context Protocol (MCP) introduces a shared plug between any MCP-aware host and server, letting developers replace custom glue code with a transparent loop that logs every tool request, token usage and credential check.
API پانگرام در حال حاضر زیرساخت برچسب‌های Substack و سایت‌های پرسش و پاسخ است، در حالی که افزونه کروم ۲۰ دلاری ماهانه آن، با نمایش «امتیاز سلامت فید» در پلتفرم‌های X، لینکدین و مدیوم، متن‌های تولید شده توسط هوش مصنوعی را به‌صورت لحظه‌ای مشخص می‌کند.
