AI, machine learning and LLM insights.
درگاه Claude Apps Gateway لایه کنترل را در حساب AWS مشتری تعبیه می‌کند و به بخش IT یک پنل واحد برای مدیریت هویت، گزارش‌های حسابرسی و هزینه‌ها می‌دهد، در حالی که توسعه‌دهندگان می‌توانند بدون افشای داده‌ها به خارج از سازمان، جلسات مبتنی بر Claude را راه‌اندازی کنند.
این دستیار وزن‌های مدل را همراه با یک صفحه وب استاتیک ارائه می‌دهد و از یک لیست ثابت شامل هشت ابزار، رمزگشایی با محدودیت دستور زبان و RAG استفاده می‌کند؛ تمام این موارد تنها با ۳۰ میلیون توکن روی یک GPU واحد ۱۶ گیگابایتی آموزش دیده‌اند.
The detector records raw attention scores across all heads, aggregates them layer-wide, and uses a log-MAD test to flag tokens that swallow the bulk of attention. Removing these “sink” tokens from the KV cache destabilises generation and slashes quality.
این پیشنهاد، قوانین فعلی فیلترینگ پیام را گسترش می‌دهد تا تمامی سرویس‌هایی که در آن‌ها تبادل متن بین دو نفر صورت می‌گیرد را نیز شامل شود؛ این بدان معناست که ارائه‌دهندگان هوش مصنوعی باید پیش از آنکه مدل حتی با دستور (پرامپت) کاربر مواجه شود، آن را از اسکنرهای خودکار عبور دهند.
این سیستم خود-بازی (self-play)، یک مدل مهاجم را در برابر همزاد مدافع خود قرار می‌دهد و با یادگیری از هر شکست، الگوهای آسیب‌پذیری‌ای را کشف می‌کند که انسان‌ها هرگز به آن‌ها فکر نمی‌کنند؛ سپس این یافته‌ها را مستقیماً وارد فرآیند آموزش GPT-5.6 می‌کند.
Codex Micro دارای کلیدهای Agent نورانی، میانبرهای قابل برنامه‌ریزی، یک جوی‌استیک و یک دیسک استدلال (Reasoning Dial) است که همگی مستقیماً به اپلیکیشن دسکتاپ ChatGPT متصل می‌شوند تا به توسعه‌دهندگان اجازه دهند بدون ترک محیط IDE خود، چندین عامل هوش مصنوعی را نظارت و هدایت کنند.
اجرای یک ایجنت هوش مصنوعی روی Lambda ممکن است در مقیاس میلی‌ثانیه ارزان به نظر برسد، اما هزینه واقعی ناشی از تأخیرِ «شروع سرد»، حلقه‌های تلاش مجدد که باعث فراخوانی‌های مکرر مدل می‌شوند، و مصرف توکن‌های ناشی از آن است که بسیار فراتر از هزینه پردازش می‌رود.
The two vulnerable scripts—one embedding an HMAC signing key, the other a plain-text SMTP password—demonstrate how LLMs fill in missing values when asked for a “usable example,” turning handy snippets into credential leaks across version control and production.
چهار آسیب‌پذیری جدید فاش‌شده ناشی از تنظیمات پیش‌فرض هستند — اتصال‌های شبکه عمومی، پیکربندی‌های قابل خواندن برای همه، محیط‌های ایزوله با دسترسی‌های آزاد و نبودِ گزارش‌های بازرسی — که به مهاجمان اجازه می‌دهد تنها در عرض چند دقیقه، از یک ورودی بی‌ضرر در گزارش‌ها به کنترل کامل سیستم دست یابند.
شرکت Ode با همکاری Anthropic، که توسط کریس تیلور و ادی سیگل بنیان‌گذاری شده است، با ترکیب ظرفیت استعدادهای Fractional AI و مدل‌های Claude شرکت Anthropic و با حمایت مالی Blackstone، Hellman & Friedman و Goldman Sachs، قصد دارد اثبات‌های مفهوم را به سیستم‌های هوش مصنوعی در سطح عملیاتی تبدیل کند.
Inkling که با ۴۵ تریلیون توکن چندوجهی آموزش دیده است، عملکرد کدنویسی در سطح Nvidia را ارائه می‌دهد؛ این مدل با فعال‌سازی تنها بخش کوچکی از ۹۷۵ میلیارد پارامتر خود، تأخیر و هزینه‌های عملیاتی را برای کاربران سازمانی به شدت کاهش می‌دهد.
محیط خود-بازی «دوجو» به GPT-Red اجازه می‌دهد در نقش مهاجم عمل کند، در حالی که مدل‌های مدافع روش‌های دفاعی را می‌آموزند؛ این فرآیند ترفندهای جدیدی مانند حمله «زنجیره فکر» جعلی را آشکار می‌کند که مدل‌های زبانی بزرگ (LLM) را فریب می‌دهد تا پیش‌فرض‌های نادرست را بپذیرند.
پس از ماه‌ها کشمکش‌های نظارتی، اپل موفق به دریافت مجوز از سازمان فضای مجازی چین شد و مدل زبانی بزرگ Qwen علی‌بابا را در سیستم‌عامل‌های iOS، iPadOS، macOS و visionOS ادغام خواهد کرد. این اقدام به اپل اجازه می‌دهد در بازاری که به تازگی ۲۰.۵ میلیارد دلار فروش داشته، جای پای خود را محکم کند.
مدل ۳۰۹ میلیارد پارامتری MiMo-V2-Flash در وظایف کدنویسی، پرسش و پاسخ و چت به امتیازات سطح بالای بنچمارک دست می‌یابد، اما تنها حدود ۱۵ میلیارد پارامتر را در هر توکن فعال می‌کند که باعث کاهش شدید حافظه استنتاج شده و روی تقریباً ده پردازنده گرافیکی H100 اجرا می‌شود.
این دستگاه چهارگوش که با همکاری Work Louder ساخته شده است، مجهز به یک جوی‌استیک، دایال، حسگر لمسی و شش کلید مات است که برای نمایش وضعیت فعالیت‌ها روشن می‌شوند. این ابزار به توسعه‌دهندگان اجازه می‌دهد بدون ترک محیط IDE خود، در کدهای تولید شده توسط هوش مصنوعی مداخله کنند.
اسکنر کد مبتنی بر هوش مصنوعی مایکروسافت، ۵۷۰ باگ امنیتی را در ویندوز، آفیس و سایر محصولات، از جمله دو آسیب‌پذیری فعال «روز صفر» (zero-day) شناسایی کرد که نشان‌دهنده تحولی بزرگ در سرعت کشف و رفع نقص‌های پنهان است.
آزمایشگاه Noma نشان داد که ارسال یک کامنت در یک ایشو عمومی حاوی کلمه «Additionally،» می‌تواند عامل هوش مصنوعی گیت‌هاب را وادار کند تا مخازن خصوصی را بخواند و محتویات آن‌ها را در همان ایشو منتشر کند، بدون اینکه نیاز به مجوزهای اضافی یا کد سفارشی باشد.
نسخه بتا به مشترکین پرمیوم اجازه می‌دهد تا درخواست‌های دقیق خود را به صورت گفتاری یا نوشتاری ارسال کنند—مانند «آرتیست‌هایی که قبلاً نشنیده‌ام را پخش کن» یا «اولین بار چه زمانی این آهنگ را گوش دادم؟»—و حتی سوالاتی درباره حقایق مختلف بپرسند؛ تمام این قابلیت‌ها توسط یک مدل زبانی بزرگ (LLM) روی دستگاه پشتیبانی می‌شود که به تاریخچه شنیداری هر کاربر دسترسی دارد.
محقق امنیتی Mindgard این نقص را در ۱۵ دسامبر ۲۰۲۵ کشف کرد و با جایگزین کردن ماشین‌حساب ویندوز با git.exe، آن را اثبات کرد؛ به گونه‌ای که با باز کردن هر مخزن (repo) در Cursor، پنجره‌های بی‌شماری از ماشین‌حساب به صورت مداوم باز می‌شدند.
این مطالعه نشان می‌دهد که حتی پس از فرآیندهای هم‌ترازی و RLHF، یک درِ پشتی که با یک عبارت مخفی فعال می‌شود، می‌تواند مدل‌های زبانی بزرگ را وادار به انجام اقدامات مخرب کند و تست‌های ایمنی معمول یا دستورالعمل‌های سیستم (system prompts) در شناسایی آن ناتوان هستند.
Neon Functions اکنون با درخواست‌های استریم مانند سایر فراخوانی‌ها برخورد می‌کند و اجازه می‌دهد اتصالات WebSocket یا SSE تا زمانی که هوش مصنوعی فرآیند پردازش و تولید توکن‌ها را به پایان برساند، باز بمانند؛ بدون نیاز به Polling، ترفندهای Keep-alive یا قطع شدن‌های اجباری.
Ring-Zero یک مدل یک تریلیون پارامتری را از طریق یک حلقه یادگیری تقویتی (RL) چهار مرحله‌ای شامل اکتشاف، خود-تقطیری، RL اصلاح‌شده و بودجه‌بندی مرحله‌ای توکن آموزش می‌دهد تا یاد بگیرد با ایجاد تعادل میان دقت و هزینه محاسباتی، مسیرهای استدلال ۲ هزار یا ۲۰ هزار توکنی را تخصیص دهد.
این سیستم به عنوان یک خط لوله (pipeline) دقیق map-reduce در جاوااسکریپت عمل می‌کند: جستجوها را گسترده می‌کند، تکه‌های خام اطلاعات را استخراج می‌کند، سه عامل مستقل را اجرا می‌کند که به طور پیش‌فرض ادعاهای نامطمئن را رد می‌کنند، و تنها پس از آن یک گزارش JSON تهیه می‌کند تا از بروز توهمات جلوگیری کند.
پیش‌بینی گلوگاه‌ها پیش از وقوع: هوش مصنوعی در مدیریت جریان بیمار در بیمارستان. انتظار پنج ساعته در بخش اورژانس باعث ایجاد استرس می‌شود. همچنین روند درمان را کند کرده و خطر ... را افزایش می‌دهد.
