Forwarded from GitHub Trending Daily
🔥 New GitHub Trending Repositories 🔥
Found 6 new trending repositories:
1. nano-vllm by GeeeekExplorer
📝 Nano vLLM
💻 Python | ⭐ 7,420 | 🌟 Today: 140
🔗 Link
2. glow by charmbracelet
📝 Render markdown on the CLI, with pizzazz! 💅🏻
💻 Go | ⭐ 19,885 | 🌟 Today: 83
🔗 Link
3. hacker-scripts by NARKOZ
📝 Based on a true story
💻 JavaScript | ⭐ 48,980 | 🌟 Today: 18
🔗 Link
4. moon-dev-ai-agents by moondevonyt
📝 autonomous ai agents for trading in python
💻 Python | ⭐ 2,257 | 🌟 Today: 184
🔗 Link
5. agenticSeek by Fosowl
📝 Fully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses...
💻 Python | ⭐ 22,404 | 🌟 Today: 108
🔗 Link
6. LinkSwift by hmjz100
📝 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ,支持 百度网盘 / 阿里云盘 / 中国移动云盘 / 天翼云盘 / 迅雷云盘 / 夸克网盘 / UC网盘 / ...
💻 JavaScript | ⭐ 7,915 | 🌟 Today: 88
🔗 Link
🔘 @github_trending_daily
Found 6 new trending repositories:
1. nano-vllm by GeeeekExplorer
📝 Nano vLLM
💻 Python | ⭐ 7,420 | 🌟 Today: 140
🔗 Link
2. glow by charmbracelet
📝 Render markdown on the CLI, with pizzazz! 💅🏻
💻 Go | ⭐ 19,885 | 🌟 Today: 83
🔗 Link
3. hacker-scripts by NARKOZ
📝 Based on a true story
💻 JavaScript | ⭐ 48,980 | 🌟 Today: 18
🔗 Link
4. moon-dev-ai-agents by moondevonyt
📝 autonomous ai agents for trading in python
💻 Python | ⭐ 2,257 | 🌟 Today: 184
🔗 Link
5. agenticSeek by Fosowl
📝 Fully Local Manus AI. No APIs, No $200 monthly bills. Enjoy an autonomous agent that thinks, browses...
💻 Python | ⭐ 22,404 | 🌟 Today: 108
🔗 Link
6. LinkSwift by hmjz100
📝 一个基于 JavaScript 的网盘文件下载地址获取工具。基于【网盘直链下载助手】修改 ,支持 百度网盘 / 阿里云盘 / 中国移动云盘 / 天翼云盘 / 迅雷云盘 / 夸克网盘 / UC网盘 / ...
💻 JavaScript | ⭐ 7,915 | 🌟 Today: 88
🔗 Link
🔘 @github_trending_daily
Forwarded from Reza Jafari
رویکرد Divide and Conquer در هوش مصنوعی: راهکاری عملی برای تحول سازمانی
رویکرد Divide and Conquer در هوش مصنوعی یک روش استراتژیک برای اجرای پروژههای AI در سازمانهای بزرگ است. در این روش، تحول هوش مصنوعی به بخشهای کوچکتر و قابل مدیریت تقسیم میشود، طوری که هر بخش بتواند بهطور مستقل پروژههای خود را پیش ببرد، اما همزمان با هدف کلی و استراتژی سازمان هماهنگ باقی بماند. این کار باعث میشود سازمانها گرفتار پروژههای عظیم و غیرقابل کنترل نشوند و پذیرش هوش مصنوعی به شکل امن و مؤثر پیش برود. معمولاً یک مرکز تعالی هوش مصنوعی (AICoE) وظیفه هماهنگی، ارائه منابع و پشتیبانی را بر عهده دارد، بدون اینکه کنترل مستقیم روی واحدهای مختلف داشته باشد.
این رویکرد به سازمانها اجازه میدهد پروژههای هوش مصنوعی را بر اساس نیازهای واقعی هر بخش اجرا کنند؛ از اتوماسیون کارهای روزمره گرفته تا تحلیلهای پیشرفته و تصمیمگیری دادهمحور. مزایای این روش شامل ایجاد نوآوری از پایین به بالا، افزایش انگیزه و مشارکت کارکنان و کاهش ریسک شکست پروژههای بزرگ است. با این حال، چالشهایی مثل هماهنگی بین واحدها، محدودیت بودجه و استانداردسازی دادهها هم وجود دارد که نیازمند مدیریت دقیق هستند.
نمونهای موفق از این رویکرد شرکت Moderna است که هوش مصنوعی را در بخشهای مختلف خود پیاده کرده و بیش از ۸۰٪ کارکنانش با ابزارهایی مثل پلتفرم داخلی mChat و صدها GPT سفارشی در کارهای روزمره، تحلیل دادهها و مدیریت پروژهها پشتیبانی میشوند. این استراتژی باعث افزایش کارایی، تسریع نوآوری و توان مقیاسدهی سازمان بدون نیاز به نیروی انسانی اضافی شده است.
در کل، رویکرد Divide and Conquer یک روش عملی و مؤثر برای سازمانهایی است که میخواهند هوش مصنوعی را به شکل پایدار و قابل مدیریت در سراسر شرکت پیاده کنند و همزمان نوآوری و انگیزه کارکنان را تقویت کنند.
🔤 🔤 🔤 🔤 🔤 🔤 🔤
🥇 اهورا اولین اپراتور هوش مصنوعی راهبردی ایران در حوزه ارائه خدمات و سرویسهای زیرساخت هوش مصنوعی
🌐 لینک ارتباط با اهورا
@reza_jafari_ai
رویکرد Divide and Conquer در هوش مصنوعی یک روش استراتژیک برای اجرای پروژههای AI در سازمانهای بزرگ است. در این روش، تحول هوش مصنوعی به بخشهای کوچکتر و قابل مدیریت تقسیم میشود، طوری که هر بخش بتواند بهطور مستقل پروژههای خود را پیش ببرد، اما همزمان با هدف کلی و استراتژی سازمان هماهنگ باقی بماند. این کار باعث میشود سازمانها گرفتار پروژههای عظیم و غیرقابل کنترل نشوند و پذیرش هوش مصنوعی به شکل امن و مؤثر پیش برود. معمولاً یک مرکز تعالی هوش مصنوعی (AICoE) وظیفه هماهنگی، ارائه منابع و پشتیبانی را بر عهده دارد، بدون اینکه کنترل مستقیم روی واحدهای مختلف داشته باشد.
این رویکرد به سازمانها اجازه میدهد پروژههای هوش مصنوعی را بر اساس نیازهای واقعی هر بخش اجرا کنند؛ از اتوماسیون کارهای روزمره گرفته تا تحلیلهای پیشرفته و تصمیمگیری دادهمحور. مزایای این روش شامل ایجاد نوآوری از پایین به بالا، افزایش انگیزه و مشارکت کارکنان و کاهش ریسک شکست پروژههای بزرگ است. با این حال، چالشهایی مثل هماهنگی بین واحدها، محدودیت بودجه و استانداردسازی دادهها هم وجود دارد که نیازمند مدیریت دقیق هستند.
نمونهای موفق از این رویکرد شرکت Moderna است که هوش مصنوعی را در بخشهای مختلف خود پیاده کرده و بیش از ۸۰٪ کارکنانش با ابزارهایی مثل پلتفرم داخلی mChat و صدها GPT سفارشی در کارهای روزمره، تحلیل دادهها و مدیریت پروژهها پشتیبانی میشوند. این استراتژی باعث افزایش کارایی، تسریع نوآوری و توان مقیاسدهی سازمان بدون نیاز به نیروی انسانی اضافی شده است.
در کل، رویکرد Divide and Conquer یک روش عملی و مؤثر برای سازمانهایی است که میخواهند هوش مصنوعی را به شکل پایدار و قابل مدیریت در سراسر شرکت پیاده کنند و همزمان نوآوری و انگیزه کارکنان را تقویت کنند.
@reza_jafari_ai
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from کانال مهرداد لینوکس (Mehrdad Linux)
✅گراب Grub مخفف Grand Unified Bootloader یک بوت لودر که سیستم عامل اصلی کامپیوتر را لود میکنه
✅در لینوکس وقتی نصب میشه بعد POST یک صفحه سیاه میاد با چند گزینه سفید که سیستم عامل را انتخاب میکنید یک ظاهر ساده و نه چندان زیبا
میتونید با grub2-themes خوشگلش کنید و لذتش را ببرید 😍
🔥 آموزش نصب :
مطمئن شوید git نصب است بعد دستور زیر را وارد کنید
وارد پوشه grub2-themes شوید
از بین theme ها یکی را انتخاب کنید و نصب کامل میشود
یک سایت دیگه
نمونه Matrix
⁉️ آموزش گذاشتن عکس دلخواه برای Background بوت لودر را ببزارم ؟ مثلا عکس FBI 😁 کامنت ها را بخون😎
✅در لینوکس وقتی نصب میشه بعد POST یک صفحه سیاه میاد با چند گزینه سفید که سیستم عامل را انتخاب میکنید یک ظاهر ساده و نه چندان زیبا
میتونید با grub2-themes خوشگلش کنید و لذتش را ببرید 😍
🔥 آموزش نصب :
مطمئن شوید git نصب است بعد دستور زیر را وارد کنید
git clone [email protected]:vinceliuice/grub2-themes.git
وارد پوشه grub2-themes شوید
sudo ./install.sh
از بین theme ها یکی را انتخاب کنید و نصب کامل میشود
یک سایت دیگه
نمونه Matrix
⁉️ آموزش گذاشتن عکس دلخواه برای Background بوت لودر را ببزارم ؟ مثلا عکس FBI 😁 کامنت ها را بخون😎
Forwarded from linuxtnt(linux tips and tricks) (hosein seilany https://seilany.ir/)
🌐 ابتکار جدید چین برای تشکیل نهاد جهانی هوش مصنوعی
🔹 «شی جینپینگ» رئیسجمهور چین در نشست همکاری اقتصادی آسیا–اقیانوسیه (APEC) پیشنهاد تشکیل «سازمان جهانی همکاری در حوزه هوش مصنوعی» را مطرح کرد.
🔸 هدف این نهاد، تنظیم مقررات و گسترش همکاریهای بینالمللی در حوزه هوش مصنوعی عنوان شده تا این فناوری «به نفع همه ملتها» مورد استفاده قرار گیرد.
🔹 به گفته مقامات چینی، قرار است این سازمان در شانگهای مستقر شود و نقش محور همکاریهای جهانی در حوزه هوش مصنوعی را ایفا کند.
🔸 تحلیلگران میگویند این ابتکار، پاسخ مستقیم پکن به سلطه آمریکا بر ساختارهای تنظیمگری جهانی هوش مصنوعی است./ وبینو
🔹 «شی جینپینگ» رئیسجمهور چین در نشست همکاری اقتصادی آسیا–اقیانوسیه (APEC) پیشنهاد تشکیل «سازمان جهانی همکاری در حوزه هوش مصنوعی» را مطرح کرد.
🔸 هدف این نهاد، تنظیم مقررات و گسترش همکاریهای بینالمللی در حوزه هوش مصنوعی عنوان شده تا این فناوری «به نفع همه ملتها» مورد استفاده قرار گیرد.
🔹 به گفته مقامات چینی، قرار است این سازمان در شانگهای مستقر شود و نقش محور همکاریهای جهانی در حوزه هوش مصنوعی را ایفا کند.
🔸 تحلیلگران میگویند این ابتکار، پاسخ مستقیم پکن به سلطه آمریکا بر ساختارهای تنظیمگری جهانی هوش مصنوعی است./ وبینو
Forwarded from Abolfazl Devs (Abolfazl)
Forwarded from Linuxor ?
وقتی سرور شما باید از دیتابیس یا سرویسهای دیگه داده بگیره، DataLoader کمک میکنه تا تعداد درخواستها (requests) کاهش پیدا کنه و همچنین کشینگ (caching) داشته باشید تا درخواستهای تکراری انجام نشن.
برای نحوه استفادش اینجا رو ببینید، مستندات خاصی نداره کلش همین صفحس:
gthub.com/graphql/dataloader
@Linuxor
برای نحوه استفادش اینجا رو ببینید، مستندات خاصی نداره کلش همین صفحس:
gthub.com/graphql/dataloader
@Linuxor
Forwarded from Linuxor ?
This media is not supported in your browser
VIEW IN TELEGRAM
اگه بتونید یه برنامه وب Node.js بسازین، ساختن نسخه اجرایی ویندوز و لینوکس و مکش کاری نداره با nexe میشه این کارو کرد. خیلی کاربردیه به خصوص برای زمانی که نمیخواید برای توسعه برنامه برای سیستم عامل های متفاوت وقت بذارید:
github.com/nexe/nexe
@Linuxor
github.com/nexe/nexe
@Linuxor
Forwarded from DevTwitter | توییت برنامه نویسی
خبر خوب دوستان! متا با روش Free Transformer مسیر پردازش مدلهای زبانی رو پویا کرده: دقت بالاتر تو استدلال زنجیرهای با مصرف کمتر محاسبات! انعطاف و کارایی بهینه در بنچمارکها!
https://the-decoder.com/metas-free-transformer-introduces-a-new-approach-to-llm-decision-making/
@DevTwitter | <melika/>
https://the-decoder.com/metas-free-transformer-introduces-a-new-approach-to-llm-decision-making/
@DevTwitter | <melika/>
Forwarded from DevTwitter | توییت برنامه نویسی
اگر میخواید n8n رو به واتساپ وصل کنید من یک پروژه کوچیک واسه اینکار دارم:
https://github.com/onionj/whatsapp-api
اینجوریه که هر پیامی که توی واتساپ بیاد رو میفرسته برای وبهوک n8n
و یک اندپوینت هم داره که هرجا نیاز داشته باشی به کاربر پیام بفرستی اونو صدا میزنی، ستاپش خیلی راحته...
@DevTwitter | <saman nezafat/>
https://github.com/onionj/whatsapp-api
اینجوریه که هر پیامی که توی واتساپ بیاد رو میفرسته برای وبهوک n8n
و یک اندپوینت هم داره که هرجا نیاز داشته باشی به کاربر پیام بفرستی اونو صدا میزنی، ستاپش خیلی راحته...
@DevTwitter | <saman nezafat/>
Forwarded from 🎄 یک برنامه نویس تنبل (Lazy 🌱)
🔶 چرا برنامه نویسان از MongoDB منتفرند؟
نفرت از MongoDB تو جامعهی برنامه نویس ها یه پدیدهی واقعی و جالبِ فرهنگیه. دلیلش معمولاً یکی از ترکیبی از تجربه های بد گذشته، سوءاستفاده از MongoDB در پروژههای اشتباه، و تفاوت فلسفی با SQL هست.
دلایل آن :
- گذشتهی پر از باگ و از دست دادن داده ها
- بکار گیری آن برای پروژه های اشتباه
- مشکل در طراحی Schema
- جامعهی SQL محور و تفکر رابطه ای
- سیاستهای تجاری MongoDB Inc
- رشد سریع اما با hype
#توییت
@TheRaymondDev
نفرت از MongoDB تو جامعهی برنامه نویس ها یه پدیدهی واقعی و جالبِ فرهنگیه. دلیلش معمولاً یکی از ترکیبی از تجربه های بد گذشته، سوءاستفاده از MongoDB در پروژههای اشتباه، و تفاوت فلسفی با SQL هست.
دلایل آن :
- گذشتهی پر از باگ و از دست دادن داده ها
- بکار گیری آن برای پروژه های اشتباه
- مشکل در طراحی Schema
- جامعهی SQL محور و تفکر رابطه ای
- سیاستهای تجاری MongoDB Inc
- رشد سریع اما با hype
#توییت
@TheRaymondDev
X (formerly Twitter)
JNS (@_devJNS) on X
why does everyone hate mongoDB?
Forwarded from Linuxor ?
این عکس ها با Fooocus ساخته شده، یه کتابخونه اوپن سورس برای تبدیل متن به تصویر، حتی روی سیستم های معمولی که گرافیک 4 گیگ و رم 8 هم دارن قابل اجرا کردنه. حتی میتونید بندازیدش روی سرور و ازش وبسرویس بسازین
github.com/lllyasviel/Fooocus
@Linuxor ~ Oliver
github.com/lllyasviel/Fooocus
@Linuxor ~ Oliver
Forwarded from Gopher Academy
ایلان ماسک با پیامرسان ایکسچت به جنگ تلگرام و واتساپ میرود
https://www.zoomit.ir/software-application/451079-musk-instant-messaging-app-x-chat/
https://www.zoomit.ir/software-application/451079-musk-instant-messaging-app-x-chat/
زومیت
ایلان ماسک با پیامرسان ایکسچت به جنگ تلگرام و واتساپ میرود - زومیت
ایلان ماسک از X Chat رونمایی کرد؛ پیامرسانی رمزگذاریشده و بدون تبلیغ که با هدف رقابت مستقیم با تلگرام و واتساپ توسعه مییابد.
Forwarded from Abolfazl Devs (Abolfazl)
@twittdl_bot
ربات دانلود از توییتر هم آپدیت شد.👌
کیفیتش بهتر و سرعتش چند برابر شده🎉
از حالا میتونید چندتا توییت رو یکجا دانلود کنید.
ربات دانلود از توییتر هم آپدیت شد.👌
کیفیتش بهتر و سرعتش چند برابر شده🎉
از حالا میتونید چندتا توییت رو یکجا دانلود کنید.
Forwarded from 🎄 یک برنامه نویس تنبل (Lazy 🌱)
🔶 چرا طرح «Make in India» شکست خورد؟
طرح Make in India که در سپتامبر ۲۰۱۴ توسط نارندرا مودی معرفی شد، وعده داشت هند را به یک هاب طراحی و تولید جهانی تبدیل کند. با گذشت نزدیک به یک دهه، این طرح نتوانسته به اهداف اصلی خود برسد؛ از جمله افزایش اشتغال جوانان، رشد تولید صنعتی و ارتقای سهم تولید در GDP به ۲۵٪. علت اصلی شکست را میتوان در سه عامل بنیادین یافت که نویسنده آن را Indian 3D مینامد: Directionless Working (فقدان هدفگذاری مشخص)، Dissonant Populous (جمعیت ناسازگار) و Dishonest Administration (مدیریت غیرقابل اعتماد). اهداف MII مانند افزایش اشتغال و سهم تولید صرفاً نتایج جانبی هستند و نه اهداف واقعی قابل سنجش. اهداف واقعی باید مشخص، قابل اندازه گیری، دست یافتنی، مرتبط و زمانمند باشند، اما MII هیچ یک از این ویژگی ها را ندارد.
نبود اولویت بندی صنایع مشخص و تغییر جهت سیاست ها از ممنوعیت شرکتهای چینی تا جذب سرمایهگذاری خارجی، باعث سردرگمی سرمایه گذاران شد. بخشی از ناکامی هند نیز به ویژگی های ذهنی و فرهنگی جامعه باز میگردد؛ تمایل به پافشاری بر باورها حتی در مقابل واقعیت و ناتوانی در اصلاح مشکلات موجب میشود اصلاحات و آموزش های صنعتی ناکارآمد باشد و شرکت های خارجی برای سرمایه گذاری در هند ترجیح دهند به کشورهایی مانند چین، ویتنام یا اندونزی بروند. فساد و عدم شفافیت دولتی، یکی دیگر از بزرگ ترین موانع برای MII است. نمونههایی از بی عدالتی و فرآیند های اداری پیچیده، از جمله نحوه دریافت برق صنعتی یا واگذاری قراردادهای دفاعی، باعث میشود سرمایهگذاری و تولید صنعتی دچار ریسک و عدم اعتماد شود. وجود نهاد های استخراجی به جای نهاد های فراگیر مانع رشد صنعتی و رقابت پذیری میشود. علاوه بر این، MII صرفاً یک بازسازی سیاست های قدیمی خود کفایی صنعتی بوده و نوآوری واقعی در آن وجود ندارد. طرح بدون ارزیابی دقیق و معیار های مقایسهای و با شعارهای کلی ارائه شد، بدون برنامه عملیاتی مشخص. تمرکز بیش از حد بر تبلیغات و برندینگ، بدون اصلاح زیرساختها و بوروکراسی، شکست طرح را قطعی کرد.
در نهایت میتوان گفت طرح Make in India به دلایل اهداف نامشخص و غیرقابل سنجش، مقاومت فرهنگی و عدم پذیرش واقعیت ها و فساد و عدم اعتماد به دولت شکست خورد. تا زمانی که هند اهداف صنعتی روشن و قابل اندازهگیری نداشته باشد، ضعف ها و ناکارآمدی ها را اصلاح نکند و سیستم اداری صادق و قابل اعتماد ایجاد نکند، هیچ برنامه صنعتی موفق نخواهد شد و هند نمیتواند به یک قدرت صنعتی جهانی تبدیل شود.
#خبر
@TheRaymondDev
طرح Make in India که در سپتامبر ۲۰۱۴ توسط نارندرا مودی معرفی شد، وعده داشت هند را به یک هاب طراحی و تولید جهانی تبدیل کند. با گذشت نزدیک به یک دهه، این طرح نتوانسته به اهداف اصلی خود برسد؛ از جمله افزایش اشتغال جوانان، رشد تولید صنعتی و ارتقای سهم تولید در GDP به ۲۵٪. علت اصلی شکست را میتوان در سه عامل بنیادین یافت که نویسنده آن را Indian 3D مینامد: Directionless Working (فقدان هدفگذاری مشخص)، Dissonant Populous (جمعیت ناسازگار) و Dishonest Administration (مدیریت غیرقابل اعتماد). اهداف MII مانند افزایش اشتغال و سهم تولید صرفاً نتایج جانبی هستند و نه اهداف واقعی قابل سنجش. اهداف واقعی باید مشخص، قابل اندازه گیری، دست یافتنی، مرتبط و زمانمند باشند، اما MII هیچ یک از این ویژگی ها را ندارد.
نبود اولویت بندی صنایع مشخص و تغییر جهت سیاست ها از ممنوعیت شرکتهای چینی تا جذب سرمایهگذاری خارجی، باعث سردرگمی سرمایه گذاران شد. بخشی از ناکامی هند نیز به ویژگی های ذهنی و فرهنگی جامعه باز میگردد؛ تمایل به پافشاری بر باورها حتی در مقابل واقعیت و ناتوانی در اصلاح مشکلات موجب میشود اصلاحات و آموزش های صنعتی ناکارآمد باشد و شرکت های خارجی برای سرمایه گذاری در هند ترجیح دهند به کشورهایی مانند چین، ویتنام یا اندونزی بروند. فساد و عدم شفافیت دولتی، یکی دیگر از بزرگ ترین موانع برای MII است. نمونههایی از بی عدالتی و فرآیند های اداری پیچیده، از جمله نحوه دریافت برق صنعتی یا واگذاری قراردادهای دفاعی، باعث میشود سرمایهگذاری و تولید صنعتی دچار ریسک و عدم اعتماد شود. وجود نهاد های استخراجی به جای نهاد های فراگیر مانع رشد صنعتی و رقابت پذیری میشود. علاوه بر این، MII صرفاً یک بازسازی سیاست های قدیمی خود کفایی صنعتی بوده و نوآوری واقعی در آن وجود ندارد. طرح بدون ارزیابی دقیق و معیار های مقایسهای و با شعارهای کلی ارائه شد، بدون برنامه عملیاتی مشخص. تمرکز بیش از حد بر تبلیغات و برندینگ، بدون اصلاح زیرساختها و بوروکراسی، شکست طرح را قطعی کرد.
در نهایت میتوان گفت طرح Make in India به دلایل اهداف نامشخص و غیرقابل سنجش، مقاومت فرهنگی و عدم پذیرش واقعیت ها و فساد و عدم اعتماد به دولت شکست خورد. تا زمانی که هند اهداف صنعتی روشن و قابل اندازهگیری نداشته باشد، ضعف ها و ناکارآمدی ها را اصلاح نکند و سیستم اداری صادق و قابل اعتماد ایجاد نکند، هیچ برنامه صنعتی موفق نخواهد شد و هند نمیتواند به یک قدرت صنعتی جهانی تبدیل شود.
#خبر
@TheRaymondDev
Quora
Why did the 'Make in India' concept fail?
Answer (1 of 7): The same reasons that EVERYTHING fails in India.
I call it the INDIAN 3D-
Directionless working,
Dissonant populous, and
Dishonest administration
As long as we Indians are working in this 3D environment, NOTHING will work out for India.…
I call it the INDIAN 3D-
Directionless working,
Dissonant populous, and
Dishonest administration
As long as we Indians are working in this 3D environment, NOTHING will work out for India.…
Forwarded from Meitix
توی خود CPU، وقتی یه جمع یا ضرب روی عددهایی با اندازهی محدود (مثلا ۸ بیت) انجام میدی، اگر نتیجه از ظرفیتش بزنه بیرون، CPU هیچ استثنایی پرت نمیکنه. فقط بیتهای اضافه رو میندازه دور و نتیجه wrap میشه.
Forwarded from Meitix
وقتی توی Go یه عدد از حد مجاز نوعش رد بشه، نه اخطار میده نه پنیک میکنه — بیصدا «wrap» میشه؛ یعنی مثلا uint8 از ۲۵۵ بره بالاتر میشه دوباره صفر. این رفتار شبیه به همون چیزییه که توی سختافزار میبینیم: سریع و ساده، و خطرناک😂
پس اگه داریم کارهای مالی انجام میدیم خودمون باید چک کنیم overflow پیش نیاد.
پس اگه داریم کارهای مالی انجام میدیم خودمون باید چک کنیم overflow پیش نیاد.
Forwarded from Linuxor ?
برای پردازش زبان ها NLTK یه لایبریه که توی پایتون خیلی استفاده میشه، میتونه متن رو به جملات یا کلمات بشکونه و یا کلمات پر تکرار رو حذف کنه (استاپ ورد ها)، نقش های دستوری کلمات رو میفهمه و کلی چیز دیگه... برای ساخت ابزار های دستوری که دستور میفهن و یا جستجوگر ها خیلی کاربردیه:
www.nltk.org
لیست مثال ها و کاربرد هاش :
www.nltk.org/howto.html
@Linuxor
www.nltk.org
لیست مثال ها و کاربرد هاش :
www.nltk.org/howto.html
@Linuxor
❤1
Forwarded from DevTwitter | توییت برنامه نویسی
دیروز یه پست از برتنی مولر خوندم که واقعاً ذهنم رو درگیر کرد.
موضوعش «هک شدن مرورگر ChatGPT Atlas فقط در ۴۸ ساعت» بود.
مرورگر هوش مصنوعی OpenAI رو محققها تونستن با دستورهای پنهان در متن سفید و HTML هک کنن.
روشهای قدیمی BlackHat دوباره برگشتن، فقط این بار قربانی انسان نیست… هوش مصنوعیه!
برتنی میگه مشکل اینجاست که LLM نمیتونه فرق بین محتوای واقعی و دستور مخرب رو تشخیص بده.
و این یعنی:
الان کل صفحه مهمه، از کامنت HTML تا متن سفید.
محتوای UGC (نظرات و دیدگاهها) میتونه دروازهی حمله بشه.
مرورگرهای هوش مصنوعی در برابر تهدیدات امنیتی هنوز خیلی ضعیفن.
اما کامنت رند فیشکین از اونم جالبتر بود:
میگه شاید هدف ChatGPT از ساخت مرورگر اصلاً «مرور وب» نبوده…
بلکه یه «اسب تروجان» بوده برای اینکه سایتها دیگه نتونن جلوی خزندهش رو بگیرن.
چون اگه بخوای دسترسی Atlas رو ببندی، در واقع داری جلوی کاربر واقعی مرورگر رو هم میگیری.
به نظرم این نقطهی خطرناکیه که سئو، امنیت و مالکیت داده با هم برخورد میکنن.
مرورگرها دیگه فقط نمیخونن، تصمیم میگیرن ، و گاهی شاید بر خلاف منافع صاحب محتوا.
@DevTwitter | <Shahram Rahbari/>
موضوعش «هک شدن مرورگر ChatGPT Atlas فقط در ۴۸ ساعت» بود.
مرورگر هوش مصنوعی OpenAI رو محققها تونستن با دستورهای پنهان در متن سفید و HTML هک کنن.
روشهای قدیمی BlackHat دوباره برگشتن، فقط این بار قربانی انسان نیست… هوش مصنوعیه!
برتنی میگه مشکل اینجاست که LLM نمیتونه فرق بین محتوای واقعی و دستور مخرب رو تشخیص بده.
و این یعنی:
الان کل صفحه مهمه، از کامنت HTML تا متن سفید.
محتوای UGC (نظرات و دیدگاهها) میتونه دروازهی حمله بشه.
مرورگرهای هوش مصنوعی در برابر تهدیدات امنیتی هنوز خیلی ضعیفن.
اما کامنت رند فیشکین از اونم جالبتر بود:
میگه شاید هدف ChatGPT از ساخت مرورگر اصلاً «مرور وب» نبوده…
بلکه یه «اسب تروجان» بوده برای اینکه سایتها دیگه نتونن جلوی خزندهش رو بگیرن.
چون اگه بخوای دسترسی Atlas رو ببندی، در واقع داری جلوی کاربر واقعی مرورگر رو هم میگیری.
به نظرم این نقطهی خطرناکیه که سئو، امنیت و مالکیت داده با هم برخورد میکنن.
مرورگرها دیگه فقط نمیخونن، تصمیم میگیرن ، و گاهی شاید بر خلاف منافع صاحب محتوا.
@DevTwitter | <Shahram Rahbari/>
Forwarded from Linuxor ?
اگه راست بلدید axum هم یاد بگیرید، خیلی از شرکت های ایرانی جدیدا دارن میرن سمتش، سینتکسش شبیه به فریم ورک های رایج وب هستش و گنگ نیست و هم مقیاس پذیری هم async خوبی هم داره البته هنوز ورژن یکش نیومده و پایدار نیست.
docs.rs/axum/latest/axum
@Linuxor
docs.rs/axum/latest/axum
@Linuxor
Forwarded from 🎄 یک برنامه نویس تنبل (Lazy 🌱)