‏AOMedia کدک ویدیویی AV2 را معرفی کرد.
#Codec #OSS #AV2 #Video

‏AV2، نسل بعدی کدک AV1، در اواخر 2025 منتشر خواهد شد.

لیست تغییرات:

- بهبود پشتیبانی از دستگاه‌های AR/VR و اشتراک گذاری دسکتاپ

- استریم چند نرم‌افزاری پیشرفته شامل سناریوهای تقسیم صفحه‌نمایش

- افزودن طیف وسیع تری از کیفیت بصری (مناسب برای پهنای باند بالا و کم)

- فشرده‌سازی بهتر

منبع خبر
به ما بپیوندید :
@LinNews | @LinAcademy

اینایی که تازه می‌خوان با ابزار هایی مثل گوگل آنالیتیکس کار کنن، می‌دونستین بدون داشتن سایت پر بازدید هم می تونید از نسخه دموی گوگل آنالیتیکس استفاده کنید؟ گوگل دسترسی گوگل آنالیتیکس رو برای دوتا از سایت هاش که یکیش لباس و اکسسوری می‌فروشه و یکیش هم اپلیکیشن غذا، رایگان کرده می‌تونید برید تحلیل کنید و کار کردن باهاشو تمرین کنید که سایت خودتون بالا اومد گنگ نباشین:

اکانت تستی سایت اکسسوریش
analytics.google.com/analytics/index/demoaccount?appstate=/p213025502

اکانت تستی اپلیکیشن food it
analytics.google.com/analytics/index/demoaccount?appstate=/p153293282


@Linuxor

این افزونه بزرگوار وردپرس در نسخه رایگانش، با همین عکسی که از تنظیماتش فرستادم، 100 هزار نصب فعال داره!
چیکار میکنه؟ عدد وارد میکنی و حجم آپلود پیش‌فرض وردپرس رو بالا پایین میکن و تمام!
در راستای اینکه محصولت باید یک مشکلی رو از کاربر حل کنه...

@DevTwitter | <Morteza Geransayeh/>

❗️ با توجه به رشد خیلی سریع LLM ها و ابزارهای هوش مصنوعی مثل ChatGPT به نظرم رسید که یکی از مباحث مهمی که باید راجع بهش صحبت کرد، بحث حریم شخصی و امنیت در این حوزه هست.

فرضا اطلاعاتی که ما در اختیار شرکت‌ها می‌گذاریم اکثرا به جهت آموزش‌های مجدد اون‌ها و بهبود الگوریتم‌ها مورد استفاده قرار می‌گیره.
از اونجایی که این داده‌ها ممکن شامل اطلاعات شخصی هم بشه لذا باید دقت کرد که تا چه حدی و با چه سرویس‌هایی اطلاعات رو به اشتراک میگذاریم.

تصمیم گرفتم در مورد بحث حریم شخصی چه در هوش مصنوعی و چه در مورد مسائل دیگه حریم شخصی و امنیت در آینده مطالبی بگذارم.

🙏 ممنون از حمایتتون
🤝 مطالب کانال کد۲ رو با دوستان خود به اشتراک بگذارید.

@code2_ir

کد منبع لو رفته FSR 4 اجازه می‌دهد که تقریبا روی هر کارت گرافیکی آن را اجرا کنید.

هنگام انتشار کد منبع FSR 4 SDK، شرکت AMD به اشتباه کد منبع کامل FSR 4 را منتشر کرد، درحالی‌که قرار بود فقط SDK آن آزاد باشد. از آنجایی‌که FSR 4 تحت لایسنس MIT منتشر شده است، هرکسی می‌تواند هرکاری با آن انجام دهد.

نکته مهم این است که در کنار نسخه FP8 فناوری FSR 4 که کارت‌های گرافیکی RX9000 از آن استفاده می‌کنند، نسخه‌ای با نوع داده INT8 نیز وجود دارد. INT8 تقریباً در هر کارت‌گرافیک مدرنی وجود دارد، در نتیجه بسیار سازگار تر است. علاوه بر این، کاربر AthleteDependent926 در ردیت، فایل DLL کامپایل شده را در اختیار کاربران قرار داده است و اکنون به‌‌راحتی می‌توانیم FSR 4 را در بازی‌های با پشتیبانی FSR 3 فعال کنیم.

منبع خبر
به ما بپیوندید :
@LinNews | @LinAcademy

با کمک AI چه رزومه‌های تمیزی درست می‌کنه و ضمناً رایگانه. از لینک زیر وارد سایت بشید:
https://flowcv.com

@DevTwitter | <Saman Faegh/>

یزیدتونو توی اینستاگرام چی می‌گذره...
اومدن جادی رو دیپ فیکشو ساختن امیدوارم خودش نبینه، صداش چه خوبه😂😂😂


@Linuxor ~ c:amirhossein_web

دنیا رو نمی‌خوام اگه تو نباشی

🕰 در مورد این قضیه دست راست و چپ یه مثال جالب دیگه بحث ساعت هست که توی این ویدیو می‌تونید ببینید.


پ.ن:
فقط من اینطور فکر می‌کنم یا این شخص تو ویدیو یه ذره شبیه آقای فرهاد آئیش هست؟ :))


@code2_ir

نصب حسگر فیزیکی برای جلوگیری از دستکاری و سرقت فیزیکی سرور ها.



@Linuxor

🎙️ عنوان پادکست:
🚧 Go Improvement: 🫸 waitgroup.Go, json/v2, 🐍 new features for cobra apps, with Jeremy Foran
خلاصه پادکست:
این قسمت با حضور جرمی فورن درباره بهبودهای عملی در توسعه روزمره Go است: از الگوی ساده‌تر راه‌اندازی گوروتین با waitgroup.Go تا مزیت‌های بسته json/v2 و ویژگی‌های تازه برای ساخت اپ‌های خط فرمان با Cobra. در بخش خبرها به انتشار نسخه ۲ SDK ان‌گروک برای Go، تور تعاملی Go 1.25 از آنتون ژیانوف و مرور تحول JSON از v1 به v2، همچنین ای‌بوک رایگان «سریال‌سازی داده‌ها در Go» و بنچمارک‌های جدید اشاره می‌شود....

یک بلاگ زیبا از کمپانی HuggingFace که توضیح میده چطور مدلهای encoder بسیار سبک، بین ۱۷ تا ۶۸ میلیون پارامتر ترین کنید که بتونه hallucination را بادقت بالا ( بالاتر از مدلهای خیلی بزرگتر و حتی gpt-5-mini ) پیش بینی کنه. که میشه در لحظه/realtime توی اپلیکیشن های مختلف از جمله RAG تشخیص داد.
تمام کد با توضیحات، موجوده توی گیتهابشون.
تشخیص hallucination یکی از مهمترین مباحث الان.
Link: https://huggingface.co/blog/adaamko/tinylettuce

@DevTwitter | <Mehdi Allahyari/>

🔥 New GitHub Trending Repositories 🔥

Found 9 new trending repositories:

1. LazyVim by LazyVim
📝 Neovim config for the lazy
💻 Lua | ⭐ 22,525 | 🌟 Today: 25
🔗 Link
2. omarchy by basecamp
📝 Opinionated Arch/Hyprland Setup
💻 Shell | ⭐ 8,656 | 🌟 Today: 210
🔗 Link
3. WebGoat by WebGoat
📝 WebGoat is a deliberately insecure application
💻 JavaScript | ⭐ 7,784 | 🌟 Today: 20
🔗 Link
4. fmt by fmtlib
📝 A modern formatting library
💻 C++ | ⭐ 22,351 | 🌟 Today: 8
🔗 Link
5. CookLikeHOC by Gar-b-age
📝 🥢像老乡鸡🐔那样做饭。主要部分于2024年完工，非老乡鸡官方仓库。文字来自《老乡鸡菜品溯源报告》，并做归纳、编辑与整理。CookLikeHOC.
💻 JavaScript | ⭐ 6,594 | 🌟 Today: 1,959
🔗 Link
6. AI-For-Beginners by microsoft
📝 12 Weeks, 24 Lessons, AI for All!
💻 Jupyter Notebook | ⭐ 40,425 | 🌟 Today: 134
🔗 Link
7. CopilotKit by CopilotKit
📝 React UI + elegant infrastructure for AI Copilots, AI chatbots, and in-app AI agents. The Agentic la...
💻 TypeScript | ⭐ 23,107 | 🌟 Today: 67
🔗 Link
8. containers by bitnami
📝 Bitnami container images
💻 Shell | ⭐ 4,084 | 🌟 Today: 7
🔗 Link
9. charts by bitnami
📝 Bitnami Helm Charts
💻 Smarty | ⭐ 9,974 | 🌟 Today: 6
🔗 Link

🔘 @github_trending_daily

دوستان دستور پخت خمیر رو پرسیدن :

ببین من برای ۲ نفر ۴۰۰ گرم آرد، ۵ گرم مخمر خشک (۱۵ گرم مخمر تازه هم میتونی بزنی)، ۲۵۰ میلی لیتر آب و یک قاشق چایی خوری نمک استفاده می‌کنم. حالا ممکنه بپرسید چه آردی؟ ببینید نوعش مهم نیست، میزان پروتئینش مهمه. آردی برای پیتزا خوبه که توی هر ۱۰۰ گرمش حدود ۱۰ تا ۱۵ گرم پروتئین داشته باشه. دوستان آلمان نشین میتونن آرد مخصوص پیتزا رو از آلدی و دِاِم و هر فروشگاه دیگه‌ای تهییه کنند.

اما چطور خمیر رو آماده کنیم، اول از همه مخمر رو بریز توی لیوان و ۲۰ الی ۳۰ میلی لیتر از اون ۲۵۰ میلی لیتر آب رو بریز داخلش و حسابی هم بزن. طوری که کل مخمر توی آب حل بشه. اون یه قاشق نمک رو بریز توی باقی آب و حسابی هم بزن تا نمک حل بشه. بعد آرد رو بریز توی یه کاسه و در ۳ مقطع بهش آب رو اضافه کن. هر بار که آب رو اضافه کردی با قاشق حسابی هم بزن تا کل آب جذب بشه. در آخر محلول مخمر رو اضافه کن و حسابی هم بزن تا یک دست بشه. بعدش باید کاسه رو برگردونی روی میز :) و با دست شروع کنی حسابی ورز دادن خمیر. حدود ۱۰ دقیقه مدام ورزش بده. اگر حس کردی خمیرت چسبناک شده یه کوچولو روش آرد بپاش تا خیلی به دستت نچسبه ( ولی در کل چسبناک بودنش تا حدی طبیعیه و پنیک نکن) بعد از ۱۰ دقیقه که با دست ورز دادی خمیر رو سعی کنی گوله کنی تا شکل یه توپ بشه. کف کاسه یکم آرد پخش کن و خمیر گوله شده رو بنداز داخلش. روش رو یه دستمال خیس بکش و یه چیزی هم بذار که دستمال رو روش نگه داره. بذار این کاسه نیم ساعت استراحت کنه.

بعدش دوباره برو سراغش. الان باید از کاسه در بیاریش و نصفش کنی. اینجا به سلیقه خودت با روغن زیتون یا همون آرد یکم بریز روش و بزن به دستت تا بتونی خمیر رو راحت از کاسه بیاری بیرون. دقت کن که خمیر نسبت به قبل کمی انسجام پیدا کرده و دیگه چسبناک نیست. با یه کاردکی چیزی اون خمیر رو از وسط نصف کن ( دقت کن که خمیرت پف کرده و اندازه‌اش بزرگ تر شده) بعد دوباره هر کدوم از دو نیمه رو دوباره یکم کوچولو ورز بده و گردش کن و برگردون تو کاسه ( هر کدوم رو توی یه کاسه جدا بذار و روش رو با پارچه خیس بپوشون و یه چیزی بذار روش که پارچه رو نگه داره).

بهش حداقل یک ساعت زمان بده ( اگر خیلی گرسنه نیستی و داری غش و ضعف نمی‌کنی ۲ ساعت زمان بدی خمیرت پفی تر میشه :) ) بعدش دیگه میتونی خمیر رو از کاسه در بیاری و بازش کنی. برای در آوردن دوباره میتونی با روغن زیتون یا همون آرد یکم دستت و روی خمیر رو تماس بدی تا راحت از کاسه در بیاد. اونجایی که خمیر رو میخوای پهن کنی رو هم از قبل آرد بپاش. پهن کردن خمیر تخصص مهساست :) ولی باید خیلی آروم و با حوصله خمیر رو باز کنی.

بعدشم دیگه روغن زیتون و سس رو بزن یه تاپینگ سبک هم به سلیقه خودت بزن. پنیر موتزارلا و ادویه‌هایی که دوست داری و قرارش بده توی فر. فر رو هم ۱۵ دقیقه قبل از استفاده روی دمای ۲۵۰ درجه preheat کن.

در مورد سس پیتزا و تاپینگش هم بحث‌هایی هست که حالا بعدا بهش مفصل می‌پردازم

خلاصه دارم حسابی روی مهارت‌هام کار میکنم که بعد دکتری بی‌کار نمونم :)

خب مثل اینکه تعدادی از دوستان رو شور و اشتیاق گرفته و آدرنالین و سرتونین تا حد مرگ تو خون‌شون ترشح شده و میخوان دعوت این راه بازگشت رو لبیک بگن :)
یه سری از دوستان میخوان برای زبان C این کار رو بکنند. خب کار سختی رو پیش رو دارن چون دو تا ابزار خیلی مطرح تو این حوزه وجود داره. اما نصایاح و پند و اندرزهای بنده به این بزرگواران، ببینید ابزارهایی که برای C مثال زدم فقط مدل چکینگ دارند و testing ندارند. واسه همین خیلی نمیتونن از پس case های industrial بربیان. شما الان بری تمام مقالاتی که روی GenMc یا Nidhugg داده شده رو بخونی، یدونه بنچ مارک real-world توش پیدا نمی‌کنی. واسه همین به نظرم علاوه بر مدل چکینگ، تمرکز خوبی روی Testing بذارید. نکته دوم اینه که هر دوی این tools ها روی کامپایلر LLVM کار میکنند. دلیلشونم اینه که چون به جای کار روی کد C میرن روی بایت کد LLVM. منتهی همینجا کار خراب میشه. چون هم مجبورن LLVM رو مجاب کنند که optimization نکنه. و هم اینکه اکثربرنامه‌های real-world دارن روی gcc ران میشن. و خب طبیعتا رویکرد این دو کامپایلر متفاوت خواهد بود. توصیه دومم اینه که هدفتون gcc باشه. ممکنه بگید خب خیلی سخته. بله. خیلی سخته :) ولی ارزشش رو داره. یا اینکه ریز تر بشید و برید روی scheduler لینوکس که وظیفه‌ی زمان‌بندی Pthread ها رو داره تمرکز کنید. اونم کار ارزشمندیه. اتفاقا من یه پروژه‌ای دارم روی مدل چکینگ برنامه‌های C. این پروژه دنبال اینه که رفتار malloc رو درست مدل بکنه. هچیکدوم از این مدل چکر نمیتونن این کار رو بکنن. اگر شما چنین ابزاری شروع کنید به ساختن من کمک‌تون میکنم تا اون پروژه رو هم بتونیم پیاده کنیم.