🎨⚙️ تولید مدل‌های سه‌بعدی CAD از روی نقشه‌ها و پرامپت‌ها؟

الان دیگه ممکنه! تیم Spectral Labs سیستم SGS-1 رو معرفی کرده که می‌تونه مدل‌های سه‌بعدی CAD رو مستقیماً از نقشه‌ها یا حتی توضیحات متنی بسازه.

🔗 لینک پروژه:
https://www.spectrallabs.ai/research/SGS-1

هر کسی لازم داره، می‌تونه تست کنه و در پروژه‌هاش استفاده کنه
@rss_ai_ir

#هوش_مصنوعی #CAD #مدل_سه‌بعدی #طراحی #تولید

🎮 بازی «Among AIs» — آموگوس با مدل‌های زبانی! 🤖

تیم 4wallai یک بنچمارک تعاملی منتشر کرده که در آن نقش‌های «مردم عادی» و «ایمپاسترها» را مدل‌های زبانی بزرگ (LLM) بازی می‌کنند. هدف: بررسی توانایی در تفکر، استدلال، فریب و Theory of Mind (توانایی حدس زدن افکار دیگران).

📊 نتایج ۶۰ بازی:

🏆 بیشترین برد هم در نقش عادی و هم ایمپاستر — GPT-5

🥈 رتبه دوم — Claude Sonnet 4

🥉 رتبه سوم — Kimi K2


👀 تحلیل رفتار مدل‌ها:

✳️همچنین GPT-5 کمترین آسیب را به تیم وارد کرده
✳️سبک گفتارش «مشکوک» به نظر نمی‌رسید، بنابراین کمتر علیه او رأی داده شد
✳️در بلاگ‌پست، رونوشت بازی‌ها و نمونه‌هایی از نحوه دفاع و قانع‌کردن مدل‌ها آورده شده است.

🎥 ویدئو یکی از بازی‌ها: YouTube
📝 جزئیات و رونوشت‌ها: بلاگ 4wallai

🤯 حالا LLMها فقط با تست‌های IQ سنجیده نمی‌شوند، بلکه توانایی‌شان در دروغ‌گویی و کشف دروغگوها هم آزمایش می‌شود!

@rss_ai_ir

#هوش_مصنوعی #مدل_زبانی #بنچمارک #AmongUs #LLM

🥇 SaSaSa2VA
قهرمان چالش LSVOS 🥇

⛔️این مدل با معرفی رویکرد Segmentation Augmentation باعث بهبود درک ویدئو در سطح جهانی شده و در عین حال کارآمد باقی می‌ماند.
همچنین در مرحله‌ی inference از Selective Averaging برای ترکیب پایدار پیش‌بینی‌های مکمل استفاده می‌کند.

📊 نتیجه؟ دستیابی به SOTA در هفتمین چالش LSVOS (بخش RVOS) 🎉
کدی کاملاً عملیاتی و متن‌باز تحت لایسنس Apache در دسترس است.

📄 مقاله:
https://arxiv.org/pdf/2509.16972
💻 ریپو:
https://github.com/magic-research/Sa2VA

@rss_ai_ir

#AI #VideoUnderstanding #LSVOS #Segmentation #DeepLearning #opensource

😳 مردها در حال تسلط گسترده بر OnlyFans هستند و کمک‌های مالی جمع می‌کنند، اما نه با چهره‌ی واقعی خودشان — بلکه با استفاده از هوش مصنوعی.

📌 سرویس Wan2.2 Animate آن‌ها را به «دختران» تبدیل می‌کند و این کار را چنان حرفه‌ای انجام می‌دهد که هیچ ردپایی از شبکه‌های عصبی باقی نمی‌ماند.

@rss_ai_ir

#AI #OnlyFans #Deepfake #Wan2

😐 خیلی جالبه، ولی ممکنه به زودی واکنش نشون بدن و مقابله کنن...

@rss_ai_ir

#AI #OnlyFans #Deepfake #FutureTech

📊 رشد انفجاری توان محاسباتی در آزمایشگاه‌های هوش مصنوعی

✅توان پردازشی در لابراتوارهای AI با سرعتی بی‌سابقه در حال افزایش است:

⚡ OpenAI —
امروز ۱۴ برابر بیشتر از زمان عرضه‌ی GPT-4 توان محاسباتی دارد.

⚡ xAI —
نرخ رشد بسیار سریع؛ تنها بین عرضه‌ی Grok 3 و Grok 4 میزان کامپیوتر دو برابر شده است.


⚡ Anthropic —
کمترین منابع محاسباتی را دارد، اما در بهره‌برداری فوق‌العاده کارآمد بوده است. برای مثال، Claude 3.5 تنها با حدود یک‌پنجم توان فعلی Anthropic آموزش داده شد.

ℹ️ توجه: این آمارها شامل Google DeepMind نمی‌شود، در حالی که احتمالاً بیشترین توان محاسباتی را دارد — هرچند مشخص نیست این منابع تا چه اندازه برای آموزش LLMها متمرکز شده‌اند.

@rss_ai_ir

#AI #LLM #Compute #OpenAI #xAI #Anthropic #DeepMind

⚡️ مدل جدید LFM2-2.6B — رهبر کلاس مدل‌ها تا ۳ میلیارد پارامتر

🔑 ویژگی‌ها:

✳️سبک و سریع، تنها با ۲.۶ میلیارد پارامتر
✳️معماری نسل دوم (short convs + group query attention)
✳️آموزش‌دیده روی ۱۰ تریلیون توکن
✳️پشتیبانی از کانتکست تا ۳۲k


🧠 مدلی جمع‌وجور اما قدرتمند برای طیف وسیعی از وظایف یادگیری ماشین.

🟠 بلاگ‌پست: Liquid AI
🟠 Hugging Face: LFM2-2.6B
🟠 مدل باندل روی LEAP: اینجا

@rss_ai_ir

#هوش_مصنوعی #مدل_زبانی #LFM2 #OpenSourceAI #LLM

🏆 برنده MOSEv2 Challenge 2025 🏆

🔹 راهکاری کاربردی برای سگمنتیشن پیچیده بر اساس مفهوم جدید Segment Concept (SeC).
این فریم‌ورک مبتنی بر مفهوم، تمرکز را از feature matching سنتی به سمت ساخت تدریجی و بهره‌گیری از نمایش‌های سطح بالا و شیء-محور جابه‌جا می‌کند.

📄 منابع:

مقاله اصلی
مقاله SeC
کد منبع (Apache 2.0)
پروژه


@rss_ai_ir

#هوش_مصنوعی #Segmentation #MOSEv2 #SeC #DeepLearning

📡 هزینه‌ٔ محاسباتی OpenAI تا سال ۲۰۳۰

⛔️همچنین OpenAI برنامه دارد تا سال ۲۰۳۰ حدود ۴۵۰ میلیارد دلار برای اجارهٔ سرور هزینه کند، که شامل حدود ۱۰۰ میلیارد دلار ظرفیت «قابل‌مونتایز» (ذخیرهٔ پشتیبان) نیز می‌شود.

📊 ساختار هزینه‌ها:
🔵 محاسبات تحقیق و توسعه (R&D compute) — بزرگ‌ترین بخش هزینه و ستون اصلی استراتژی پژوهش.
🔴 محاسبات استنتاج (Inference compute) — همراه با گسترش تجاری مدل‌ها به‌طور پیوسته رشد می‌کند.
🟡 ذخیرهٔ قابل‌مونتایز — در سال ۲۰۲۸ به اوج می‌رسد و سپس کاهش می‌یابد.

⚡️ نکته کلیدی: توان محاسباتی در حال تبدیل شدن به یک دارایی استراتژیک است؛ OpenAI آن را نه‌تنها برای تحقیق و اجرای مدل‌ها، بلکه به‌عنوان منبعی انعطاف‌پذیر برای اجاره، مقیاس‌پذیری و کسب درآمد به‌کار می‌گیرد.

@rss_ai_ir

#هوش_مصنوعی #OpenAI #محاسبات #ابر #کسب_وکار

🤖 HDMI:
آموزش ربات‌های انسان‌نما از روی ویدئوهای انسانی

❌محققان چارچوبی به نام HDMI (HumanoiD iMitation for Interaction) معرفی کرده‌اند که به ربات‌های انسان‌نما اجازه می‌دهد تنها با تماشای ویدئوهای عادی از انسان‌ها، مهارت‌های تعاملی با اشیا را یاد بگیرند.

🔍 روش کار:

✅استخراج حالات بدنی انسان و مسیر حرکت اشیا از ویدئوهای RGB با استفاده از مدل‌های GVHMR و LocoMujoco

✅ساخت دیتاست با برچسب‌گذاری تماس‌ها (contact annotations)

✅آموزش سیاست یادگیری تقویتی (RL policy) بر اساس هم‌ردیابی «ربات–شیء»


📊 نتیجه: رباتی که با HDMI آموزش دید، توانست ۶۷ بار پیاپی از در عبور کند و نشان داد که قادر به بازتولید پایدار یک مهارت پیچیده با استفاده از کل بدن است.

@rss_ai_ir

#رباتیک #یادگیری_تقویتی #هوش_مصنوعی #انسان_نما

🎥 Kling AI 2.5 Turbo
منتشر شد

⛔️استارتاپ چینی Kling نسخه جدید مدل تولید ویدئوی خود را معرفی کرد که با پیشرفت‌های قابل توجه در استدلال و بهره‌وری همراه است.

✨ بهبودها:

✳️اجرای دقیق‌تر دستورهای پیچیده برای داستان‌سرایی بهتر
✳️ارتقای کیفیت ویدئو + اضافه شدن سبک‌های خلاقانه جدید
✳️۳۰٪ کاهش هزینه تولید نسبت به نسخه قبلی
✳️در دسترس روی Fal، Freepik و وب‌سایت Kling


💡 ترکیب کاهش هزینه و افزایش کیفیت، Kling را به یکی از پیشگامان نزدیک کردن ویدئوهای هوش مصنوعی به استفاده انبوه تبدیل می‌کند.


https://app.klingai.com/global/image-to-video/frame-mode/new

@rss_ai_ir

#هوش_مصنوعی #ویدئو #Kling #AI

🚀 Yandex B2B Tech و AI Studio جدید

یاندکس نسخه به‌روزشده‌ی AI Studio را معرفی کرد؛ پلتفرمی که حالا می‌توانید با آن در چند ساعت و بدون مهارت برنامه‌نویسی، ایجنت‌های هوش مصنوعی بسازید. 🤖⚡

🔹 کاربردها:

بررسی ریسک‌های کامپلاینس ✅

تحلیل اسناد 📑

تهیه گزارش‌های حسابداری 📊

ساخت ایجنت‌های صوتی برای مراکز تماس با اتصال به سیستم‌های بیرونی 🎙


🔹 ویژگی جدید: پشتیبانی از سیستم‌های چندایجنتی، جایی که چند ایجنت می‌توانند همزمان روی یک مسئله مثل تحلیل تقاضا و برنامه‌ریزی خرید کار کنند. 🤝

حرکتی بزرگ برای اتوماسیون هوشمند کسب‌وکارها در مقیاس سازمانی. 🚀

@rss_ai_ir

#هوش_مصنوعی #ایجنت #اتوماسیون #یاندکس

🌆 هانگژو؛ از تاریخ کهن تا سایبرپانک سنترال

وقتی کسی می‌پرسد: «هانگژو چه چیزی برای ارائه دارد؟» ✨ پاسخ امروز دیگر فقط تاریخ هزارساله، معابد و دریاچه‌ی غربی نیست.

اینجا جایی است که DeepSeek با مدل‌های هوش مصنوعی، Unitree با ربات‌های انسان‌نما و BrainCo با فناوری‌های بیونیک، شهر را به مرکز آینده تبدیل کرده‌اند. 🤖⚡️

هانگژو دوباره خودش را اختراع می‌کند — این بار نه به‌عنوان پایتخت گذشته‌های طلایی، بلکه به‌عنوان Cyberpunk Central دنیای امروز. 🚀

@rss_ai_ir

#هوش_مصنوعی #رباتیک #بیونیک #چین #هانگژو

🌀 CLOPS:
آواتار مبتنی بر بینایی اول‌شخص 🌀

👉آواتار CLOPS اولین آواتار انسانی است که تنها با تکیه بر بینایی ایگو‌سنتریک (دید اول‌شخص) محیط اطراف خود را درک کرده و در آن جابجا می‌شود.
این سیستم می‌تواند به‌طور واقع‌گرایانه در صحنه حرکت کند و با چرخه‌ای از ادراک بصری و حرکت هدف خود را بیابد.

🔬 این یعنی CLOPS قدمی تازه در ترکیب بینایی کامپیوتری و ناوبری آواتارها است، جایی که تعامل طبیعی با محیط، بدون داده‌های اضافی، ممکن می‌شود.


📄 مقاله:
https://arxiv.org/pdf/2509.19259
🌐 پروژه:
markos-diomataris.github.io/projects/clops/
💙 کد: به‌زودی

@rss_ai_ir

#AI #Avatar #ComputerVision #Robotics #CLOPS

✅ ۲۰۰ رهبر خواستار تعیین «خطوط قرمز» جهانی برای هوش مصنوعی شدند

در مجمع عمومی سازمان ملل، ائتلافی شامل ۱۰ برنده نوبل، ۷۰ شرکت، و چندین رئیس‌جمهور سابق به همراه نام‌های بزرگی مثل Geoffrey Hinton، Yoshua Bengio و Wojciech Zaremba از OpenAI بیانیه‌ای امضا کردند که خواستار محدودیت‌های الزام‌آور جهانی بر توسعه و استفاده از هوش مصنوعی است.

🔸 درخواست‌ها شامل تعریف «خطوط قرمز» برای جلوگیری از خطراتی چون بیکاری گسترده، پاندمی‌های مصنوعی، و نقض حقوق بشر است.
🔸 پیشنهاد شده برخی کاربردها به‌طور کامل ممنوع شوند: سلاح‌سازی، حملات سایبری در مقیاس انبوه، و هوش مصنوعی‌های خودتکثیر شونده بدون نظارت انسانی.
🔸 همچنین، تشکیل یک نهاد نظارتی جهانی و دستیابی به توافق بر سر قوانین تا پایان ۲۰۲۶ مطرح شد.

این گسترده‌ترین تلاش تا امروز برای حاکمیت الزام‌آور هوش مصنوعی محسوب می‌شود؛ اما چالش اصلی، تبدیل این اجماع به قوانین اجرایی و قابل نظارت خواهد بود.

@rss_ai_ir

#AI #Governance #UN #Ethics #Regulation

✔️ گیت‌هاب پیش‌نمایش عمومی GPT-5-Codex را برای Copilot فعال کرد

🔹 شرکت OpenAI از مدل جدید GPT-5-Codex رونمایی کرده که به‌طور ویژه برای برنامه‌نویسی و وظایف عامل‌محور (Agentic) بهینه‌سازی شده است.

👨‍💻 این مدل اکنون در پیش‌نمایش عمومی برای کاربران GitHub Copilot در دسترس است.

❌می‌توانید آن را مستقیماً در VS Code و در حالت‌های Ask, Edit, Agent انتخاب کنید.

❌تنها از نسخه Copilot v1.104.1 به بعد پشتیبانی می‌شود.

✳️دسترسی شامل طرح‌های Pro، Pro+، Business و Enterprise است.

✅در پلن‌های سازمانی، مدیر باید پشتیبانی GPT-5-Codex را در تنظیمات فعال کند.


🔗 جزئیات بیشتر:
https://github.blog/changelog/2025-09-23-openai-gpt-5-codex-is-rolling-out-in-public-preview-for-github-copilot/

@rss_ai_ir

#GitHub #Copilot #GPT5 #Codex #AI #Programming

🧠 محققان MIT نشان دادند: LLMها می‌توانند منطقاً استدلال کنند اگر درست آموزش داده شوند

📄 آن‌ها روش جدیدی به نام PDDL-INSTRUCT معرفی کرده‌اند که فرآیند یادگیری مدل را از حالت «حدس جواب» به حل مرحله‌به‌مرحله با بررسی بیرونی تبدیل می‌کند.

🔹 چطور کار می‌کند؟
1️⃣ ابتدا مدل هم برنامه‌های درست و هم اشتباه را با توضیحات می‌بیند.
2️⃣ سپس خودش استدلال هر مرحله را می‌نویسد. در این مرحله ابزار بیرونی (VAL) منطق را بررسی می‌کند. اگر خطا باشد، مدل توضیح دقیق خطا را دریافت می‌کند.

📊 نتایج:

دقت مدل Llama-3-8B در مسائل برنامه‌ریزی از ۲۸٪ → ۹۴٪ جهش کرد.

بازخورد دقیق مرحله‌به‌مرحله بسیار مؤثرتر از برچسب ساده «درست/غلط» عمل کرد.


💡 نکته کلیدی: مدل جایگزین برنامه‌ریز نمادین نمی‌شود، بلکه یاد می‌گیرد مثل او فکر کند و همچنان از بررسی بیرونی استفاده کند.

⚡️ این روش می‌تواند به هر مسأله چندمرحله‌ای (ریاضی، برنامه‌نویسی و …) تعمیم داده شود. شاید بسیاری از توانایی‌های «پنهان» مدل‌ها فقط منتظر روش درست آموزش باشند.

🟠 متن کامل مقاله:
arxiv.org/abs/2509.13351

@rss_ai_ir

#هوش_مصنوعی #یادگیری_عمیق #LLM #منطق #MIT

⚡️ ترانزیستور مغناطیسی MIT: الکترونیک آینده

محققان MIT نوع جدیدی از ترانزیستور را معرفی کرده‌اند — ترانزیستور مغناطیسی.
در حالی‌که ترانزیستورهای معمولی فقط با جریان الکتریکی کار می‌کنند، در اینجا کنترل مغناطیسی هم اضافه شده است.

🔹 مزایا:

✅می‌تواند هم‌زمان نقش کلید و حافظه را ایفا کند
✅سرعت بالاتر و مصرف انرژی کمتر
✅امکان کوچک‌تر کردن ابعاد مدارها


🔹 چرا مهم است؟
امروز در کامپیوترها منطق و حافظه جدا هستند: پردازنده محاسبه می‌کند، حافظه ذخیره.
این رویکرد جدید این دو عملکرد را در یک عنصر ادغام می‌کند، که می‌تواند مدارها را ساده‌تر و سرعت پردازش را بیشتر کند.

🔹 چالش‌ها:

باید راهی برای تولید انبوه چنین ترانزیستورهایی پیدا شود

فعلاً برای سوییچ کردن نیاز به میدان مغناطیسی است، اما هدف این است که با جریان الکتریکی انجام شود


🔹 چشم‌انداز:
اگر این فناوری موفق شود، شاهد تراشه‌هایی قدرتمندتر و کم‌مصرف‌تر خواهیم بود — چیزی حیاتی برای گوشی‌های هوشمند، پوشیدنی‌ها و سیستم‌های با منابع محدود.

🟠 جزییات: MIT News

@rss_ai_ir

#MIT #الکترونیک #فناوری #تراشه #هوش_مصنوعی