🔴 ربات‌های Unitree به ویروس «زامبی» مبتلا شدند — همه‌اش به خاطر یک حفره امنیتی در Bluetooth!

🔓 آسیب‌پذیری UniPwn به هکرها اجازه می‌دهد خود را جای صاحب ربات جا بزنند و کد مخرب اجرا کنند.
🤖 ماجرا ترسناک‌تر می‌شود: ربات فقط دستورات مهاجم را اجرا نمی‌کند، بلکه از طریق بلوتوث بقیه ربات‌ها را هم آلوده کرده و یک بات‌نت می‌سازد!

⚠️ شرکت هنوز این مشکل را برطرف نکرده و هشدار پژوهشگران را نادیده گرفته است.

📌 وقتشه که «آرنولد» وارد عمل بشه... 🔫

@rss_ai_ir

#امنیت #رباتیک #Unitree #IoT #Bluetooth

فراخوان نهمین جشنواره اندیشمندان و دانشمندان جوان، آخرین فرصت ثبت نام نهمین جشنواره اندیشمندان و دانشمندان جوان 15 مهرماه 1404 https://ysf-persia.com/

🧮 وقتی حافظه مهم‌تر از دقت است: ساختارهای داده تقریبی

⛔️در عصر داده‌های عظیم، حتی بهینه‌ترین الگوریتم‌ها با مصرف خطی حافظه از پس حجم داده‌ها برنمی‌آیند. راه‌حل چیست؟

❌ استفاده از ساختارهای داده تقریبی 📊 که کمی از دقت می‌کاهند اما سرعت و فشردگی فوق‌العاده‌ای دارند.

✅در این مقاله سه ابزار کلیدی بررسی می‌شوند:

HyperLogLog —
برای تخمین تعداد عناصر یکتا 🔢

فیلتر بلوم (Bloom Filter) —
برای بررسی تعلق یک عضو به مجموعه 🌐

Count-Min Sketch —
برای شمارش فراوانی عناصر 📈


✅ درست است که این روش‌ها دقیق نیستند، اما امکان تحلیل مجموعه‌های عظیم داده را فراهم می‌کنند، جایی که روش‌های دقیق عملاً از کار می‌افتند.

📌 جزئیات و نمونه‌های کاربردی را اینجا بخوانید:
👉 https://blog.deepschool.ru/math/kogda-pamyat-dorozhe-tochnosti-priblizhyonnye-struktury-dannyh/

#BigData #علوم‌داده #الگوریتم #HyperLogLog #BloomFilter #CountMinSketch

🤖 گوگل نسخه جدید Gemini Robotics 1.5 را معرفی کرد – یک سیستم عامل عامل‌محور پیشرفته برای کنترل ربات‌ها.

🔹 این سیستم حالا توانایی بیشتری در استدلال، برنامه‌ریزی، تعامل با انسان و حتی استفاده از ابزارهایی مثل جستجوی وب دارد.

✅در واقع، دو مدل به صورت همزمان درون آن به کار گرفته شده است:

1️⃣ Gemini Robotics-ER 1.5 –
به‌عنوان «مغز سطح بالا»، محیط و دستورات انسانی را تحلیل می‌کند، برنامه‌ریزی دقیق انجام می‌دهد و در صورت نیاز ابزارها را فراخوانی می‌کند.

2️⃣ Gemini Robotics 1.5 –
به‌عنوان «اجراکننده»، دستورات را به حرکات دقیق و کنترل‌شده تبدیل می‌کند.

📌 مثال: وقتی به ربات می‌گویید «زباله‌ها را طبق قوانین محلی دسته‌بندی کن»:

❌قابل ذکر است که ER 1.5 ابتدا قوانین کشور شما را بررسی کرده و نوع زباله‌ها را شناسایی می‌کند.

❌سپس دستوراتی مثل «بطری در سمت چپ، دستمال در سمت راست» صادر می‌کند.

❌مدل دوم این دستورات را به مسیرهای حرکتی دقیق تبدیل می‌کند. اگر محیط تغییر کند (مثل اضافه شدن زباله جدید)، ER دوباره برنامه را اصلاح می‌کند.


✅ مزیت مهم: اگر شکل یا نوع ربات تغییر کند، نیازی به بازطراحی کل سیستم نیست، فقط کافی است بخش اجرایی (مدل دوم) تنظیم شود.

🔑 خبر خوب این‌که Gemini Robotics-ER 1.5 همین حالا از طریق API در دسترس است.

🌍 جزئیات بیشتر: لینک وبلاگ گوگل

#Google #Gemini #AI #رباتیک #عامل_هوشمند

🧪 هوش مصنوعی مولد در خدمت شیمی؛ ساخت مولکول‌ها گام‌به‌گام

انویدیا مدل جدیدی به نام ReaSyn معرفی کرده که مسیرهای سنتز مولکول‌ها را پیش‌بینی می‌کند – از ساده‌ترین مواد اولیه تا ترکیبات نهایی.

🔹 چطور کار می‌کند؟

✳️به‌جای ارائه یک فرمول نهایی، زنجیره‌ای از واکنش‌ها (Chain of Reactions) پیشنهاد می‌شود.
✳️هر مرحله قابل بررسی و اصلاح است.
✳️با کمک یادگیری تقویتی و جستجوی مسیرها، بهترین روش سنتز پیدا می‌شود.


🔹 مزایا:
✨ شیمی‌دان‌ها نه تنها مولکول‌های جدید، بلکه دستورالعمل واقعی برای ساخت آن‌ها در آزمایشگاه دریافت می‌کنند.
✨ اگر سنتز مستقیم ممکن نباشد، می‌توان مسیرهای جایگزین و آنالوگ‌ها را پیدا کرد.
✨ سرعت توسعه داروها، مواد جدید و ترکیبات نوآورانه به‌طور چشمگیری افزایش می‌یابد.

هوش مصنوعی حالا تنها به طراحی مولکول‌ها بسنده نمی‌کند، بلکه توضیح می‌دهد چگونه آن‌ها را در دنیای واقعی ساخت.

🔗 جزئیات در وبلاگ انویدیا

@rss_ai_ir

#NVIDIA #AI #DrugDiscovery #شیمی #مولکول #هوش_مصنوعی

🗣️ سم آلتمن: OpenAI به دنبال ساخت "خانواده‌ای کوچک از دستگاه‌ها" برای بازتعریف تعامل انسان و کامپیوتر

آلتمن خبر داد که OpenAI در حال برنامه‌ریزی برای عرضه مجموعه‌ای محدود از دستگاه‌های نوآورانه است که شیوه تعامل ما با رایانه‌ها را دگرگون خواهد کرد. 🎯

🔹 این دستگاه‌ها قرار نیست به زودی عرضه شوند، اما هدف آن‌ها فراتر رفتن از رابط‌های کاربری فعلی است؛ جایی که بتوانید دستورات طولانی و پیچیده بدهید و مطمئن باشید سیستم آن‌ها را به‌طور کامل و درست اجرا می‌کند.

به نظر می‌رسد آینده تعامل انسان و ماشین نه فقط در نرم‌افزار، بلکه در سخت‌افزارهای اختصاصی هوش مصنوعی هم رقم خواهد خورد. 🤖✨

📌 @rss_ai_ir

#OpenAI #SamAltman #AI #Interface #هوش_مصنوعی

🚀 گوگل دیپ‌مایند معرفی کرد: EmbeddingGemma

⛔️مدلی فشرده برای تبدیل متن به بردار (Embedding) با تنها 308M پارامتر که کیفیتی در حد بهترین مدل‌های تا 500M پارامتر دارد، اما سریع‌تر و سبک‌تر است. ⚡

🔑 چطور کار می‌کند:

♻️بر پایه نسخه ساده‌شده Gemma 3 (فقط بخش Encoder باقی مانده)

♻️آموزش با distillation: دانش‌آموز خروجی‌های مدل معلم را کپی می‌کند

♻️همچنین Regularizer باعث توزیع یکنواخت بردارها می‌شود → بهبود جستجو و پایداری در کوانتیزاسیون

♻️دو مرحله آموزش: اول روی داده‌های پرسش–پاسخ نویزی، سپس روی داده‌های تمیز با «منفی‌های سخت» و پرامپت‌ها

♻️خروجی نهایی با میانگین چند چک‌پوینت بهینه‌شده ساخته می‌شود


📊 نتایج:

✳️بهترین عملکرد در بین مدل‌های زیر 500M پارامتر

✳️قوی در وظایف چندزبانه، انگلیسی و حتی کدنویسی

✳️پشتیبانی از وزن‌های 4-bit و بردارهای 128 بُعدی → قابل اجرا روی دستگاه‌های سبک


📄 مقاله:
arxiv.org/abs/2509.20354

#Google #DeepMind #EmbeddingGemma #AI #NLP #هوش_مصنوعی

@rss_ai_ir

🎥🧠 ویدئو-مدل‌ها وارد دنیای Chain-of-Frames شدند!

مدل‌های مولد ویدئو (مثل Veo 3) حالا فقط تصویر نمی‌سازند – آن‌ها می‌توانند مستقیماً روی فریم‌ها فکر کنند و پاسخ را رسم کنند.

🔹 پژوهش جدید نشان داد که حتی بدون فاین‌تیونینگ، یک مدل ویدئویی بزرگ می‌تواند:

✳️مسائل کلاسیک بینایی ماشین (مرزبندی، سگمنتیشن، بهبود تصویر)
✳️و حتی پازل‌های بصری ساده (مثل ماز و تقارن)
را فقط با یک پرامپت درست حل کند.


📌 نکته طلایی: به مدل نقش بدهید و فرمت خروجی را مشخص کنید.
مثال‌ها:

🌀 Maze:
مسیر کوتاه از START به GOAL را قرمز با ضخامت ۳ پیکسل بکش.

👤 Segmentation:
فقط فرد را با لایه نیمه‌شفاف پر کن.

🎬 Background removal:
پس‌زمینه خاکستری یکنواخت، بدون هاله دور مو.

🌍🌙 Physics:
دو نسخه زمین (9.81 m/s²) و ماه (1.62 m/s²) کنار هم نشان بده.

🔧 Deblur/Denoise:
وضوح را زیاد کن، بدون صاف‌کردن بیش‌ازحد.

You are a video analyst. Solve the task and DRAW the answer ON TOP of frames.

Maze: draw the shortest valid path in RED, thickness 3 px, unbroken line from START to GOAL.

Segmentation: fill ONLY the person with a semi-transparent overlay; keep everything else unchanged.

Background removal: keep the subject; replace background with uniform gray; avoid halos around hair.

Physics: render two variants side-by-side labeled “Earth (9.81 m/s^2)” and “Moon (1.62 m/s^2)”; show motion difference.

Deblur/denoise: increase sharpness while preserving faces; avoid over-smoothing and ringing artifacts.

✨ نتیجه: ویدئو-مدل‌ها مثل LLMها می‌توانند zero-shot کار کنند، کافی است بگویید: «حل کن و روی فریم رسم کن».

📎 سایت مقاله با مثال‌های تصویری پر از دموهای خفن است.
https://video-zero-shot.github.io/

@rss_ai_ir

#AI #VideoAI #GenerativeAI #ChainOfFrames #ComputerVision

🚀 Qwen Chat
آپدیت‌های جذابی گرفت!

حالا در Qwen Chat می‌تونید نه‌تنها داده‌ها رو در اینترنت جستجو کنید، بلکه همون لحظه اون‌ها رو با کمک ترکیب Code Interpreter + Web Search به شکل نمودار هم ببینید. 📊

✨ مثلا می‌تونید پیش‌بینی ۷ روزه‌ی هوا رو بگیرید و بلافاصله خروجی رو به‌صورت یک نمودار آماده دریافت کنید.

📈 فقط کافیه توی پرامپت بنویسید که می‌خواید نمودار بسازه، و Qwen این کار رو براتون انجام می‌ده.

🔗 امتحان کنید:
chat.qwen.ai

@rss_ai_ir

#Qwen #LLM #هوش_مصنوعی #چت_بات #تحلیل_داده

🤖 ۱۰ پرامپت کاربردی برای یادگیری هر چیزی به صورت رایگان با ChatGPT

اگر می‌خواید مهارت جدیدی یاد بگیرید، لازم نیست همیشه سراغ دوره‌های گران‌قیمت برید. با این پرامپت‌ها می‌تونید تقریباً هر چیزی رو از صفر تا سطح حرفه‌ای یاد بگیرید — اون هم رایگان! 👇

1️⃣ یادگیری هر مهارت با منابع رایگان
📌 درخواست: «می‌خوام [مهارت/موضوع] رو یاد بگیرم. یک نقشه راه از بهترین منابع رایگان مثل YouTube، MOOCs و بلاگ‌ها بهم بده.»

2️⃣ تسلط در ۳۰ روز
📌 درخواست: «می‌خوام در [موضوع] طی ۳۰ روز مسلط بشم. یک برنامه روزانه‌ی مرحله‌به‌مرحله با ابزارها و پلتفرم‌های رایگان طراحی کن.»

3️⃣ تبدیل ChatGPT به معلم خصوصی
📌 درخواست: «مثل معلم خصوصی برای [موضوع] عمل کن. از پایه یادم بده، ازم آزمون بگیر و بر اساس جواب‌هام برنامه رو تنظیم کن.»

4️⃣ یادگیری سریع‌تر با روش فاینمن
📌 درخواست: «[مفهوم] رو با تکنیک فاینمن توضیح بده. ساده‌سازی کن و بعد ازم سوال بپرس تا مطمئن شی فهمیدم.»

5️⃣ یادگیری با پادکست و کتاب صوتی
📌 درخواست: «برای یادگیری [موضوع] موقع رانندگی یا کارهای روزمره، پادکست‌ها و کتاب‌های صوتی رایگان معرفی کن.»

6️⃣ جایگزین رایگان برای دوره‌های پولی
📌 درخواست: «برای این دوره پولی [نام دوره/موضوع] جایگزین‌های رایگان مشابه با کیفیت و عمق مشابه معرفی کن.»

7️⃣ یادگیری پروژه‌محور (Learn by Doing)
📌 درخواست: «برای یادگیری [مهارت] پروژه‌های عملی و رایگان پیشنهاد بده که بتونم نمونه‌کار هم بسازم.»

8️⃣ برنامه مطالعاتی هوش مصنوعی
📌 درخواست: «یک برنامه یادگیری شخصی‌سازی‌شده برای [موضوع] با ابزارهای AI بساز. شامل خلاصه‌ها، آزمون‌ها و پیگیری پیشرفت باشه.»

9️⃣ خلاصه‌سازی کتاب‌های درسی با AI
📌 درخواست: «کتاب [موضوع] رو خلاصه کن، فلش‌کارت بساز و نکات کلیدی رو برای مرور سریع استخراج کن.»

🔟 یادگیری با شبکه‌های اجتماعی
📌 درخواست: «می‌خوام [موضوع] رو از طریق YouTube, Instagram, Reddit و X یاد بگیرم. لیستی از بهترین اکانت‌ها، هشتگ‌ها و پلی‌لیست‌ها بده.»


---

✨ با این پرامپت‌ها می‌تونید عملاً یک دانشگاه رایگان روی موبایل‌تون داشته باشید.
شما اولین چیزی که دوست دارید رایگان یاد بگیرید چیه؟ 🎓👇
@rss_ai_ir
#یادگیری #ChatGPT #هوش_مصنوعی #آموزش #مهارت

🚀 DeepSeek V3.2-Exp:
کاهش هزینه‌ها با Sparse Attention

🔹 این نسخه بر پایه‌ی V3.1-Terminus ساخته شده و با مکانیزم جدید Sparse Attention (DSA) آموزش دیده است.

🔹 هر توکن به‌جای همه‌ی توکن‌های قبلی، فقط به حدود 2048 کلید توجه می‌کند. این یعنی مصرف حافظه و تأخیر کمتر، بدون افت محسوس کیفیت.

🔹 💰 هزینه API به‌طور چشمگیری کاهش یافته: از ۱.۶۸ دلار به ۰.۴۲ دلار برای هر یک میلیون توکن.

📊 ویژگی‌ها:

✳️مناسب برای کانتکست‌های طولانی و زنجیره‌های پیچیده‌ی استدلال (Chain-of-Thought).

✳️کیفیت مشابه V3.1 با هزینه‌ی بسیار کمتر.

✳️آموزش بهینه‌تر: سه مرحله‌ی RL قبلی در یک مرحله ادغام شده.

✳️برای وظایفی که پاسخ یکتا ندارند، از GRM برای ارزیابی پاسخ‌ها استفاده می‌شود.


✨ به زبان ساده: V3.2-Exp همان کیفیت V3.1 را با نصف هزینه و سرعت بیشتر ارائه می‌دهد.

@rss_ai_ir

#DeepSeek #SparseAttention #هوش_مصنوعی #LLM #مدل_زبان

📹🤖 LONGLIVE از NVIDIA —
ویدئو‌سازی تعاملیِ بلادرنگ

مدل LONGLIVE یک چارچوب autoregressive در سطح فریم برای تولید ویدئوی طولانی به‌صورت Real-time است. حین تولید می‌توانید پشت‌سرهم پرامپت بدهید و مدل همان‌جا مسیر ویدئو را تغییر دهد.

چرا مهم است؟

⏱️ پاسخ‌دهی بلادرنگ؛ مناسب استریم و تجربه‌های تعاملی

🧠 تولید فریم‌به‌فریم = کنترل دقیق صحنه و تداوم داستان

🧩 پشتیبانی از پرامپت‌های پی‌در‌پی (sequential prompts)

🛠️ کد و مدل منتشر شده (لایسنس غیرتجاری)


لینک‌ها:

Paper: arxiv.org/pdf/2509.22622
Project: nvlabs.github.io/LongLive/
Code: github.com/NVlabs/LongLive
HF: huggingface.co/Efficient-Large-Model/LongLive-1.3B

#NVIDIA #LongLive #RealtimeVideo #InteractiveAI #GenerativeVideo #Autoregressive #AIResearch #OpenSource