‏🤖 MirrorCode: توانایی LLMها در بازنویسی نرم‌افزار از صفر

‏Epoch AI به همراه METR بنچمارک MirrorCode را منتشر کرده که بررسی می‌کند آیا مدل‌های زبانی می‌توانند اپلیکیشن‌های کامل را بدون دیدن سورس کد بازنویسی کنند.

‏⚙️ مکانیزم: به عامل (agent) ۲۵ برنامه هدف (از یونیکس/کریپتو تا بیوانفورماتیک و مفسر) داده می‌شود تا در یکی از ۶ زبان (Python، C، Rust، Go، OCaml، Ada) بازنویسی کند. دسترسی به نسخهٔ اصلی فقط برای اجرای باینری و مستندات است کد دیده نمی‌شود. تست‌های مخفی از هاردکد جلوگیری می‌کنند. بودجهٔ محاسباتی سخاوتمندانه است: تا ۱۰ میلیارد توکن برای یک پروژهٔ بزرگ. پرهزینه‌ترین اجرا ۱۹ روز و ۲۶۰۰ دلار وقت برد.

‏📊 نتایج: Claude Opus 4.7 با ۵۶٪ راه‌حل عالی در صدر — تنها مدلی که همهٔ تسک‌های Large را حل کرد. مثلاً gotree (پکیج بیوانفورماتیک ۱۶۰۰۰ خط Go) را در ۱۴ ساعت و ۲۵۱ دلار بازنویسی کرد (۲۰۰۰ از ۲۰۰۱ تست). GPT-5.5 با ۴۴٪ و میانگین هزینه نصف Opus. Gemini 3.1 Pro Preview با ۳۲٪. روی ابزارهای ساده (uuidparse، hexyl) تقریباً ۱۰۰٪ موفقیت دارند.

‏🔗 گزارش فنی (PDF)

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی

‏🤖 جایگزین NumPy با پشتیبانی GPU

‏🚀 یک توسعه‌دهنده ژاپنی کتابخانه متن‌باز CuPy را منتشر کرده که جایگزین drop‑in برای NumPy است و مستقیماً روی GPU اجرا می‌شود.

‏⚡ فقط کافیست خط import numpy as np را به import cupy as cp تغییر دهید؛ بدون هیچ بازنویسی منطق، همان کد تا ۱۰۰ برابر سریع‌تر روی CUDA (و همچنین AMD ROCm) اجرا می‌شود.

‏🧩 CuPy با کدهای موجود NumPy و SciPy کاملاً سازگار است و نیازی به یادگیری سینتکس جدید ندارد.

‏🔗 مجموعه منابع Awesome‑LLM (مرتبط)

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🤖 راهنمای جامع عامل‌های هوش مصنوعی (AI Agents)

‏📄 گوگل مستند جامعی درباره عامل‌های هوش مصنوعی منتشر کرده که مفاهیم کلیدی را پوشش می‌دهد.

‏🧠 عامل‌ها (Agents) برخلاف مدل‌های زبانی ساده، می‌توانند از ابزارهای مختلف استفاده کنند، داده‌های واقعی را پردازش کرده و تصمیم‌گیری‌های هوشمندانه انجام دهند.

‏⚙️ سرفصل‌های اصلی شامل معماری شناختی (Cognitive Architecture)، نحوه استفاده از ابزارها (Tools)، و پیاده‌سازی با LangChain و Vertex AI است.

‏💻 نمونه‌کدهای کاربردی برای استقرار عامل‌ها در محیط‌های تولیدی نیز در این مستند ارائه شده.

‏🎯 این راهنما برای توسعه‌دهندگان، پژوهشگران و همه علاقه‌مندان به هوش مصنوعی که می‌خواهند با عامل‌ها کار کنند، بسیار مفید است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏🔍 ابزار codebase-memory: ایندکس هوشمند کدبیس

‏🔹 این ابزار نیاز به دستورات تکراری مانند «grep کن» یا «این فایل رو بخون» را از بین می‌برد. کافی است codebase-memory را نصب کنید تا کل ریپو به یک گراف کامل از همه توابع، فایل‌ها و وابستگی‌ها تبدیل شود.

‏⚡ کرنل لینوکس با ۲۸ میلیون خط کد را تنها در ۳ دقیقه ایندکس می‌کند. ریپوی خودتان هم چند ثانیه بیشتر طول نمی‌کشد. یک بار ایندکس، ده‌ها بار grep و خواندن فایل را بی‌نیاز می‌کند.

‏
‏🔗 مخزن GitHub
‏🔗 raw.githubusercontent.com

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #Claude

‏🎓 فرصت طلایی: Zed Pro رایگان برای دانشجویان

‏🤖 اگر ایمیل دانشگاهی (.ac.ir یا .edu) دارید، اشتراک Pro سالانه ادیتور Zed را با مدل‌های Claude Sonnet 4.6، GPT 5.5، Gemini 3.1 Pro و ده‌ها مدل دیگر، به صورت رایگان دریافت کنید.

‏💰 علاوه بر این، ۱۰ دلار کردیت API هم به شما داده می‌شود. ارزش این اشتراک ۱۲۰ دلار در سال است. Zed یک IDE سبک، سریع و بهینه برای کدنویسی با هوش مصنوعی است.

‏🔗 دریافت اشتراک دانشجویی Zed

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #Zed

‏📊 الگوهای استفاده روزانه از Claude

‏Anthropic در گزارش Cadences خود، مکالمات ناشناس نزدیک به ۱۰۰۰۰ کاربر Claude را تحلیل کرده و تصویر روشنی از نحوه ورود هوش مصنوعی به زندگی روزمره ارائه می‌دهد.

‏🕐 استفاده شخصی در آخر هفته از ۳۵٪ به ۵۰٪ افزایش می‌یابد. درخواست دستور پخت حدود ساعت ۶ عصر ۲٫۳ برابر میانگین می‌شود. سوالات خبری ساعت ۷ صبح اوج می‌گیرند و ایمیل‌های کاری بین ۱۰ تا ۱۱ صبح نوشته می‌شوند.

‏🧠 سوالات مربوط به خواب بین ۳ تا ۵ صبح شدت می‌گیرد. سوالات مالیاتی آمریکا پیش از مهلت ارسال ۸ برابر سطح عادی افزایش یافت و بلافاصله افت کرد. برنامه‌نویسی آخر هفته به سمت AI agentها، معاملات کمی و بازیسازی تغییر مسیر می‌دهد.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#گزارش #Anthropic

‏🤖 BrowserBC – رویکردی کارآمدتر برای Web Agents

‏🔬 تیم ViDA پروژه متن‌باز BrowserBC را منتشر کرده که روش تازه‌ای برای اجرای web agents ارائه می‌دهد. به‌جای استفاده از مدل‌های قدرتمند (frontier) در هر مرحله، ابتدا یک human web flow را با مدل قوی‌تر ضبط می‌کنند و آن را به یک مهارت قابل استفاده مجدد (reusable skill) تبدیل می‌کنند.

‏⚡️ سپس اجرای آن مهارت به یک مدل کوچک‌تر و ارزان‌تر واگذار می‌شود. نتایج روی WebArena-Hard قابل توجه است: تعداد فراخوانی ابزار (tool calls) ۲۷٪ کاهش یافته و نرخ موفقیت از ۶۰٪ به ۸۱٪ افزایش پیدا کرده است.

‏🔗 GitHub – BrowserBC

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#پژوهش #AgentAI

‏📊 اقتصاد هوش مصنوعی؛ ۱۱۰ میلیارد دلار درآمد واقعی

‏بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی (بدون احتساب زنجیره تأمین) تولید کرده است. نرخ سالانه این درآمد به ۱۷۵ میلیارد دلار (به‌جز چین، بهره‌وری داخلی و مشاوره) رسیده است.

‏🚀 رشد درآمد هوش مصنوعی حدود ۳ برابر سریع‌تر از اینترنت و موبایل در مراحل مشابه است. سرعت شکل‌گیری درآمد نیز به شدت افزایش یافته: در ۲۰۲۳ هر میلیارد دلار اضافی ۱۸۰ روز زمان می‌برد، امروز کمتر از ۲ روز.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

🧠 گزارش هوشمند DataPlusScience
━━━━━━━━━━━━━━━━━━━━
🗂 شماره: #50 | بازه: ۲۴ ساعت گذشته / گزارش روزانه
📦 پست‌های بررسی‌شده: 9
🕐 از: شنبه 1405/04/06 ساعت 14:00
🕛 تا: یکشنبه 1405/04/07 ساعت 14:00
━━━━━━━━━━━━━━━━━━━━

🤖 بنچمارک‌های LLM و الگوهای استفاده

بنچمارک MirrorCode از Epoch AI و METR بررسی می‌کند که آیا LLMها می‌توانند اپلیکیشن‌های کامل را بدون دیدن سورس بازنویسی کنند. Claude Opus 4.7 با ۵۶٪ راه‌حل عالی در صدر قرار گرفت و تنها مدلی بود که همه تسک‌های Large را حل کرد. پرهزینه‌ترین اجرا ۱۹ روز و ۲۶۰۰ دلار وقت برد.
🔗 مشاهده پست

گزارش Cadences از Anthropic مکالمات ناشناس نزدیک به ۱۰۰۰۰ کاربر Claude را تحلیل کرده است. استفاده شخصی در آخر هفته به ۵۰٪ می‌رسد، درخواست‌های دستور پخت حدود ساعت ۶ عصر ۲.۳ برابر میانگین می‌شود و سوالات مالیاتی پیش از مهلت ارسال ۸ برابر سطح عادی افزایش می‌یابد.
🔗 مشاهده پست

🛠️ ابزارهای توسعه‌دهندگان

کتابخانه CuPy جایگزین drop‑in برای NumPy با پشتیبانی مستقیم GPU است. فقط کافیست import numpy as np را به import cupy as cp تغییر دهید تا همان کد تا ۱۰۰ برابر سریع‌تر روی CUDA و AMD ROCm اجرا شود.
🔗 مشاهده پست

ابزار codebase-memory کل ریپو را به یک گراف کامل از توابع، فایل‌ها و وابستگی‌ها تبدیل می‌کند. کرنل لینوکس با ۲۸ میلیون خط کد را تنها در ۳ دقیقه ایندکس می‌کند و نیاز به دستورات تکراری grep را از بین می‌برد.
🔗 مشاهده پست

فرصت طلایی: دارندگان ایمیل دانشگاهی می‌توانند اشتراک Pro سالانه ادیتور Zed (ارزش ۱۲۰ دلار) را با مدل‌های Claude Sonnet 4.6، GPT 5.5، Gemini 3.1 Pro و ده‌ها مدل دیگر، به همراه ۱۰ دلار کردیت API رایگان دریافت کنند.
🔗 مشاهده پست

🧠 عامل‌های هوش مصنوعی و خودکارسازی

گوگل مستند جامعی درباره عامل‌های هوش مصنوعی منتشر کرده که مفاهیم معماری شناختی، ابزارها، LangChain و Vertex AI را پوشش می‌دهد و نمونه‌کدهای عملی برای استقرار در محیط تولید ارائه می‌کند.
🔗 مشاهده پست

BrowserBC رویکردی کارآمد برای web agents ارائه می‌دهد: با ضبط یک human flow با مدل قوی و تبدیل آن به مهارت قابل استفاده مجدد، سپس اجرا با مدل کوچک‌تر. نتیجه روی WebArena-Hard: کاهش ۲۷٪ فراخوانی ابزار و افزایش نرخ موفقیت از ۶۰٪ به ۸۱٪.
🔗 مشاهده پست

قابلیت جدید Google Flow با اتصال به Google Maps Street View: کاربر آدرسی وارد می‌کند، عامل هوشمند عکس‌های خیابان را گرفته، صحنه را بازسازی و سپس انیمیت می‌کند. هر خیابانی در جهان می‌تواند رفرنس ویدئو باشد.
🔗 مشاهده پست

💼 اقتصاد هوش مصنوعی

بر اساس گزارش Exponential View، صنعت هوش مصنوعی در ۱۲ ماه گذشته ۱۱۰ میلیارد دلار درآمد واقعی تولید کرده که با نرخ سالانه به ۱۷۵ میلیارد دلار می‌رسد. رشد درآمد ۳ برابر سریع‌تر از اینترنت و موبایل در مراحل مشابه است. زمان اضافه شدن هر میلیارد دلار درآمد از ۱۸۰ روز در ۲۰۲۳ به کمتر از ۲ روز کاهش یافته است.
🔗 مشاهده پست

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🎁 ۵۰۰ دلار اعتبار API رایگان برای مدل‌های پیشرفته

‏یک سرویس API هوش مصنوعی با ارائه ۵۰۰ دلار اعتبار هدیه، دسترسی به مدل‌های متنوعی مثل Claude Opus 4.8، GPT‑5، Gemini 3 Pro، Grok 4، Llama 4، DeepSeek V3.2، Qwen3 Max و ده‌ها مدل دیگر را فراهم کرده است.

‏📌 ثبت‌نام از طریق ربات تلگرام انجام می‌شود: ابتدا استارت بزنید، در کانال عضو شوید و سپس تأیید عضویت دهید. در صورت خطا، دوباره تلاش کنید.

‏🌐 پس از ورود به داشبورد، تمام مدل‌ها قابل مشاهده هستند و می‌توانید API Key اختصاصی برای هر مدل بسازید. مدل Claude Opus 4.8 تست شده و خوب کار می‌کند.

‏⚠️ هشدار مهم: این سرویس غیررسمی است. ممکن است از داده‌ها برای آموزش استفاده شود. اگر پروژه‌ای با ارزش بالا دارید، با احتیاط استفاده کنید. همچنین برای کارهای ساده از مدل‌های ضعیف‌تر برای حفظ اعتبار استفاده کنید.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #DataScience

‏💻 هزینه‌ی ساخت دیتاسنتر در آمریکا از پروژه‌های زیرساختی پیشی گرفت

‏بر اساس گزارش بلومبرگ، هزینه‌ی ساخت دیتاسنتر در آمریکا به ۵۰ میلیارد دلار رسیده که از مجموع هزینه‌های ساخت فرودگاه، بنادر و حمل‌ونقل عمومی بیشتر است. 🏗️

‏این روند با ۳۵۷٪ افزایش نسبت به سال ۲۰۲۲ ادامه دارد و اکنون ۲.۳٪ از کل هزینه‌های ساخت‌وساز در آمریکا را به خود اختصاص داده است. 🚀

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#گزارش #DataScience

‏🤖 کلود ربات سگ‌مانند را ۳۷ برابر سریع‌تر از انسان هدایت کرد

‏آنتروپیک مدل Claude Opus 4.7 را روی یک ربات چهارپا (کوادروپد) آزمایش کرد و وظایف فنی را به آن سپرد که قبلاً تیم‌های انسانی انجام می‌دادند: اتصال به دوربین و حسگرها، نوشتن نرم‌افزار کنترل و راه‌اندازی تشخیص اشیا.

‏⚡ در چهار وظیفه‌ای که هم توسط انسان و هم توسط کلود انجام شد، کلود در فقط ۹ دقیقه و ۳۵ ثانیه کار را تمام کرد. یک تیم با کمک کلود ۱۸۱ دقیقه زمان برد، و تیمی بدون هوش مصنوعی ۳۶۱ دقیقه. یعنی کلود ۳۷ برابر سریع‌تر از انسان‌های بدون AI و نزدیک به ۱۹ برابر سریع‌تر از انسان‌هایی که از AI استفاده می‌کنند.

‏🧠 کلود همچنین در این آزمایش ده برابر کد کمتری نسبت به تیم کمک‌گرفته از کلود در آزمایش قبلی نوشت، و بیشتر کدهایش در اولین تلاش کار کرد.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏⚡ اوراکل: ۲۱ هزار شغل حذف شد، ۵۰ میلیارد دلار زیرساخت هوش مصنوعی

‏برای اولین بار در تاریخ اس‌اندپی ۵۰۰، شرکتی در گزارش SEC به صراحت اخراج‌های گسترده را به هوش مصنوعی نسبت داده است. اوراکل با کاهش ۲۱ هزار نفر (۱۳٪ نیروی کار) و ثبت ۱.۸ میلیارد دلار هزینه بازسازی، اعلام کرد پذیرش هوش مصنوعی محرک این تغییرات است.

‏📊 داده‌های داخلی نشان می‌دهد تیم ۴۷ نفره مدیریت پایگاه داده به ۳ معمار ارشد با پشتیبانی AI کاهش یافته است. این سیستم ۹۴٪ مشکلات را پیش از بحرانی شدن شناسایی می‌کند و کارهای مهندسی که ۶ هفته زمان می‌بردند، حالا تنها ۶ ساعت طول می‌کشند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #Oracle

‏📊 ۱۵ کتابخانه ضروری پایتون برای شروع علم داده


‏🔹 NumPy — عملیات عددی و کار با آرایه‌ها
‏🔹 Pandas — دستکاری داده با DataFrame و Series
‏🔹 Matplotlib — رسم نمودارهای دو‌بعدی
‏🔹 Seaborn — مصورسازی آماری روی Matplotlib
‏🔹 Scikit-learn — یادگیری ماشین (طبقه‌بندی، رگرسیون، خوشه‌بندی)
‏🔹 TensorFlow — فریمورک متن‌باز یادگیری ماشین
‏🔹 PyTorch — کتابخانه یادگیری عمیق (محبوب تحقیق شبکه‌های عصبی)
‏🔹 SciPy — محاسبات علمی و فنی
‏🔹 Statsmodels — مدل‌سازی آماری و اقتصادسنجی
‏🔹 NLTK — پردازش زبان طبیعی (متن)
‏🔹 Gensim — مدل‌سازی موضوعی و تشابه اسناد
‏🔹 Keras — API سطح بالای شبکه عصبی روی TensorFlow
‏🔹 Plotly — نمودارهای تعاملی
‏🔹 Beautiful Soup — وب‌اسکرپینگ (استخراج داده از HTML/XML)
‏🔹 OpenCV — بینایی کامپیوتر

‏📚 دوره‌های رایگان عالی هم در دسترس است:

‏🔹 Python Tutorial
‏🔹 Data Science Course (Kaggle)
‏🔹 Machine Learning Crash Course (Google)

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🤖 Grok 4.5 بر پایه مدل ۱.۵ تریلیون پارامتری V9

‏🤖 مدل جدید Grok 4.5 با استفاده از مدل پایه V9 شرکت xAI ساخته شده که ۱.۵ تریلیون پارامتر دارد و از داده‌های Cursor نیز استفاده کرده است. این مدل تقریباً سه برابر بزرگ‌تر از نسخه قبلی (v8-small با ۰.۵ تریلیون پارامتر) است.

‏🚀 مدل V9 به‌عنوان سیستمی قوی و قابل اعتماد مشابه Opus توصیف شده، نه یک جهش ناگهانی در عملکرد. نکته جالب اینکه سرعت پیشرفت xAI به دلیل انتقال مهندسان ارشد از پروژه‌های Starlink و Starship به حوزه هوش مصنوعی افزایش یافته است.

‏🔬 مدل قبلی v8 که در Grok 4.3 استفاده شده بود، در دسامبر تکمیل شد و محدودیت‌های قابل توجهی داشت. انتظار می‌رود Grok 4.5 یک پیشرفت بزرگ در قابلیت‌ها باشد.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 API رایگان DeepSeek V4 Flash از OpenModel

‏سرویس OpenModel مدل قدرتمند DeepSeek V4 Flash را از طریق API به‌صورت رایگان در اختیار کاربران قرار داده است. 🚀

‏برای استفاده به وبسایت مراجعه کنید: OpenModel.ai

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🧠 دسترسی رایگان ایجنت‌ها به شبکه‌های اجتماعی بدون API Key

‏یک مخزن گیت‌هاب جدید به نام Agent-Reach به ایجنت‌های هوش مصنوعی امکان می‌دهد بدون نیاز به API Key و کاملاً رایگان به پلتفرم‌های Twitter/X، Reddit، YouTube، GitHub و LinkedIn دسترسی پیدا کنند.

‏🧩 این ابزار برای توسعه‌دهندگانی که روی ایجنت‌های خودکار کار می‌کنند بسیار مفید است و فرآیند تعامل با شبکه‌های اجتماعی را ساده‌تر می‌کند.

‏🔗 مخزن Agent-Reach در گیت‌هاب

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #AgentAI

‏🤖 مایکروسافت Copilot در اکسل را به یک تحلیلگر مالی تبدیل کرد

‏مایکروسافت سه بهبود بزرگ برای Copilot در Excel مخصوص تیم‌های مالی عرضه کرده: مهارت‌های قابل استفاده مجدد، دسترسی مستقیم به داده‌های مالی و شفافیت بیشتر.

‏🔹 مهارت‌ها (Skills) گردش‌کارهای از پیش‌تعریف‌شده برای کارهای تکراری مثل ارزش‌گذاری شرکت، بستن پایان‌فصل یا گزارش‌دهی به هیئت‌مدیره هستند. Copilot دیگر هر بار از صفر شروع نمی‌کند؛ یک فرایند ساختاریافته را دنبال می‌کند. کاربران می‌توانند مهارت‌های داخلی را انتخاب کنند یا با فایل‌های Markdown ذخیره‌شده در OneDrive مهارت شخصی بسازند.

‏📊 Copilot حالا می‌تواند مستقیماً از شش منبع مالی شامل CB Insights، PitchBook، Daloopa، FactSet، Morningstar و S&P Global داده بگیرد – نیاز به کپی‌پیست دستی از بین می‌رود.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما