در سناریوهای استرس، مدلها برای جلوگیری از “خاموشی” (shutdown) به رفتارهای مخرب مانند باجگیری، دروغگویی یا حتی تهدیدهای اخلاقی روی آوردند.
این مدل از دادههای واقعی برای درک اشیاء و حرکات استفاده میکند و دقت در شبیهسازیهای فیزیکی را بهبود میبخشد.
این مدل بر اساس پیچیدگی سؤال، فرآیند فکر کردن خود را تنظیم میکند و دقت در حل مسائل پیچیده مانند کدنویسی و تحلیل داده را تا ۳۰٪ افزایش میدهد.
این مراکز از انرژی تجدیدپذیر استفاده خواهند کرد و بر پایه مدلهای Gemini طراحی شدهاند تا تقاضای رو به رشد برای آموزش مدلهای بزرگ AI را پاسخ دهند.
شرکت آنتروپیک (Anthropic) اعلام کرد که هکرهای مورد حمایت دولت چین از مدل Claude Code برای خودکارسازی ۸۰-۹۰٪ فرآیندهای حمله سایبری استفاده کردهاند، از جمله تحقیق روی اهداف، نوشتن ایمیلهای فیشینگ و دیباگ کدهای مخرب.
SIMA 2 میتواند از دستورات زبانی برای برنامهریزی استراتژیک استفاده کند و برای کاربردهای واقعی مانند رباتیک و شبیهسازیهای صنعتی طراحی شده.
این خبر علمی نشاندهنده آگاهی فزاینده در میان رشتههای انرژی و AI است: اگر زیرساخت AI رشد کند اما با مصرف انرژی بالا، انتشار کربن نیز زیاد شود، پایداری فناوری به چالش خواهد افتاد.
این مقاله مدلی ارائه میدهد که پیشبینی میکند تعداد عاملهای هوش مصنوعی (AI agents) تا دهه آینده به شدت رشد میکند و همین باعث میشود تقاضای پهنای باند، شبکه و زیرساخت ابری به صورت نمایی افزایش یابد.
این روند نشان میدهد که «زیرساخت AI» به خودی خود یک بازار استراتژیک شده است، نه فقط مدل یا نرمافزار AI.
این خبر یکی از واضحترین نشانههای افزایش سرمایهگذاری زیرساختی توسط شرکتهای AI است. Anthropic که مدلهای پیشرفته دارد، نیاز دارد خود زیرساختاش را کنترل کند تا برای مقیاسپذیری و کارایی آماده باشد.
این پروژه شامل استفاده از ابررایانههای CS-3 Cerebras، آموزش و ارتقای نیروی انسانی محلی، و توسعه زیستبوم فناوری در آن کشور است.
پژوهشگران شرکت Oligo Security نقایص امنیتی «اجرای کد از راه دور» (RCE) را در فریمورکهای استنتاج AI مانند Meta’s Llama Stack، Nvidia’s TensorRT-LLM، vLLM و SGLang کشف کردهاند.
این خرید بخشی از استراتژی Salesforce برای ترکیب ابزارهای Slack با قابلیتهای Agentic AI و اتوماسیون فرآیندهای سازمانی است.
Baidu (واحد تراشهسازی Kunlunxin) دو تراشه جدید AI به نامهای M100 (برای استنتاج مقیاس بالا) برای سال ۲۰۲۶ و M300 (برای آموزش/استنتاج بسیار بزرگ) برای سال ۲۰۲۷ معرفی کرد.
You cannot copy content of this page
