English
Open in Telegram
DDLeX: AI Python

DLeX: AI Python

✅ High trust
@ai_python · channel · Tech · indexed since 2026-05-24
21 312subscribers
1 426average post reach
6.7%ER — reach to subscribers
22posts in 30 days
N
NaviD DariYa
Photo
💡 حمله بدافزاری جدیدی که از سایت رسمی ChatGPT شروع می‌شود معمولاً وقتی راجع به کلیک روی لینک‌های جعلی هشدار می‌دهیم، اولین توصیه‌مان این است که آدرس سایت را نگاه کنید. اما در یک حمله‌ی بدافزاری تازه، این توصیه هیچ کاربردی ندارد؛ چون کاربر واقعاً وارد سایت رسمی ChatGPT.com می‌شود و دستورالعمل‌هایی به ظاهر معتبر دریافت می‌کند که در نهایت منجر به نصب یک بدافزار از نوع RAT (تروجان از راه دور) روی سیستم می‌شود. چنین بدافزاری می‌تواند صفحه‌ی قربانی را ببیند، فایل‌هایش را جستجو کند و حتی کنترل دوربین و میکروفون دستگاه را به دست بگیرد! ▪️ حمله چطور انجام می‌شد؟ هکرها برای پیاده‌سازی این حمله، از قابلیت Custom GPT در چت‌جی‌پی‌تی استفاده می‌کردند. «کاستوم جی‌پی‌تی» یا «جی‌پی‌تی سفارشی» یعنی نسخه‌ای از ChatGPT که برای رسیدگی به یک کار مشخص، با دستورها، اطلاعات و رفتار از پیش تعیین‌شده تنظیم شده است. هرکسی می‌تواند با دانش فنی کافی، جی‌پی‌تی سفارشی خودش را بسازد و آن را روی سایت رسمی این هوش مصنوعی میزبانی کند. زنجیره فریب کمی پیچیده و چند مرحله‌ای است، اما بسیار مهم است که فرایند را به خوبی درک کنیم؛ چون هر مرحله با اتکا به مرحله‌ی قبلی پیش می‌رود: ۱- شخص ابتدا عبارت ChatGPT را در گوگل جستجو می‌کرد و به یک «لینک تبلیغاتی» می‌رسید که او را به کاستوم جی‌پی‌تی مهاجمان (روی دامنه واقعی چت‌جی‌پی‌تی) هدایت می‌کرد. صفحه‌ای که باز می‌شد، «Plus 5.6» نام داشت تا کاربر کم‌اطلاع‌تر به اشتباه تصور کند در حال کار با یکی از مدل‌های رسمی شرکت OpenAI است. ۲- فرقی نمی‌کرد سوال یا درخواست کاربر از جی‌پی‌تی چه بود؛ همواره پاسخی یکسان به نمایش درمی‌آمد. در این پاسخ نوشته شده بود که سرویس اصلی با «محدودیت دسترسی» روبه‌رو شده و کاربر باید در ادامه از یک «دامنه پشتیبان» کمک بگیرد. ۳- لینک پشتیبان نیز روی سرویس معتبر Google Sites قرار داشت؛ یعنی کاربر دوباره به صفحه‌ای جعلی هدایت می‌شد که خطرات آن صرفاً با بررسی آدرس سایت قابل تشخیص نبود. در این لینک پشتیبان، صفحه‌ای شبیه به فرایند بررسی امنیتی Cloudflare به نمایش درمی‌آمد و وانمود می‌شد که برای اثبات «انسان بودن»، باید چند مرحله را پشت سر بگذارید. ۴- درست در همین مرحله، حمله‌ی اصلی اتفاق می‌افتاد. به جای اینکه «من ربات نیستم» با کپچا ت… Read in full →
17 · 842 ·
File
Category_Theory_Intro_FA.pdf · 1.3 MB · click to show
چه چیزی مجموعه‌ها، گروه‌ها و فضاهای توپولوژیک را به هم پیوند می‌دهد؟ 📘 نظریهٔ رسته‌ها | درس‌گفتار مقدماتی با تدریس ریچارد بورچردز، برندهٔ مدال فیلدز دانشگاه کالیفرنیا، برکلی — UC Berkeley در این جزوهٔ فارسی، از تعریف رسته، اشیا و ریخت‌ها آغاز می‌کنیم و با مثال‌ها و نمودارهای توضیحی، به ترکیب، یکریختی و دوگانگی می‌رسیم؛ نخستین گام برای آشنایی با زبانی مشترک در ریاضیات. تهیه و تنظیم: گروه ریاضی مزداهیک @mazdaahik #نظریه_رسته‌ها #ریاضیات
15 · 563 ·
N
Photo
این ویدیو به شکلی کاربردی نشان می‌دهد که چگونه می‌توان Docker Sandboxes را به کمک MCP (Model Context Protocol) به ابزارهای خارجی مانند Notion و GitHub متصل کرد. 👉 @ai_python 🦁 ☀️ بدون اینکه امنیت محیط توسعه به خطر بیفتد. در این دمو، یک ایجنت هوش مصنوعی ابتدا اطلاعات را از Notion دریافت می‌کند و سپس بر اساس همان داده‌ها به صورت خودکار یک Issue در GitHub ایجاد می‌کند. 👉 @ai_python 🦁 ☀️ نکته جالب و مهم ویدیو، نمایش نحوه کنترل دقیق دسترسی‌های ایجنت است؛ به طوری که Docker مشخص می‌کند کدام ابزارها در اختیار ایجنت قرار بگیرند و کدام‌یک مسدود بمانند. اگر به موضوعات AI Agents، MCP، اتوماسیون توسعه نرم‌افزار و امنیت محیط‌های اجرایی علاقه دارید، این ویدیو دید بسیار خوبی از کاربرد عملی این فناوری‌ها و آینده تعامل ایجنت‌های هوش مصنوعی با ابزارهای خارجی ارائه می‌دهد. https://youtu.be/fFxBws8-3fM?si=FsBcpeF51C3sOZYU
16 · 450 ·
N
NaviD DariYa
Link
click to show
وب سرچ API کلاود فلر به ایجنت هاتون اجازه می ده که به راحتی بتونن از جست و جوگرهایی مثل Ceramic.ai یا EXA یا Linkup استفاده کنند. 👉 @ai_python 🦁 ☀️ قبلن در چانال درباره EXA صحبت کرده بودیم. مثلن در این پست : https://t.me/ai_python/17492 https://developers.cloudflare.com/changelog/post/2026-10-02-introducing-web-search-api/
25 · 1.5K ·
N
File
Linear_Algebra_Vector_Spaces_FA.pdf · 2.5 MB · click to show
چطور یک تابع یا چندجمله‌ای می‌تواند یک بردار باشد؟ 📘 جبر خطی | جلسهٔ اول با تدریس دکتر سیاوش شهشهانی از میدان‌ها و تعریف فضای برداری تا زیرفضاها و یک‌ریختی؛ همراه با مثال‌هایی از تابع‌ها، چندجمله‌ای‌ها و معادلات دیفرانسیل. 📄 جزوهٔ مصور این جلسه در ۱۵ صفحه، همراه با ۶ شکل آموزشی برای دنبال‌کردن مفاهیم و مرور درس آماده شده است. تهیه و تنظیم: گروه ریاضی مزداهیک @mazdaahik #جبر_خطی #سیاوش_شهشهانی #ریاضیات
31 · 1.3K ·
N
NaviD DariYa
Photo
وب سایت SynthID یکی از سرویس های گوگل هست که باهاش می تونید متوجه بشید که تصاویر، متون و ... با هوش مصنوعی تهیه شده اند یا خیر؟ 👉 @ai_python 🦁 ☀️ https://synthid.com/
70 · 1.5K ·
N
NaviD DariYa
Video
mazdaahik-time-complexity-cinematic.mp4 · 18.9 MB
🚗💨 دو برابر داده، چهار برابر کار! روشِ حلِ یک مسئله تعیین می‌کند که با بیشتر شدن داده‌ها، حجم محاسبات چطور رشد کند. در مدلِ درجهٔ دوی این ویدیو، وقتی تعداد داده‌ها از ۸ به ۱۶ می‌رسد، تعداد گام‌ها از ۶۴ به ۲۵۶ افزایش پیدا می‌کند؛ یعنی چهار برابر! اما در مدل خطی، همان دو برابر شدن داده‌ها، کار را دو برابر می‌کند. 🎬 این مسابقه، پنج الگوی رشد را به تصویر می‌کشد: ثابت، لگاریتمی، خطی، خطی‌ـ‌لگاریتمی و درجهٔ دو. خودروها میزان پیشرفتِ مدل‌های آموزشی را نشان می‌دهند؛ عددها «گامِ محاسباتی» هستند، نه ثانیه. 📌 نماد Big-O برای ورودی‌های بزرگ، حد بالایی برای رشد هزینهٔ محاسبات بیان می‌کند. زمان واقعی اجرا به جزئیات برنامه و سخت‌افزار هم بستگی دارد. @mazdaahik #الگوریتم #پیچیدگی_زمانی #علوم_کامپیوتر #BigO #مزداهیک
6 · 1.3K ·
N
NaviD DariYa
Photo
محصول VirusTotal Intelligence یکی از محصولات گوگل هست که این امکان رو می ده که بتونیم Agent های هوش مصنوعی رو به یک آنتی ویروس متصل کنیم. 👉 @ai_python 🦁 ☀️ علاوه بر بررسی فایل ها برای ویروس، همچنین امکان تشخیص لینک های مخرب، آی پی ها و ... نیز وجود دارد. https://ai.virustotal.com/
24 · 1K ·
N
NaviD DariYa
Photo
شرکت Open AI اطلاع داده که یک دستگاه ضبط در یکی از آفیس هاشون مخفی شده بوده. اونا دستگاه ضبط رو با استفاده از یکی از مدل هاشون بررسی کردن و متوجه شدن که سرنخ ها به یکی از همکارانشون برمی گرده. 👉 @ai_python 🦁 ☀️ 🙂 @almanifarsichannel 🐦 همکار مورد نظر اخراج و توسط FBI دستگیر شده.
13 · 716 ·
NaviD DariYa
Photo
مدل DeepSeek V4.1 Flash روی OpenCode رایگان هست. 👉 @ai_python 🦁 ☀️ اما فقط نسخه ای که 200k کانتکست داره
❤‍🔥9🐳1❤1
39 · 1.4K ·
N
Link
click to show
احتمالن همه افرادی که از VS Code و گیت هاب کوپایلوت استفاده می کنند با Auto model selection آشنا هستند که معمولن هم 10 درصد تخفیف داره. 👉 @ai_python 🦁 ☀️ حالا سوال اینه که چه تفاوتی داره اگر به جای این که بپرسیم کدوم مدل این درخواست رو بهتر انجام می ده، بپرسیم که چه راهی برای حل این درخواست بهترین راه هست؟ (یعنی از دید جامع تری استفاده کنیم. شاید اصلن چند مدل نیاز باشه؟ یا نیاز به انتخاب یک ورک فلو مناسب تر هست. (روند نما :)) ) دقیقن این چیزیه که HydraFusion به صورت آزمایشی براش ساخته شده : https://www.linkedin.com/pulse/explore-hydrafusion-vs-code-vs-code-al2pc/
❤2❤‍🔥1👍1
21 · 1.3K ·
N
File
Harvard_Abstract_Algebra_Lecture_01_FA_Revised.pdf · 1.9 MB · click to show
چرا گاهی AB با BA برابر نیست؟ 📘 جزوهٔ جبر مجرد | جلسهٔ اول با تدریس بندیکت گروس 🏛 دانشگاه هاروارد از ماتریس‌ها تا گروه‌ها در این جلسه، از ضرب ماتریس‌ها، دترمینان و وارون‌پذیری آغاز می‌کنیم و به تعریف گروه و نقش تقارن در جبر می‌رسیم. 📄 جزوهٔ فارسی در ۱۶ صفحه تهیه و تنظیم: گروه ریاضی مزداهیک 🆔 @mazdaahik #جبر_مجرد #نظریه_گروه‌ها #بندیکت_گروس #هاروارد
👍2❤1❤‍🔥1
12 · 816 ·
Link
click to show
یه مقاله‌ی جدید با عنوان On the Economics of Reasoning Effort in LLM Agents بررسی کرده که برای LLMها بهتره از چه سطحی از Reasoning Effort استفاده کنیم. این مقاله به چند نتیجه‌ی جالب رسیده. اول اینکه Reasoning Effort بیشتر، لزوماً به معنی عملکرد بهتر نیست. از طرف دیگه، هرچی Reasoning Effort بالاتر باشه، معمولاً هزینه هم بیشتر می‌شه؛ به‌طوری‌که هزینه‌ی بالاترین سطح می‌تونه تا ۴۲ برابرِ پایین‌ترین سطح باشه. نکته‌ی جالب دیگه اینه که بعضی وقت‌ها ممکنه یه مسئله با Reasoning Effort پایین‌تر درست حل بشه، اما همون مسئله با Reasoning Effort بالاتر، اشتباه جواب داده بشه! در واقع، افزایش میزان تلاش برای استدلال همیشه به بهبود نتیجه منجر نمی‌شه. همچنین، تغییر Reasoning Effort فقط روی تعداد Tokenهای مصرف‌شده تأثیر نمی‌ذاره، بلکه نحوه‌ی حل Taskها توسط Agentها رو هم تغییر می‌ده. وقتی Reasoning Effort بالاتره، Agentها زمان و تلاش بیشتری صرف Verify کردن خروجی‌های خودشون می‌کنن و به‌جای اینکه مستقیماً روی حل مسئله کار کنن، بیشتر دنبال پیدا کردن Solution می‌گردن. هر دوی این رفتارها باعث می‌شن Trajectory حل مسئله طولانی‌تر بشه، بدون اینکه لزوماً نتیجه‌ی نهایی بهتر بشه یا تغییری بکنه. 🔗 لینک مقاله 👑 توضیحات در مورد دوره منتورینگ 🏆 نحوه ثبت‌نام در دوره منتورینگ 🤝 تجارب موفق قبلی بچه‌ها از منتورینگ 🛠 راه‌ ارتباطی مشاوره تخصصی کسب‌وکار در زمینه دیتا و هوش مصنوعی @reza_jafari_ai
❤2👍1❤‍🔥1
1 · 37 ·
N
🌍 ۱. یک سؤال ساده دربارهٔ کرهٔ زمین فرض کنید روی سطح زمین ایستاده‌اید. زمین تقریباً کروی است؛ اما وقتی به ناحیهٔ کوچکی از اطراف خود نگاه می‌کنید، سطح زمین تقریباً مسطح به نظر می‌رسد. این مشاهده، ما را به یکی از مفاهیم بنیادی هندسه و توپولوژی می‌رساند: منیفلد (Manifold). 📐 منیفلد چیست؟ منیفلد فضایی است که در همسایگی هر نقطه، از نظر توپولوژیک شبیه یک فضای اقلیدسی است؛ حتی اگر ساختار کلی آن کاملاً متفاوت باشد. برای مثال، سطح کرهٔ دوبعدی در همسایگی هر نقطه، شبیه صفحهٔ اقلیدسی است؛ درحالی‌که کل کره با صفحهٔ اقلیدسی یکسان نیست. بخش کوچکی از دایره یک بعدی بزرگ‌نمایی شده است نا نشان دهد که این منیفلد به صورت محلی شبیه خط حقیقی است. 🆔 @mazdaahik بخش کوچکی از کره دو بعدی بزرگ‌نمایی شده است تا نشان دهد این منیفلد به‌صورت محلی شبیه است. در تصویر دو مثال می‌بینیم: دایره در نزدیکی هر نقطه شبیه یک خط است. سطح کره در نزدیکی هر نقطه شبیه یک صفحه است. ⛏به همین دلیل دایره را منیفلد یک‌بعدی و سطح کره را منیفلد دوبعدی می‌نامیم. 💡 نکتهٔ کلیدی: یک فضا می‌تواند در مقیاس محلی شبیه فضای اقلیدسی باشد، اما در مقیاس کلی ساختار هندسی و توپولوژیکی متفاوتی داشته باشد.
Long post
photos and layout — in Telegram ↗
👍1❤‍🔥1
1 · 11 ·

An open public feed from the search index ChatCrawler — “Google for public Telegram”; refreshed as the venue is crawled. Times are UTC.

Public content only, official Telegram API. About · FAQ · Index limits · Remove a page · Catalog · Search · How we count