Linuxor ?

دهن این مگس شبیه سازی شده رو سرویس کردن،‌ یه نفر بهش آموزش داده که پرچم آمریکا رو تشخیص بده، و سرود سوگند وفاداری آمریکا رو با کد مورس وزوز کنه.

این سیستم از کانکتوم واقعی مغز مگس توی FlyWire استفاده می‌کنه که شامل 139,255 نورون و حدود 15 میلیون اتصال هستش. پیکسل‌های تصویر پرچم وارد این شبکه میشن و فعالیت نورون‌ها توسط یه مدل آموزش‌دیده تحلیل میشه.

برای تشخیص پرچم، مدل با مجموعه‌ای از 256 طرح مختلف پرچم و تغییرات تصویری آموزش داده شد و تونست هر 550 نمونه‌ی آزمایشی از 550 نمونه رو درست تشخیص بده.

برای بخش سرود، متن سوگند وفاداری به کد مورس تبدیل شد و یه مدل GRU آموزش دید تا ترتیب نمادها رو یاد بگیره. مدل در epoch شماره‌ی 120 تونست هر 492 توکن رو دقیقاً درست تولید کنه. این سیستم فقط همین دنباله‌ی مشخص رو یاد گرفته و به معنی یادگیری زبان نیست.


@Linuxor

من اگه راننده تاکسی بشم 8:

میدونیییییی؟ اگه توی یه بازاری باشی و یه مغازه یا کسب و کار داشته باشی یه نفر دقیقا بیاد کپی مغازه و اجناس تورو کنارت ارائه کنه، درآمد تو به احتمال زیاد نصف نمی‌شه؟ درسته منطقی نگاه کنی مشتری ها نصف می‌شه ولی چون پاخور رو دو برابر کرده عملا مشتری های تو نه کم می‌شه نه زیاد معمولا چون اون زیاد شدن پاخوره نصف شدن مشتری رو خنثی می‌کنه، بخاطر همینه یه پاساژی مثل علاءالدین تهران که 1000 تا مغازه توشه، مشتری های همه کم نمی‌شه و بر عکس پاخور شاید 5000 هزار برابر پاخور زیاد شده و از حالت عادی تک مغازه ای هم مشتری هاشون 5 برابر بیشتره، بخدااااا

@Linuxor

اینو نمی‌دونم دیدید یا نه، کلی چیز رایگان برای برنامه نویس ها و توسعه دهنده ها جمع کرده توشون بگردید چیزای خوبی پیدا می‌کنید :

free-for.dev

@Linuxor

یادگیری رباتیک یه مشکل بزرگ داده ای داره؛ چون برای یاد دادن هر مهارت جدید معمولاً باید داده‌های بیشتری جمع‌آوری بشه که هزینه‌بره. RoboTok برای حل این مشکل از ویدیوهای موجود روی اینترنت استفاده میکنه و اون‌ها رو مثل یه کتابخونه‌ی قابل جست‌وجو از حرکات و رفتارهای دست انسان در نظر می‌گیره.

به‌جای مقایسه‌ی ویدیوها بر اساس ظاهر یا کپشن، مسیر سه‌بعدی حرکت دست رو استخراج میکنه و ویدیوهایی رو پیدا میکنه که حرکت مشابهی دارن. این روش باعث میشه تفاوت‌هایی مثل دوربین، محیط، افراد مختلف و پوشیده‌شدن دست‌ها کمتر روی نتیجه تأثیر بذارن.

ایده‌ی اصلی اینه که ویدیوهای اینترنتی میتونن از یه منبع صرفاً آموزشی، به یه دیتابیس قابل جست‌وجو برای آموزش مهارت‌های رباتیک تبدیل بشن؛ یعنی لازم نیست برای هر مهارت، همه‌ی داده‌ها رو از صفر با ربات ضبط کنیم.

کد ها و مقاله :

huggingface.co/papers/2609.03199


@Linuxor

یه پروژه خیلی کار راه بنداز پیدا کردم به اسم Camera to Blender هست که باهاش می‌تونی از یه آبجکت واقعی با دوربین گوشی عکس بگیری و خیلی سریع اون رو با هوش مصنوعی به یه مدل 3D تبدیل کنی و مستقیم وارد Blender کنی.

پشت صحنه، تصویر می‌تونه با Gemini پردازش بشه و ساخت مدل 3D با Tripo3D انجام میشه؛ بعد مدل به‌صورت خودکار وارد Blender میشه.

برای ساخت سریع Asset، کانسپت آرت، VFX، بازی‌سازی و نمونه‌سازی خیلی کاربردیه. البته چون مدل از عکس ساخته میشه، نباید انتظار دقت اسکن 3D حرفه‌ای داشته باشی؛ ولی برای تبدیل سریع دنیای واقعی به آبجکت قابل استفاده توی Blender واقعاً ایده جذابیه.


github.com/ahujasid/camera-to-blender

@Linuxor

یه نفر یه مگس رو ترین کرده که با آیفون تاشو بره توی اکسپلور اینستاگرام. (هدفشم هیچی اعلام شده)


@Linuxor

این سایته هم بهش آدرس سایتتون رو می‌دیدو می‌گه آیا سایتتون آماده انتشار هست یا نه و مشکلاتش مثل تگ ها، متا دیتا و ... رو بررسی می‌کنه و حتی در نهایت بهتون یه پرامپت می‌ده که بدید به هوش مصنوعی مشکلات سایتتون رو درست کنید

البته اگه امتیازتون پایین شد نگران نباشید گوگل رو بهش دادم امتیازش شد 64 از 100 😁 البته گوگل کد هاش بد نیست ولی بخاطر هر مشکلش دلیل داره مثلا 6 تا از عکس هاش اتریبیوت alt ندارن که دلیلش احتمالا گردن کلفتی توسعه دهنده های گوگل باشه:

isreadyforlaunch.com

@Linuxor

وقتی الکی گفتی سینیوری و یه پروژه ای که روی پروداکشنه رو قبول کردی ولی هیچی ازش بلد نیستی و قراره تازه یادبگیری😂

@Linuxor

یه ابزار جالب برای ساختن برنامه‌هایی که با وصل کردن بلوک‌ها به هم کار می‌کنن اسمش Rete.js هستش. اگه ابزارهایی مثل n8n، Node-RED، ComfyUI یا Blueprintهای Unreal رو دیده باشی، احتمالا با این مدل محیط آشنا هستی:

یک Node می‌ذاری
به Node بعدی وصلش می‌کنی
هر Node یه کار مشخص انجام می‌ده
در نهایت کل این زنجیره اجرا می‌شه

این یه Framework برای ساخت همین مدل محیط‌ها روی وب هستش:

github.com/retejs/rete

مثلا عکس بالا یه چت بات کوچولو با چند تا بلوک ساده ساخته.

@Linuxor

اگه می‌خواید لینوکس یاد بگیرید فقط خوندن دستورات کافی نیست باید تستشون هم کنید این ابزار که برای یادگیریه یه محیط تمرینی شبیه باشگاه که بهت task میده و تو باید با Terminal واقعی حلشون کنی:

github.com/iximiuz/shellgym

@Linuxor

احتمالا اخیرا دیدید ربات های چینی کلی حرکت نمایشی و رزمی میزنن،‌ با پروژه UMR میشه حرکت انسان هارو به ربات منتقل کرد البته فقط نمایشی نیست توی صنعت خیلی از کار های انسان ها که خسته کنند هستن باید با ربات جایگزین بشه.

مثلاً حرکت یه انسان رو می‌گیره و با استفاده از Point Cloud Correspondence، اون رو برای ربات‌هایی مثل Unitree G1 به trajectory مفصل‌های ربات تبدیل می‌کنه.


hanyang9.github.io/UMR

@Linuxor

این یه اپ دسکتاپه که چینیا ساختنش برای ساختن Knowledge Base شخصی با کمک LLM هستش؛ یعنی به‌جای اینکه فقط فایل‌هات رو بندازی داخل یه RAG و هر بار موقع سؤال جواب گرفتن دوباره از بین متن‌ها Retrieval انجام بشه، سعی می‌کنه از فایل‌هات یه ویکی دائمی و به‌هم‌مرتبط بسازه و بعد همون دانش ساخته‌شده رو نگه داره و آپدیت کنه.

فرض کن یه پوشه داری با:

500 تا PDF
مقاله
فایل Word
کتاب EPUB
یادداشت
صفحات وب
عکس و فایل‌های مختلف

ابزار LLM Wiki می‌خونتشون و به‌جای اینکه فقط بگه:هر وقت سؤال پرسیدی، می‌گردم ببینم کدوم تکه از فایل‌ها به سؤال مربوطه. میاد یه چیزی شبیه Wikipedia شخصی خودت درست می‌کنه :

github.com/nashsu/llm_wiki


@Linuxor

استوری رفیقم! تازه دیروز بهش گفتم نیازی نیست کد رو از چت جی پی تی کپی کنی با ایجنت بزنی خودش واست مینویسه.


@Linuxor

من اگه راننده تاکسی بشم 7:

میدونیییییی؟ انویدیا دوست داره نبرد هوش مصنوعی رو شرکت های چینی ببرن نه آمریکایی ها؛ چون چینیا مدل هاشون اوپن ویته و بجای یک خریدار هزاران شرکت میتونن با همون قدرت رانش کنن و انویدیا به همشون میتونه کارت گرافیک بفروشه و قدرت چانه زنی بالاتری داره نسب به حالتی که یکی دو تا شرکت آمریکایی بخوان ازش کارت گرافیک بخرن، بخداااا

@Linuxor

اگه دنبال یه پروژه توی تقاطع AI و طراحی 3D هستید، حتماً نگاهی به Pascal بندازید. یه 3D editor متن‌باز برای طراحی ساختمان که با React Three Fiber و WebGPU ساخته شده و از همون اول با ذهنیت AI-native طراحی شده.

قسمت جذابش MCP هست؛ یعنی AI Agentهایی مثل Claude یا Codex می‌تونن مستقیماً با Scene کار کنن، آبجکت بسازن، تغییر بدن و توی محیط 3D عملیات انجام بدن. در واقع AI فقط پیشنهاد نمی‌ده، می‌تونه وارد محیط طراحی بشه و کار انجام بده.

اینو میشه به شکل Local هم اجرا کرد و ساختارش فقط یه UI ساده نیست؛ Editor، Viewer، Scene، Nodeها، CLI و MCP رو کنار هم داره. حتی برای Agentها Skill و workflow اختصاصی هم در نظر گرفته شده :

github.com/pascalorg/editor

@Linuxor

یه نفر مغز یه مگس رو ترین کرده که بتونه روبیک حل کنه!


@Linuxor

ورژن SceneFlow v2.3.0 منتشر شد!

اگه روی فیلم‌سازی با AI کار می‌کنید، SceneFlow یه ورک‌اسپیس متن‌باز برای سینک کردن اسکریپت با ویدیو به‌صورت Real-Time هستش؛ ابزاری برای بررسی دقیق Prompt Adherence و Visual Pacing.

توی این نسخه، Multi-Track Timeline با Timecode پیوسته، زوم‌های 4/8/16 ثانیه‌ای، Inspector جدید، VU Meter و Replay با یک کلیک اضافه شده. ویدیو هم با کلید V جمع میشه تا ضبط تایم‌لاین تمیزتر باشه.

از طرف دیگه Pure Black Canvas برای Premiere و Resolve، حالت CVD Safe برای دسترسی‌پذیری بهتر و Workspace قابل تنظیم با نسبت پیش‌فرض 65:35 هم اضافه شدن. یه آپدیت حسابی برای کسایی که دارن Workflow فیلم‌سازی با AI رو جدی‌تر می‌کنن.

تست آنلاین :
sceneflow.taruma.my.id
سورس کد :
github.com/taruma/SceneFlow


@Linuxor

توی وب به اینا میگن خرده‌نان یا Breadcrumb

داستانش اسمش هم جالبه : اسمش از داستان هانسل و گرتل اومده. توی داستان، برای اینکه مسیر برگشتشون رو پیدا کنن، پشت سرشون خرده‌نان می‌ریختن؛ Breadcrumb هم تقریبا همین کار رو می‌کنه؛ یعنی مسیر کاربر توی سایت رو نشون می‌ده تا کاربر بدونه از کجا اومده و بتونه راحت به صفحات قبلی برگرده.


@Linuxor

این cline مدلای خوبی داره. لینک زیر رو باز کنید و برید قسمت free:
api.cline.bot/api/v1/ai/cline/recommended-models

اونجا مدلایی که هستش قسمت id رو کپی کنید مثلا من دیپسیک رو زدم :

npx useclaudeproxy@3.9.0 --provider cline --model deepseek/deepseek-v4-flash

سایت اتومات براتون باز میشه تا اکانتتونو تایید کنید بعد تمام!
طبق مشخصاتی که لاگ میندازه میتونید هرجایی خواستید مثل کلادکد استفاده کنید.

@Linuxor ~ maanimis

یک نقشه تعاملی و رایگان از تمام استارتاپ‌های YC (یکی از معروف‌ترین و معتبرترین شتاب‌دهنده‌ها و سرمایه‌گذارهای استارتاپی دنیا) که طی 20 سال گذشته راه‌اندازی شدن؛ بیش از 6100 شرکت، بیش از 8300 بنیان‌گذار و 150 مافیای تکنولوژی اسم این ابزار YC Globe هستش.

این نقشه تمام شرکت‌هایی رو نشون میده که YC از تابستون 2005 تا امروز روی اون‌ها سرمایه‌گذاری کرده؛ حتی اولین دوره‌ی YC که فقط 8 استارتاپ توش بودن و یکی از اون‌ها Reddit بود.

روی هر نقطه از نقشه کلیک کنی، اطلاعات اون شرکت رو می‌بینی؛ مثل دوره‌ای که وارد YC شده، حوزه فعالیت، بنیان‌گذاران و اطلاعات دیگه.

حتی می‌تونی کل نقشه رو بر اساس این موارد فیلتر کنی:

دوره‌ی YC
حوزه فعالیت
منطقه‌ای که دفتر مرکزی شرکت توش قرار داره
وضعیت شرکت: فعال، غیرفعال یا خریداری‌شده
دانشگاه بنیان‌گذارها؛ بیش از 4900 دانشگاه
جایی که بنیان‌گذارها قبل از ورود به YC توش کار می‌کردن:

dashboard.vclense.ch/ycglobe

@Linuxor