نویسنده مقاله در حال توسعه یه اپلیکیشن گزارش‌ساز بوده و از همون اول یه گزینه‌ی --dry-run بهش اضافه کرده. این فلگ باعث می‌شه بدون اینکه هیچ تغییری توی سیستم ایجاد بشه، بتونی ببینی اگه دستور رو اجرا کنی دقیقاً چه اتفاقی می‌افته. در عمل خیلی بیشتر از چیزی که انتظار داشت بهش کمک کرد؛ هم برای چک سریع وضعیت، هم برای تست رفتار اپلیکیشن بدون اتلاف وقت. تنها نقطه ضعفش اینه که یه کم کد رو شلوغ‌تر می‌کنه، ولی در کل ارزشش رو داره.

یه مهندس موفق شده Mac OS X 10.0 Cheetah رو به‌صورت native روی Nintendo Wii اجرا کنه. ویی از پردازنده PowerPC 750CL استفاده می‌کنه که نسل بعدی همون چیپی‌ه که توی مک‌های G3 بود، پس از نظر CPU سازگاری خوبی وجود داشت. برای اینکار یه بوت‌لودر سفارشی از صفر نوشته شده که کرنل XNU رو از SD کارت لود می‌کنه و کنترل رو بهش می‌ده. بعد از اون هم کرنل پچ شده و درایورهای لازم برای سخت‌افزار ویی نوشته شدن.

نویسنده این مقاله از تجربه‌اش توضیح می‌ده که چرا تایپ‌های دقیق و سخت‌گیرانه در PHP می‌تونن از باگ‌های رانتایم جلوگیری کنن. ایده اصلی اینه که وقتی تایپ‌ها واقعیت داده‌ها رو درست نشون بدن، آنالایزر استاتیک می‌تونه مشکلات رو قبل از اجرا پیدا کنه. از enum به‌جای string برای مقادیر محدود و از DTO برای داده‌های ورودی، دو راهکار اصلی پیشنهادی هستن. نتیجه نهایی کدی‌ه که کمتر نیاز به حفظ کردن context ذهنی داره و خواندنش آسون‌تره.

۱۶ هفته پیشliamduckett.com

تیم Spatie یه پکیج جدید به اسم spatie/guidelines-skills منتشر کرده که استانداردهای کدنویسی این تیم رو به دستیارهای هوش مصنوعی مثل Claude Code، Cursor، Codex و GitHub Copilot یاد می‌ده. این پکیج از اکوسیستم skills.sh استفاده می‌کنه و دیگه مثل نسخه قبلیش محدود به Laravel Boost نیست. چهار مجموعه مهارت برای PHP/Laravel، جاوااسکریپت، version control و امنیت توی این پکیج گنجونده شده. با این ابزار، AI دیگه کدی که با قراردادهای تیم مغایرت داشته باشه تولید نمی‌کنه.

۱۶ هفته پیشspatie.be

مدل‌های پاداش فرآیندی (PRM) در حوزه‌هایی مثل ریاضیات خوب عمل می‌کنن، ولی وقتی نوبت به تحلیل داده‌های پویا می‌رسه، دچار مشکل جدی می‌شن؛ نه خطاهای خاموش رو تشخیص می‌دن و نه بین اکتشاف ضروری و شکست واقعی فرق می‌ذارن. محققان با معرفی DataPRM این شکاف رو پر کردن؛ یه مدل پاداش تولیدی آگاه از محیط که به‌صورت فعال با محیط اجرا تعامل می‌کنه تا خطاهای پنهان رو کشف کنه. نتایج نشون می‌ده که DataPRM با فقط ۴ میلیارد پارامتر، عملکرد مدل‌های پایین‌دستی رو تا ۱۱ درصد روی بنچمارک‌های تخصصی بهبود می‌ده.

۱۶ هفته پیشarxiv.org

اسپاتی یه پکیج جدید برای لاراول منتشر کرده به اسم Laravel Mobile Pass که باهاش می‌تونی پاس‌های Apple Wallet و Google Wallet رو مستقیم از اپ لاراولت بسازی و مدیریت کنی. از بلیت پرواز و کنسرت گرفته تا کارت وفاداری و عضویت باشگاه، همه چیز با یه API روان و فلوئنت قابل ساختنه. جالب‌ترین قابلیتش اینه که می‌تونی پاس‌های از قبل صادرشده رو هم آپدیت کنی و تغییرات رو بلادرنگ روی گوشی کاربر نشون بدی، بدون اینکه کاربر کاری بکنه. پکیج هم از Apple APNs پشتیبانی می‌کنه هم از Google Wallet callback.

۱۶ هفته پیشfreek.dev

یه توسعه‌دهنده باتجربه که مدت‌هاست MCP server می‌سازه، درس‌های عملی‌اش رو از ساخت یه سرور آفیس واقعی با بیش از ۱۰۰ ابزار با ما در میون گذاشته. مهم‌ترین نکته اینه که مدل‌های زبانی برنامه‌ریز پنهان ندارن؛ فقط محتمل‌ترین گام بعدی رو انجام می‌دن. پس سرور باید کاری کنه که قدم بعدی برای مدل کاملاً واضح باشه. این مقاله یه چک‌لیست عملی برای طراحی درست chain ابزارها ارائه می‌ده که از ماه‌ها دیباگ واقعی به دست اومده.

۱۶ هفته پیشtaoofmac.com

اپل بعد از اینکه نسخه M5 ویژن پرو هم نتونست این محصول رو نجات بده، عملاً از ادامه‌اش دست کشیده. تیم توسعه این هدست منحل شده و اعضاش به بخش‌های دیگه‌ای مثل سیری منتقل شدن. کل فروش ویژن پرو در طول عمرش به زور به ۶۰۰ هزار دستگاه رسیده و میزان مرجوعی‌هاش از هر محصول مدرن دیگه‌ای از اپل بیشتر بوده. اپل الان به جای VR، روی عینک‌های هوشمند مشابه Ray-Ban Meta کار می‌کنه که نمایشگر نداره ولی AI داره.

از وقتی مایکروسافت گیت‌هاب رو خریده، کیفیت سرویس به‌شدت افت کرده؛ از مشکلات uptime گرفته تا پر شدن پلتفرم از ربات و محتوای اسپم. نویسنده معتقده که گیت‌هاب دیگه اون ابزار قابل‌اعتماد قدیمی نیست و وقتشه که به فکر جایگزین باشیم. جایگزین‌هایی مثل Codeberg، GitLab، Forgejo و حتی self-hosted گزینه‌های روی میزن. نکته مهم اینه که Git یه تکنولوژی توزیع‌شده‌ست و اصلاً به گیت‌هاب وابسته نیست.

در فصل اول ۲۰۲۶، گوگل کلود با رشد ۶۳ درصدی نسبت به سال قبل، از AWS با ۲۸٪ و Azure با ۴۰٪ پیشی گرفت. دلیل اصلی این برتری اینه که گوگل هم مدل‌های هوش مصنوعی (جمینای) و هم تراشه‌های اختصاصی (TPU) رو خودش داره و نیازی به پرداخت حق لایسنس به OpenAI یا Anthropic نداره. سه غول بزرگ ابری در مجموع ۱۱۲ میلیارد دلار در زیرساخت هزینه کردن و برای تأمین مالی این رقابت، گوگل و آمازون به انتشار اوراق قرضه روی آوردن. هر کسی که لایه مدل رو در اختیار داره، سریع‌ترین رشد رو داره.

توی کد منبع باز Codex CLI که OpenAI روی گیت‌هاب منتشر کرده، یه دستور عجیب توی سیستم‌پرامپت GPT-5.5 پیدا شده: مدل باید هرگز از گابلین، ترول، راکون، کبوتر و موجوداتی از این دست حرف نزنه — مگه که کاملاً به سؤال کاربر مربوط باشه. این دستور دوبار تکرار شده و نشون می‌ده GPT-5.5 یه عادت عجیب داره که خودش وسط مکالمه‌های نامربوط می‌ره سراغ گابلین‌ها! کارمندان OpenAI گفتن این یه ترفند بازاریابی نیست، اما سم آلتمن با شوخی موضوع رو تأیید کرد. جالب اینه همین سیستم‌پرامپت دستور می‌ده مدل وانمود کنه «زندگی درو

۱۶ هفته پیشarstechnica.com

بازار اینفرنس هوش مصنوعی با سرعت عجیبی داره تخصصی می‌شه؛ دقیقاً همون اتفاقی که یه‌روزی برای دیتابیس‌ها افتاد. درآمد مراکز داده NVIDIA از ۳.۶ میلیارد دلار در پایان ۲۰۲۲ به ۶۲.۳ میلیارد دلار در اوایل ۲۰۲۵ رسیده — یعنی ۱۷ برابر رشد از زمان لانچ ChatGPT. حالا بار کاری‌های مختلف مثل تصویر، ویدیو، صدا، اجرای روی دستگاه، و پردازش دسته‌ای، هرکدام زیرساخت و معماری مختص خودشون رو می‌طلبن. این تکه‌تکه‌شدن بازار ۱۰۰ میلیارد دلاری می‌تونه بازیگران بزرگی مثل Oracle، MongoDB و Snowflake برای AI تولید کنه.

۱۶ هفته پیشtomtunguz.com

مدیرعامل جدید پی‌پال، انریکه لورس، تصمیم گرفته ونمو رو برای اولین بار به یه بخش مستقل تبدیل کنه. این تغییر ساختار به شرکت کمک می‌کنه عملکرد ونمو رو بهتر رصد کنه یا در صورت نیاز راحت‌تر بفروشه. استرایپ و چند خریدار دیگه هم چشمشون دنبال پی‌پاله و این بازسازی می‌تونه زمینه‌ساز یه معامله بزرگ بشه. در همین حین دو مدیر ارشد شرکت رو ترک می‌کنن و طرح اخراج گسترده هم هنوز در بلاتکلیفیه.

ارزیابی مدل‌های هوش مصنوعی دیگه فقط یه مرحله‌ی ساده نیست؛ به یه بار مالی سنگین تبدیل شده که داره تحقیقات رو محدود می‌کنه. لیدربورد HAL برای ارزیابی ۹ مدل روی ۹ بنچمارک، ۴۰ هزار دلار خرج کرده. در بنچمارک‌های علمی مثل The Well، ارزیابی یه معماری جدید به ۹۶۰ ساعت H100 نیاز داره. جالب‌تر اینه که خرج بیشتر لزوماً نتیجه‌ی بهتر نمی‌ده و ابزارهای کاهش هزینه که برای بنچمارک‌های استاتیک کار می‌کردن، برای ارزیابی‌های agentمحور خیلی کمتر مؤثرن.

۱۶ هفته پیشhuggingface.co

Cloudflare با همکاری Stripe یه پروتکل جدید معرفی کرده که به ایجنت‌های هوش مصنوعی اجازه می‌ده بدون هیچ دخالت انسانی، اکانت Cloudflare بسازن، دامنه بخرن، و اپ رو مستقیم به پروداکشن دپلوی کنن. کاربر فقط باید به Stripe لاگین باشه و شرایط سرویس رو قبول کنه؛ بقیه کارها رو ایجنت انجام می‌ده. این پروتکل روی سه ستون کشف سرویس، احراز هویت خودکار، و پرداخت امن بنا شده و هر پلتفرمی با کاربران لاگین‌شده می‌تونه ازش استفاده کنه.

۱۶ هفته پیشblog.cloudflare.com

LaDiR یه فریم‌ورک جدیده که مدل‌های دیفیوژن رو با LLMها ترکیب می‌کنه تا استدلال متنی رو بهتر کنه. مشکل اصلی اینه که مدل‌های زبانی اتورگرسیو نمی‌تونن توکن‌های قبلی رو بازبینی کنن و این محدودیت کیفیت استدلال رو پایین میاره. LaDiR با استفاده از یه VAE فضای پنهان می‌سازه و بعد یه مدل دیفیوژن روی اون اجرا می‌کنه تا مراحل استدلال رو تکرار و اصلاح کنه. نتایج روی بنچمارک‌های ریاضی و برنامه‌ریزی نشون می‌ده که این روش از روش‌های اتورگرسیو و دیفیوژن‌محور قبلی بهتره.

۱۶ هفته پیشmachinelearning.apple.com

گوگل اعلام کرده که قراره تراشه‌های TPU اختصاصیش رو به مشتریان منتخب بفروشه تا توی دیتاسنترهای خودشون نصب کنن. این تغییر استراتژی بزرگیه چون تا الان فقط ظرفیت TPU رو از طریق سرویس‌های ابری اجاره می‌داد. این اقدام رقابت گوگل با نویدیا رو جدی‌تر می‌کنه و نشون می‌ده شرکت‌های بزرگ فناوری دارن تلاش می‌کنن از سلطه نویدیا در بازار تراشه‌های هوش مصنوعی کم کنن. آمازون هم با تراشه‌های Trainium و Graviton در همین مسیر حرکت می‌کنه.

۱۶ هفته پیشfinance.yahoo.com

آمازون الان جزو سه تا غول بزرگ تراشه‌های دیتاسنتر دنیاست و کسب‌وکار تراشه‌هاش از مرز ۲۰ میلیارد دلار سالانه رد شده. اگه آمازون خودش رو هم به‌عنوان مشتری حساب می‌کرد، این عدد به ۵۰ میلیارد دلار می‌رسید. Trainium2 تقریباً تمام فروخته شده، Trainium3 هم داره به همون وضع می‌رسه، و حتی Trainium4 که هنوز ۱۸ ماه تا عرضه عمومیش مونده، بخش زیادیش رزرو شده. OpenAI، Anthropic، Meta و Uber از جمله بزرگ‌ترین مشتریانی هستن که روی این تراشه‌ها شرط بستن.

۱۶ هفته پیشtheregister.com

ProEval یه فریم‌ورک متن‌باز از DeepMind هست که هزینه ارزیابی مدل‌های GenAI رو تا ۱۰۰ برابر کاهش می‌ده. این ابزار با استفاده از surrogate های مبتنی بر Gaussian Process، نرخ خطای مدل رو تنها با یک درصد از داده‌ها با دقت ±۱٪ تخمین می‌زنه. علاوه بر این، ProEval به‌صورت فعالانه الگوهای شکست مدل رو شناسایی می‌کنه و اطلاعات ارزشمندی برای بهبود توسعه AI فراهم می‌آره. روی بنچمارک‌های معروفی مثل GSM8K، MMLU و StrategyQA هم اعتبارسنجی شده.

۱۶ هفته پیشgithub.com

آموزش مدل‌های زبانی بزرگ با کانتکست‌های ۱۰۰ هزار توکنی و بیشتر، چالش جدی کمبود حافظه GPU رو به همراه میاره. AutoSP یه کامپایلر اتوماتیکه که کد آموزش معمولی ترنسفورمر رو به کد چند-GPU با Sequence Parallelism تبدیل می‌کنه، بدون اینکه برنامه‌نویس مجبور باشه دست به کد پیچیده‌ای بزنه. این ابزار درون DeepSpeed ادغام شده و با تغییر چند خط کانفیگ فعال می‌شه. نتایج روی مدل‌های Llama 3.1 نشون می‌ده که AutoSP حداکثر طول کانتکست قابل‌آموزش رو به طرز قابل‌توجهی افزایش می‌ده، در حالی که سربار زمانی اجرا به حد

۱۶ هفته پیشpytorch.org