AIMap ابزاری متن‌باز از Bishop Fox هست که زیرساخت‌های AI عمومی رو کشف، آنالیز و از نظر امنیتی تست می‌کنه — همون‌طوری که مهاجم‌ها الان این کارو می‌کنن.

PyGhidra-MCP یه سرور MCP مبتنی بر خط فرمانه که قدرت تحلیلی ابزار مهندسی معکوس Ghidra رو مستقیماً در اختیار LLMها و ایجنت‌های هوش مصنوعی قرار می‌ده. این ابزار از طریق پروتکل MCP، بین Ghidra و اکوسیستم مدل‌های زبانی پل می‌زنه تا تحلیل باینری‌ها رو خودکار کنه. دو مد headless برای اتوماسیون و GUI برای کار تعاملی با محیط گرافیکی Ghidra پشتیبانی می‌شه. همچنین امکان جستجوی معنایی روی کدهای دیکامپایل‌شده با کمک ChromaDB هم داره.

۲۳ هفته پیشgithub.com

Herd یه پلتفرم هوش مصنوعی‌محور برای آموزش امنیت سایبری به کارمندانه که تازه ۳ میلیون دلار سرمایه جذب کرده. این ابزار به جای دوره‌های سالانه خسته‌کننده، آموزش‌های کوتاه و مداوم رو مستقیم تو Slack و Teams به کارمندا می‌ده. Herd سیاست‌های امنیتی و اطلاعات تهدیدات سازمان رو می‌خونه و محتوای آموزشی اختصاصی می‌سازه. این پلتفرم از استانداردهایی مثل SOC 2، ISO 27001 و HIPAA هم پشتیبانی می‌کنه.

Claude Code یه ایجنت کدنویسی قدرتمنده که می‌تونه فایل‌ها رو بخونه، دستور اجرا کنه و به اینترنت دسترسی داشته باشه — دقیقاً همین‌ها هم منبع ریسک امنیتی جدی هستن. وقتی ایجنت داده‌های حساس رو وارد context window خودش می‌کنه، هر درخواست ساده‌ای مثل بررسی یه سایت می‌تونه به نشت اطلاعات منجر بشه. اضافه کردن دستورالعمل‌های متنی مثل «داده حساس رو لیک نده» کافی نیست، چون ایجنت‌های هوش مصنوعی احتمالاتی عمل می‌کنن نه قطعی. راه‌حل واقعی استفاده از یه لایه‌ی Agent Harness با سیاست‌های Cedar به‌عنوان «ترمز قطع

۲۳ هفته پیشblog.sondera.ai

وبینار Temporal و Grid Dynamics درباره‌ی چالش‌های واقعی استقرار ایجنت‌های هوش مصنوعی در محیط پروداکشن و اهمیت طراحی «هارنس» به‌عنوان یک مسئله مهندسی جدی.

۲۳ هفته پیشpages.temporal.io

گوگل کلود یه چارچوب کامل امنیتی برای مدیریت هویت و دسترسی عامل‌های هوش مصنوعی معرفی کرده که کنترل دقیق‌تری روی رفتار و دسترسی آن‌ها می‌ده.

خیلی از بنیان‌گذاران و تیم‌های فروش قیمت محصول رو بر اساس سختی ساختنش تعیین می‌کنن؛ اشتباهی که می‌تونه کسب‌وکار رو از مسیر بندازه.

Addfox یه فریم‌ورک متن‌باز برای توسعه افزونه‌های مرورگره که روی Rsbuild ساخته شده و با سرعت بالا و پشتیبانی ویژه از AI، تجربه توسعه رو متفاوت می‌کنه.

۲۳ هفته پیشaddfox.dev

النا ورنا، VP Growth در Lovable، در رویداد Stripe Sessions از بزرگ‌ترین اشتباه شرکت‌های تکنولوژی گفت: بی‌توجهی به مونتایزیشن به‌عنوان یک اهرم رشد.

در یک روز تاریخی (۴ مه ۲۰۲۶)، آمازون، اوپن‌ای‌آی و آنتروپیک هر کدام ابتکارات بزرگی رو اعلام کردن که مدل فروش تکنولوژی به کسب‌وکارها رو به‌کل تغییر می‌ده. دیگه قرار نیست با هر شرکت جداگانه قرارداد بستن؛ بلکه با یک توافق واحد می‌شه ابزارها رو در ده‌ها یا صدها شرکت همزمان پیاده کرد. اوپن‌ای‌آی چهار میلیارد دلار برای «The Deployment Company» جمع کرد، آنتروپیک با گلدمن ساکس و بلک‌استون شریک شد، و آمازون هم زیرساخت لجستیکش رو به روی همه کسب‌وکارها باز کرد. این تغییر می‌تونه به سلطه چند پلتفرم بزرگ بر

۲۳ هفته پیشpymnts.com

متا یه رویکرد جدید به اسم In-Kernel Broadcast Optimization یا IKBO معرفی کرده که یه مشکل اساسی در سیستم‌های توصیه‌گر رو حل می‌کنه: تکثیر بی‌دلیل embedding های کاربر برای هر کاندیدا. در روش‌های معمول، embedding کاربر باید برای هزاران آیتم کاندیدا کپی بشه که هم حافظه و هم پهنای باند رو هدر می‌ده. IKBO این broadcast رو مستقیم داخل kernel های محاسباتی مدیریت می‌کنه و دیگه هیچ تنسور تکراری‌ای ساخته نمی‌شه. این بهینه‌سازی روی GPU و MTIA متا در تمام مراحل رتبه‌بندی پیاده‌سازی شده و تا ۲/۳ کاهش در تأخیر

۲۳ هفته پیشpytorch.org

ProgramBench یه بنچمارک جدیده که می‌سنجه آیا مدل‌های زبانی می‌تونن فقط با یه فایل اجرایی و مستنداتش، کل سورس‌کد یه برنامه رو از صفر بازنویسی کنن. هیچ اشاره‌ای به ساختار، کلاس، یا فایل‌ها داده نمی‌شه و مدل باید همه‌چیز رو خودش طراحی کنه. نتایج جالبه: هیچ‌کدام از مدل‌های بزرگ مثل Claude، GPT-5 یا Gemini نتونستن حتی یه تسک رو به‌طور کامل حل کنن. این بنچمارک ۲۰۰ تسک داره که از ابزارهای کوچیک مثل ripgrep تا پروژه‌های عظیمی مثل SQLite و FFmpeg رو پوشش می‌ده.

۲۳ هفته پیشprogrambench.com

یکپارچه‌سازی سیستم‌های سازمانی (System Integration) یکی از بزرگ‌ترین و پرهزینه‌ترین بخش‌های IT سازمانی‌ه که در ۲۰ سال اخیر تقریباً هیچ تغییری نکرده. مهاجرت‌های بزرگ SAP سال‌ها طول می‌کشه، صدها میلیون دلار هزینه داره و اغلب هم شکست می‌خوره. حالا با قابلیت‌های جدید مدل‌های زبانی بزرگ، استارتاپ Tessera ادعا می‌کنه می‌تونه این کار رو با تیمی کوچیک‌تر و سریع‌تر انجام بده. ایجنت‌های هوش مصنوعی این شرکت می‌تونن کدهای قدیمی ABAP رو بخونن، منطق کسب‌وکار رو استنتاج کنن و کل فرایند مهاجرت به S/4HANA رو خود

۲۳ هفته پیشa16z.news

کتاب «How to Scale Your Model» که توسط محققان Google DeepMind و دیگران نوشته شده، سعی می‌کنه پرده از رموز مقیاس‌پذیری مدل‌های زبانی بزرگ برداره. این کتاب توضیح می‌ده که TPU و GPU چطور کار می‌کنن، مدل‌های LLM چطور روی سخت‌افزار واقعی اجرا می‌شن، و چطور می‌شه موازی‌سازی درستی برای آموزش و استنتاج انجام داد. هدفش اینه که بتونی هزینه و زمان آموزش مدل‌های بزرگ رو تخمین بزنی و بهترین طرح موازی‌سازی رو برای سخت‌افزار موجود انتخاب کنی. این منبع برای هر کسی که می‌خواد تحقیقات ML رو در مقیاس بزرگ انجام بد

۲۳ هفته پیشjax-ml.github.io

سیسکو اعلام کرده که قراره Astrix Security رو بخره تا پورتفولیوی امنیت AI Agent‌هاش رو تقویت کنه. Astrix یه پلتفرم امنیتی تخصصی داره که روی شناسایی و مدیریت هویت‌های غیرانسانی (NHI) مثل API Key‌ها، Service Account‌ها و OAuth Token‌ها تمرکز داره. این قابلیت‌ها قراره به Cisco Identity Intelligence، Cisco Secure Access و Duo IAM اضافه بشه. جالبه که طبق گزارش Cisco، فقط ۲۴٪ از سازمان‌ها می‌تونن رفتار AI Agent‌هاشون رو با نظارت زنده کنترل کنن. این دومین خرید سیسکو در حوزه مدیریت AI طی چند هفته اخیره.

در آوریل ۲۰۲۶، آنتروپیک، اوپن‌ای‌آی و گیت‌هاب طی سه هفته پنج تغییر اساسی در پلن‌های اشتراکی‌شان اعلام کردن که همگی نشانه‌ای از یه بحران ساختاری مشترک بودن. مشکل اصلی اینه که مدل اشتراک این شرکت‌ها برای یه محصول چت‌بات ساده طراحی شده، ولی الان باید جوابگوی ایجنت‌های خودکار چندساعته، ابزارهای کدنویسی و کارهای async باشه. ریشه‌ی اصلی فاجعه اینه که حد و مرز مشخصی بین نوع مصرف کاربران در سیستم‌های billing وجود نداشته و این شرکت‌ها به‌جای بازطراحی اساسی، فقط وصله‌پینه می‌کردن تا اینکه کار به بحران عمو

۲۳ هفته پیشthefinancialengineer.substack.com

آنتروپیک چند قابلیت مهم برای Claude Managed Agents معرفی کرده که مهم‌ترینشون «dreaming» هست؛ یه فرآیند زمان‌بندی‌شده که سشن‌های گذشته‌ی ایجنت رو مرور می‌کنه، الگوها رو پیدا می‌کنه و حافظه رو بهینه می‌سازه تا ایجنت‌ها به‌مرور از خودشون بهتر بشن. علاوه بر این، قابلیت «outcomes» بهت اجازه می‌ده یه معیار موفقیت تعریف کنی تا ایجنت بر اساس اون کارش رو ارزیابی و اصلاح کنه. همچنین هماهنگی چند-عاملی (multiagent orchestration) اضافه شده که یه ایجنت اصلی می‌تونه کارهای پیچیده رو به ایجنت‌های متخصص موازی وا

۲۴ هفته پیشclaude.com

اپل از اوایل ۲۰۲۶ جلوی آپدیت چند اپ هوش مصنوعی مثل Replit رو گرفته، چون این اپ‌ها کد تولید می‌کنن و نتیجه رو توی یه web view داخلی نشون می‌دن. قانون ۲.۵.۲ App Store می‌گه اپ‌ها باید self-contained باشن و نباید کدی اجرا کنن که قابلیت جدید معرفی کنه. مشکل اصلی اینه که فرآیند بررسی اپل برای نرم‌افزاری که رفتارش در لحظه‌ی اجرا توسط یه مدل هوش مصنوعی تعیین می‌شه، اصلاً ابزاری نداره. در همین حال OpenAI داره یه اکوسیستم جدید می‌سازه که اپ‌ها رو به‌شکل سرویس‌های MCP توزیع می‌کنه، نه باینری‌های ثابت.

۲۴ هفته پیشadaptivesoftware.substack.com

گوگل یه قابلیت جدید به Meet اضافه کرده که به ادمین‌ها اجازه می‌ده قبل از شروع خودکار یادداشت‌برداری با Gemini، ضبط جلسه، یا رونویسی (Transcript)، رضایت صریح شرکت‌کننده‌ها رو الزامی کنن. این ویژگی به‌صورت پیش‌فرض خاموشه و باید توسط ادمین در کنسول مدیریتی فعال بشه. رول‌اوت این قابلیت از ۵ مه ۲۰۲۶ شروع شده و بسته به نسخه‌ی Google Workspace، سطح پوشش متفاوتیه.

۲۴ هفته پیشworkspaceupdates.googleblog.com

محققان در مقاله‌ای که قرار است در ICML 2026 ارائه بشه، استدلال می‌کنن که هالوسینیشن در مدل‌های زبانی بزرگ اساساً یه مشکل «آگاهی از مرز دانش» است، نه صرفاً کمبود اطلاعات. به جای دوگانه‌ی «جواب بده یا سکوت کن»، راه سومی پیشنهاد می‌شه: ابراز صادقانه‌ی عدم اطمینان. این رویکرد که «متاکاگنیشن» نامیده می‌شه، یعنی مدل بدونه چی می‌دونه و چی نمی‌دونه و این آگاهی رو صادقانه با کاربر در میان بذاره. نویسندگان معتقدن این توانایی برای ساخت مدل‌های هم قابل اعتماد و هم کاربردی ضروریه.

۲۴ هفته پیشarxiv.org