📕 داستان پشت هر مقاله!

🚨 زمان مطالعه: ۱ دقیقه

🔗 #مقاله

🔺 شاید خیلی از ما وقتی به مقالات علمی نگاه می‌کنیم، فکر کنیم که نوشتن یک مقاله کار ساده‌ای بوده و هرچقدر که خوب باشه، به راحتی منتشر می‌شه. اما واقعیت چیز دیگریه. Jeff Huang، استاد دانشگاه و محقق، در یک پست جذاب به نام
Behind the Scenes: The Struggle for Each Paper
از چالش‌ها و داستان‌های پشت انتشار مقالاتش صحبت کرده. او توضیح می‌ده که نوشتن و منتشر کردن هر مقاله، یک داستان پیچیده‌ست که پر از تلاش‌های سخت، اشتباهات، و تصمیمات بزرگه.

🔹 چه چیزی توی این داستان‌ها هست؟ در این پست، جف از ۱۵ مقاله‌اش به عنوان دانشجو و ۱۵ مقاله‌اش به عنوان استاد صحبت می‌کنه. چطور هر مقاله از ایده‌ شروع می‌شه و بعد چالش‌هایی که برای رسیدن به مرحله انتشار پیش میاد. این پست بیشتر از این‌که فقط یک داستان علمی باشه، داستان تلاش‌های پشت پرده‌ایه که نشون می‌ده چطور هر مقاله می‌تونه تبدیل به یک موفقیت بشه.

🔺 چرا این داستان‌ها مهمه؟ این داستان‌ها به ما یادآوری می‌کنه که تحقیق و نوشتن مقاله نه تنها به علم و دانش نیاز داره بلکه به پشتکار و پشت صحنه‌های زیادی هم وابسته است. خیلی وقت‌ها، مقالات با چالش‌ها و مشکلات زیادی مواجه می‌شن تا به یک نتیجه خوب برسن.

🔖 منبع:
🔗 https://jeffhuang.com/struggle_for_each_paper/

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 همکاری پژوهشی در زمینه‌ی مدل‌های زبانی و پزشکی

برای کاری پژوهشی در زمینه‌ی مدل‌های زبانی (LLM) و پزشکی، در حال تشکیل تیمی شامل دانشجویان پزشکی و مهندسی هستیم. هدف کلی این پروژه‌ی پژوهشی، تمرکز روی مدل‌های زبانی با توجه به مسائل پزشکی و تلاش برای حل این سوالات براساس داده‌های در دسترس و evaluate براساس آزمون‌های معتبر این رشته هست.

در صورتی که علاقه‌مند به حضور در تیم این پروژه هستید، این فرم رو پر کرده، در ادامه توسط مسئولین پروژه، با شما ارتباط گرفته خواهد شد.

🔖 لینک فرم:
🔗 https://docs.google.com/forms/d/e/1FAIpQLScAl02dPBHjDwXN8v7Rh0Evr40YfmboC7l61XBD-e_qzcdtnw/viewform

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 کنترل درد به کمک داروهای جدید غیراپیوئیدی

🚨 زمان مطالعه: ۳۰ ثانیه

🔗 #مقاله
🔗 #پزشکی

🔺 نزدیک یک ماه پیش، ٣٠ ژانویه امسال، سازمان غذا و داروی آمریکا (FDA) دارویی به نام Suzetrigine رو به عنوان یک داروی ضد درد موثر approve کرد.

🔺 قبل از معرفی این دارو (و البته درحال حاضر تو کشور خودمون) از داورهای اوپیوئید مثل مورفین و پتدین برای کنترل درد استفاده می‌شد. نکته ای مهمی که توی استفاده از این داروها وجود داره اینه که به شدت می‌تونن اعتیادآور باشن و البته راه برای سوء مصرفشون هم بازه و در دوزهای بالا می‌تونن کشنده باشن.

🔹 اما داروی Suzetrigine با مهار اختصاصی کانال های سدیم Nav1.8 در گیرنده‌های محیطی، علاوه بر این‌که درد رو به طور موثری کنترل می‌کنه، اثرات اعتیادآور نداره و داروی به مراتب safeتری هست.

🔺 لیست بالا، کارآزمایی‌های بالینی دیگه رو نشون می‌ده که در حال انجام هستن و روی مکانیسم‌های مشابهی برای کنترل درد کار می‌کنن و می‌تونن نویدبخش ظهور استاندارهای جدید در این مقوله باشن.

🔖 لینک DOI مقاله:
🔗 https://doi.org/10.5582/ddt.2025.01010

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 اپلای تحصیلی

🚨 زمان مطالعه: ۴۵ ثانیه

🔗 #اپلای

🔺 یکی از اصلی‌ترین دلایل ریسرچ و چاپ مقاله، اپلای تحصیلی و گرفتن پوزیشن‌های اپلای در دانشگاه‌های برتر جهان هست. تا چند سال پیش که مستند «میراث آلبرتا» منتشر نشده بود، خیلی اطلاعات زیادی در رابطه با مهاجرت تحصیلی موجود نبود و اکثر اطلاعات هم سینه به سینه منتقل می‌شد.

🔹 طی سالیان اخیر اما دانشجویانی که خودشون این مسیر رو طی کردند، به ایجاد کانال‌ها و راه‌های ارتباطی مختلف جهت انتقال تجربه رو آوردند. معمولا دانشجوهای دانشگاه‌های برتر ایران هم هستند که مسیر رو یک بار می‌رن و در ادامه به آموزش همین مسیر به افراد دیگر می‌پردازند.

🔻 یکی از این کانال‌ها که توسط دانشجوها تشکیل شده، کانال Apply Hints هست که در اون، پست‌های واقع‌بینانه و آموزشی در رابطه با مهاجرت تحصیلی قرار می‌گیره. اگر علاقه‌مند بودید، می‌تونید از این‌جا دنبال‌شون کنید:
🔗https://www.tgoop.com/sharif_admission

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 تحلیل وضعیت رشته‌ی مهندسی کامپیوتر

🚨 زمان مطالعه: ۱ دقیقه

🔗 #مهندسی

🔺 حدود ۳ سال پیش، آقای Jeff Huang، استاد دانشگاه Brown، با هدف فراهم کردن اطلاعات جامع و شفاف درباره‌ی رشته‌ی مهندسی کامپیوتر، وب‌سایت "Computer Science Open Data" رو راه‌اندازی کرد. این سایت مجموعه‌ای از داده‌های مرتبط با اساتید، رتبه‌بندی‌ها، مقالات برتر و کمک‌هزینه‌های تحصیلی در این حوزه رو ارائه می‌ده و امروز قراره درباره‌ش صحبت کنیم.

🔹 داده‌های موجود در سایت:
◀️ اساتید: اطلاعاتی درباره‌ی بیش از ۵۰۰۰ استاد مهندسی کامپیوتر در ایالات متحده و کانادا، شامل نام، دانشگاه، مدرک تحصیلی، زیرشاخه تخصصی و سال پیوستن به دانشگاه.
◀️ رتبه‌بندی‌ها: تحلیل‌هایی درباره‌ی روند استخدام اساتید در زیرشاخه‌های مختلف مهندسی کامپیوتر، مانند سیستم‌ها، نظریه، هوش مصنوعی و بین‌رشته‌ای.
◀️ مقالات برتر: اطلاعاتی درباره‌ی برندگان جوایز بهترین مقاله در کنفرانس‌های معتبر مهندسی کامپیوتر.
◀️ کمک‌هزینه‌های تحصیلی: داده‌هایی درباره‌ی میزان کمک‌هزینه‌های تحصیلی ارائه‌شده به دانشجویان دکتری در رشته‌ی مهندسی کامپیوتر.

🔹 یک نکته‌ی جالب در این داده‌ها اینه که حدود ۲۵٪ از اساتید از چهار دانشگاه MIT، دانشگاه برکلی، دانشگاه CMU و دانشگاه استنفورد فارغ‌التحصیل شدن!

🔖 منبع:
🔗 https://jeffhuang.com/computer-science-open-data/

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 تاپ‌ترین کنفرانس‌های AI برای چاپ مقاله (در سال ۲۰۲۵)

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #هوش‌مصنوعی

🔺 اگه در ریسرچ AI جدی هستید، چاپ مقاله در یک کنفرانس خیلی خوب، موفقیت بزرگی حساب می‌شه. این کنفرانس‌ها رقابتی‌ترین رویدادهای علمی توی دنیای AI هستن و مسیر آینده‌ی شما رو می‌تونن تغییر بدن.

🔹 معتبرترین کنفرانس‌های AI و Machine Learning

◀️ کنفرانس NeurIPS (Neural Information Processing Systems) – تاپ‌ترین کنفرانس AI/ML که توش موضوعاتی مثل Deep Learning، Reinforcement Learning و Optimization کار می‌شه. مقاله‌هایی که اینجا چاپ می‌شن، خیلی اوقات مسیر ریسرچ AI رو مشخص می‌کنن.

◀️ کنفرانس ICML (International Conference on Machine Learning) – یکی از مهم‌ترین کنفرانس‌های ML که کلی ریسرچر تاپ کاراشون رو اینجا سابمیت می‌کنن.

◀️ کنفرانس ICLR (International Conference on Learning Representations) – اگه توی Deep Learning و Representation Learning کار می‌کنی، این کنفرانس یکی از بهترین جاها برای ارائه‌ی کار شماست!

◀️ کنفرانس AAAI (Association for the Advancement of Artificial Intelligence) – یک کنفرانس OG که کلی موضوع AI مثل Planning و Reasoning و Generative AI رو پوشش می‌ده.

🔺 کنفرانس‌های تخصصی در AI

◀️ کنفرانس‌های CVPR / ICCV / ECCV – سه تا از خفن‌ترین کنفرانس‌های Computer Vision که روی Image Generation، Object Detection و AI توی بینایی ماشین تمرکز دارن.
◀️ کنفرانس‌های ACL / EMNLP – بهترین جا برای NLP که کلی کار قوی روی LLMs و Transformers و Multimodal AI این‌جا ارائه می‌شه.
◀️ کنفرانس‌های AISTATS / UAI / COLT – مخصوص اون‌هایی که روی تئوری ML و مدل‌های احتمالاتی در AI کار می‌کنن.

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 کاهش استفاده از Social Media و بهتر شدن حس‌مون نسبت به زندگی!

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #مقاله

🔺 امسال مقاله‌ای منتشر شده با موضوع بهبود حس ما نسبت به زندگی و ظاهرمون با کاهش استفاده از شبکه‌های اجتماعی. خوبه اشاره کنیم که شرکت‌کننده‌های آزمایش این مقاله، تعدادی از دانشجویان کارشناسی یک دانشگاه کانادایی و ثبت‌نام‌کننده در کورس روان‌شناسی، بودند.

🔺 آزمایشی که برای این پژوهش طراحی شد، این‌طوری پیش رفت که ۲۲۰ نفر که گرفتار اضطراب و افسردگی بودند در مرحله‌ی اول انتخاب شدند، باهاشون مصاحبه انجام شده و طی مصاحبه متوجه شدن که اکثر اون‌ها زمان زیادی از روزمره‌ی خودشون رو در شبکه‌های اجتماعی از جمله اینستاگرام می‌گذرونن. در نتیجه، مرحله‌ی بعدی آزمایش با توجه به این مسئله طراحی شد.

🔺 مرحله‌ی بعدی آزمایش این‌طوری طراحی شده که به ۲ گروه ۱۱۰ نفری تقسیم شدند این افراد و روی تلفن همراه یک گروه، نرم‌افزارهایی نصب شده که محدودیت استفاده از social media اعمال کنه برای اون‌ها و فقط روزانه ۱ ساعت بتونن در شبکه‌های اجتماعی خودشون زمان بگذرونن، گروه دوم اما روند عادی زندگی خودشون رو پیش بردن. مدت زمان این مرحله از آزمایش هم ۴ هفته بوده.

🔹 نهایتا بعد از ۴ هفته نتایج نشون داده که استفاده‌ی کمتر از social media تاثیر خیلی زیادی روی دیدِ مثبت‌تر افراد نسبت به مسائل زندگی خودشون از جمله ظاهر، وزن و باقی حس‌ها داشته.

🔻 آزمایشی هم که انجام شده در این مقاله خیلی large scale هست در نوع خودش، معمولا duration آزمایش هر چی می‌ره بالاتر، تعداد شرکت‌کننده‌ها میاد پایین‌تر ولی کنترل کردن ۲۲۰ نفر به مدت ۴ هفته واقعا کار سختی‌ست.

🔹 خلاصه، به نظر برای زندگی بهتر، محدود کردن استفاده از social media یک راه حل هست!

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

هست ایام عید و فصل بهار
جشن جمشید و گردش گلزار

ای نگار بدیع وقت صبوح
زود برخیز و راح روح بیار

سال نو بر شما مبارک باد ❤️
با آرزوی موفقیت و سلامتی در کنار خانواده 🟢

🔅 «Instagram 💎 @Pyramid_Research»

📕 اپلیکیشن iMD

🔗 #اپلای
🔗 #پزشکی

🔺 چند روز اخیر، هر مدیای آکادمیکی رو باز کنین، خبرهای شیرین و البته توأمان غم‌انگیز اپلای کردن و یا match شدن دوستامون با پوزیشن‌های مورد علاقه‌شون در کشورهای مختلف رو می‌بینین.

🔺 به همین بهانه خواستیم اپلیکیشنی رو معرفی کنیم که برای دانشجوهای پزشکی که به مهاجرت فکر می‌کنن می‌تونه مفید باشه.

🔻 اپلیکیشن iMD، برنامه‌ایه که می‌تونین داخلش منابع مختلف زبان اصلی از جمله رفرنس‌های پزشکی، گایدلاین‌های به روز دنیا، اشتراک برنامه‌های دیگه مثل UpToDate، سوالات آزمون‌های USMLE سال‌های اخیر و موارد بی‌شمار دیگه‌ای رو تهیه و ازش استفاده کنین 😉

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 انتخاب مجله مناسب برای انتشار مقاله علمی، یکی از مراحل کلیدی در فرآیند تحقیق و نشره!

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔺 فاکتورهای مهمی که باید تو انتخاب یک مجله مرتبط و معتبر در نظر داشته باشید:

✅ 1. حوزه تخصصی مجله
   • تناسب موضوعی

✅ 2. معیارهای کیفیت و اعتبار
   • ضریب تأثیر (Impact Factor): این معیار نشون‌دهنده تعداد ارجاعات به مقالات منتشر شده تو یک مجله است و می‌تونه نشون‌دهنده اعتبارش باشه.
   • رتبه‌بندی‌های دیگر: به بقیه رتبه‌بندی‌ها مثل Scimago Journal Rank (SJR) و Eigenfactor هم توجه کنید.

✅ 3. دوره انتشار
   • زمان انتشار: بررسی کنید که مجله چه مدت زمانی برای انتشار مقالات نیاز داره. بعضی مجلات سریع‌تر از بقیه عمل می‌کنند.

✅ 4. نوع دسترسی (Open Access vs. Subscription)
   • دسترسی آزاد: اگه مقاله شما به صورت دسترسی آزاد منتشر بشه، احتمال بیشتری داره که توسط جامعه علمی بیشتری دیده و ارجاع داده بشه.
   • هزینه‌ها: بعضی مجلات برای انتشار مقالات به صورت دسترسی آزاد هزینه‌هایی دریافت می‌کنند. این هزینه‌ها رو قبل از ارسال بررسی کنید.

✅ 5. فرآیند داوری
   • نوع داوری: مطمئن بشید که مجله از فرآیند داوری همتا (Peer Review) استفاده می‌کنه. این فرآیند به اعتبار و کیفیت مقالات کمک می‌کنه.

✅ 6. راهنماهای نویسندگان
   • دستورالعمل‌ها: مجله باید دستورالعمل‌های واضح و دقیقی برای نویسندگان داشته باشه.

✅ 7. تعداد مقالات منتشر شده
   • تعداد مقالات سالانه: بررسی کنید که مجله چقدر مقاله در سال منتشر می‌کنه. این می‌تونه به شما ایده‌ای درباره حجم کار و رقابت تو اون مجله بده.

✅ 8. نظرات نویسندگان قبلی
   • تجربیات دیگران: نظرات نویسندگان قبلی درباره تجربه‌شون با مجله رو بررسی کنید. این اطلاعات می‌تونه به شما کمک کنه تا از کیفیت خدمات و فرآیند داوری مطلع بشید.

✅ 9. شمولیت در پایگاه‌های داده
   • فهرست‌های نمایه‌سازی: مطمئن بشید که مجله در پایگاه‌های داده معتبر مانند Web of Science، Scopus یا PubMed نمایه‌سازی شده باشه.

✅ 10. شبکه‌سازی و تأثیرگذاری
   • جامعه علمی: بررسی کنید که مجله به جامعه علمی خاصی تعلق داره یا نه. این می‌تونه به دیده شدن مقاله شما کمک کند.

🔹 با در نظر گرفتن این فاکتورها، می‌تونید مجله‌ای رو انتخاب کنید که بهترین گزینه برای انتشار مقاله شما باشه و شانس موفقیت شما را افزایش بده!

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

💻 آکادمی هرم | Pyramid!

🔺 میزان پیشرفت و تغییرات دنیای پژوهش خیلی زیاده، با گسترش ابزارها و بهبود کیفیت هوش مصنوعی‌ها، این سرعت بیشتر هم شده و همین موضوع به افزایش پوزیشن‌های کاری مربوطه هم انجامیده.

✅ ما در هرم از دنیای ریسرچ، ابعاد مختلف و کاربردی اون، پژوهش‌های مقاطع مختلف و لبه‌ی تکنولوژی و علم صحبت می‌کنیم. این‌جا سعی می‌کنیم درباره‌ی مقالات کنفرانس‌های برتر، ژورنال‌های با اعتبار بالا و skillهای مختلف مربوط به ریسرچ حرف بزنیم و اون‌ها رو آموزش بدیم.

🌐 بررسی مقالات فیلدهای پزشکی و مهندسی
🌐 آموزش ریسرچ
🌐 معرفی اپلای و اینترنشیپ
🌐 ارتباط با اساتید معتبر ایران و جهان

برای پیدا کردن پست مدنظر خودتون، کافیه از این هشتگ‌ها استفاده کنید:

🔗 #آموزش
🔗 #معرفی
🔗 #پزشکی
🔗 #مهندسی
🔗 #هوش‌مصنوعی
🔗 #ماشین‌لرنینگ
🔗 #مقاله
🔗 #اپلای
🔗 #دکتری
🔗 #ارشد
🔗 #کارشناسی
🔗 #ارائه
🔗 #سوال
🔗 #متفرقه

✅ روابط عمومی کانال:
✈️ @Pyramid_Research_Support

😊 ما رو به دوستانتون معرفی کنین 😉
با آرزوی موفقیت در سال جدید ❤️

🔅 «آکادمی هرم | @Pyramid_Research»

📕 ۵ اشتباه رایج در نوشتن چکیده مقاله (Abstract) که باعث ریجکت شدن می‌شه!

🔺 نوشتن چکیده (Abstract) یکی از مهم‌ترین بخش‌های مقاله است، چون اولین چیزی‌ست که داور و reviewer می‌بینن. اما خیلی‌ها این اشتباهات رو انجام می‌دن:

❌ ۱. اطلاعات اضافی یا نامرتبط
چکیده باید فقط شامل مهم‌ترین نتایج و روش تحقیق باشه، نه توضیحات کلی یا اطلاعاتی که در متن مقاله گفته می‌شه.

❌ ۲. استفاده از جملات مبهم و کلی
جملاتی مثل «نتایج نشان می‌دهد که روش ما بهتر است» بدون اعداد و شواهد علمی، اعتبار مقاله رو پایین میاره. حتماً نتایج کمی و کیفی رو ارائه بدید.

❌ ۳. عدم ذکر روش تحقیق
ذکر روش تحقیق (مثلاً نوع شبکه عصبی استفاده‌ شده یا تعداد داده‌های بررسی‌شده) ضروری‌ست. داوران به شفافیت روش‌شناسی حساس‌اند.

❌ ۴. طول بیش از حد یا خیلی کوتاه
هر ژورنال محدودیت کلمات خاصی داره (مثلاً ۱۵۰-۲۵۰ کلمه). چکیده طولانی یا خیلی کوتاه، تأثیر بدی روی تصمیم داور می‌ذاره.

❌ ۵. عدم تطابق با متن مقاله
چکیده باید یک خلاصه واقعی از مقاله باشه. اگر در متن اصلی، عددی رو آوردید، در چکیده هم باید همون مقدار باشه.

✅ راه‌حل:
قبل از ارسال، چکیده را چند بار مرور کنین، از ابزارهای خلاصه‌سازی کمک بگیرید و حتماً با یک فرد دیگر چک کنید.

📌 اگر این نکات برات مفید بود، پست رو برای دوستات بفرست! 🚀

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 مدل جدید o3 و رکوردشکنی‌های این مدل در بنچمارک‌ها

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

مدل جدید OpenAI به اسم o3 حسابی سروصدا کرده و نتایج اون خیلی زیاد جلب توجه کردند. عملکردش از مدل‌های قبلی به طرز قابل توجهی خیلی بهتر بوده و خب بیاید ببینیم چیکار کرده:

🔺 ARC-AGI (بنچمارک Reasoning)
این بنچمارک عملاً هوش و استدلال (reasoning) مدل رو تو حل مسائل پیچیده می‌سنجه، یک جورایی مثل تست هوش واسه AIها هست.
● مدل o3: امتیاز 87.5% (high-compute) | o1: امتیاز 32%
● مدل o3 با رکورد بالای 85% حتی از آدم‌های معمولی هم بهتر عمل کرده!

🔺 استدلال ریاضی (AIME، Frontier Math)
● AIME 2024: امتیاز 96.7% (تقریباً بی‌نقص)
● Frontier Math: امتیاز 25.2% | مدلای قبلی: زیر 2%

🔺 کدنویسی (SWE-Bench، Codeforces Elo)
● SWE-Bench (رفع باگ): 71.7 | o1: 48.9 (22.8 امتیاز بالاتر)
● Codeforces Elo: 2,727 (نزدیک به سطح کدنویسای حرفه‌ای)

🔺 بنچمارک GPQA
● مدل o3: امتیاز 87.7% | o1: امتیاز 78%
● این یکی نشون می‌ده چقدر مدل اطلاعات داره و چقدر خوب می‌تونه جواب بده. o3 دقتش بیشتر شده و کمتر چرند می‌گه (hallucination کمتر).

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 خطر بسته شدن آزمایشگاه‌ها در آمریکا پس از کاهش بودجه‌های تحقیقاتی ترامپ

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #مقاله
🔗 #پژوهش

🔺 اخیرا مقاله‌ای در نشریه Nature منتشر شده که به کاهش بودجه‌های تحقیقاتی ایالات متحده آمریکا تحت مدیریت دونالد ترامپ و تاثیر این موضوع بر روی محققان و آزمایشگاه‌ها پرداخته. بسیاری از محققانی که عمدتاً برای تأمین حقوق خود وابسته به بودجه‌های تحقیقاتی هستن، حالا خیلی زیاد نگران آینده‌ی خود هستن و برخی از اون‌ها، در فکر بستن آزمایشگاه‌های خود فرو رفتن.

🔹 یکی از محققان به نام جرمی اسپریگمن که تحقیقات خودش رو در دانشگاه پنسیلوانیا انجام می‌ده، گفت که پس از لغو بیش از نیمی از گرنت‌های فدرال خود، دیگه امیدی به ادامه‌ی تحقیقات نداره. محققان بسیاری همچون اسپریگمن و کریستا هریسون در دانشگاه کالیفرنیا، سان فرانسیسکو، نگران هستن که پروژه‌های تحقیقاتی اون‌ها در صورت قطع حمایت‌های مالی از سوی دولت، متوقف خواهد شد و ممکنه نتونن به راحتی به research ادامه بدن.

🔺 این تغییرات به‌ویژه بر محققانی که حقوق خودشون رو از بودجه‌های تحقیقاتی (نقدهای نرم یا همان "soft money") تأمین می‌کنن، تأثیر زیادی داره. این تیپ محققان به شدت تحت تأثیر کمبود بودجه‌های فدرال قرار دارن و باید نگرانی‌هایی جدی در مورد آینده شغلی خود داشته باشن.

🔖 لینک این مقاله:
🔗 https://www.nature.com/articles/d41586-025-00924-4

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 گسترش اشتباهات علمی ایجاد شده از سمت AI

🚨 زمان مطالعه: ۱ دقیقه و نیم

🔗 #مقاله
🔗 #پزشکی

🔺 همیشه درباره‌ی hallucination یا توهم زدن AI صحبت زیادی می‌شه، درباره‌ی این‌که هوش مصنوعی خیلی وقت‌ها صرفا خروجی‌های بی‌ربط و منطق می‌ده و استناد به اون‌ها کار درستی نیست، اما خب معمولا این موضوع باعث تغییر در روند کار دانشمندان نمی‌شد.

🔺 امسال، محققان متوجه شدن عبارتی عجیب به نام «میکروسکوپی الکترونی گیاهی» در مقالات زیادی استفاده شده در حالی که پیش‌زمینه‌ی درستی نداره. این عبارت که به نظر می‌رسه تکنیکال باشه، در واقع هیچ معنی علمی نداره و به نوعی به یک «فسیل دیجیتال» تبدیل شده که در سیستم‌های هوش مصنوعی به اشتباه ثبت و تقویت شده و تقریبا غیرقابل حذف هستن.

🔺 این اشتباه از یک فرآیند اسکن بد و اشتباه در ترجمه نشأت می‌گیره. در ابتدا، دو مقاله قدیمی از دهه ۱۹۵۰ به اشتباه این عبارت رو به وجود آوردن. سپس در چند مقاله ایرانی به دلیل شباهت‌های جزئی کلمات فارسی برای "vegetative" و "scanning" این عبارت ظاهر شد.

🔹 مشکل زمانی جدی‌تر شد که مدل‌های هوش مصنوعی مانند GPT-3 و دیگر مدل‌ها به این اشتباه «آشنا» شدن و در تحلیل‌های بعدی، این عبارت رو به طور اشتباهی در پیش‌بینی‌های خود وارد کردن. این نشون می‌ده که این اشتباه می‌تونه به صورت دائمی در پایگاه‌های داده AI جا خوش کنه.

🔺 در نهایت، این مسئله مطرح می‌کنه که چطوری اشتباهات به سرعت در سیستم‌های علمی گسترش می‌یابن و به چالش‌هایی در فرآیندهای بررسی علمی و تحقیقاتی دامن می‌زنن. برای رفع این اشتباهات، شفافیت بیشتر در داده‌های آموزشی و نظارت دقیق‌تر بر تحقیقات ضروری‌ست.

🔖 لینک این مقاله:
🔗 A weird phrase is plaguing scientific papers

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 همایش نوروساینس | همگرایی علوم اعصاب و هوش مصنوعی

🚨 زمان مطالعه: ۱۵ ثانیه

🔗 #معرفی
🔗 #ارائه

🔺 ۳ اردیبهشت، همایشی در زمینه‌ی Neuroscience در دانشگاه علوم‌پزشکی اصفهان توسط مرکز تحصصی هوش مصنوعی آیتک و با همکاری انجمن علوم اعصاب دانشگاه علوم‌پزشکی برگزار خواهد شد.

🔹 در پایان همایش، به شرکت‌کنندگان، certificate حضور در این برنامه اهدا می‌گردد.

🔖 لینک پست اصلی همایش:
🔗 https://www.tgoop.com/aitechinstitute/154

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»

📕 استفاده از LLMها در ریسرچ

🚨 زمان مطالعه: ۱ دقیقه

🔗 #هوش‌مصنوعی

🔺 مدل‌های بزرگ زبانی (LLMها) مثل ChatGPT دارن کم‌کم ریسرچ رو متحول می‌کنن و تاثیرشون رو زیاد می‌تونیم ببینیم. این مدل‌ها هم کار رو راحت‌تر کردن، هم یک سری چالش جدید پیش آوردن. مطالعات جدید نشون می‌دن که این تغییرات چقدر جدی هستن.

🔹 تاثیر آماری
در 17.5% از مقاله‌های CS و موضوعات اطرافش و 16.9% از peer reviewها، ردپای این LLMها هست. مخصوصاً از وقتی ChatGPT اومده، یک سری کلمات خاص بیشتر استفاده شدن.
در ژورنال‌های رشته‌های دیگه مثل ریاضی، استفاده از AI حدود 6.3% بوده.

🔹 این LLMها کجاها به کار میان؟
پیش‌نویس اولیه رو ساده‌تر می‌کنن و به ریسرچرها کمک می‌کنن متن‌های واضح‌تری آماده کنن.
متن رو برای کسایی که زبان انگلیسی، زبان اصلی‌شون نیست، واضح‌تر می‌کنند تا حرف‌شون راحت‌تر منتقل بشه.

🔹 چالش‌ها و خطرات
شفافیت (transparency): خیلی از ژورنال‌ها هنوز سیاست مشخصی برای AI ندارن، واسه همین بعضی وقت‌ها استفاده از AI به درستی گزارش نمی‌شه.
تکیه کردن بیش از حد به AI ممکنه سخت‌گیری peer review رو کاهش بده و عمق مشارکت انسانی رو تو جایی که لازمه، نداشته باشه.

🔺 با این تغییرات، مهمه که یک تعادل خوب بین استفاده از LLMها و مسئولیت انسانی باشه. اگه از این ابزارها درست استفاده بشه، می‌تونن حسابی به پیشرفت ریسرچ‌ها کمک کنن.

🔽 لینک بلاگ:
🔗 How Much Research Is Being Written by Large Language Models?

✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️ ✍️✍️✍️
😊 ما رو به دوستانتون معرفی کنین 😉

🔅 «Instagram 💎 @Pyramid_Research»