AI FRONTIER
Signals worth understanding before they become obvious.
ورقة فريق Seed من ByteDance تعزو «اضطرابات» DeepSeek إلى حساسية الطور
وفقًا لموقع Jiemian.com، تعزو ورقة لفريق Seed من ByteDance ظاهرة «الاضطرابات» في DeepSeek إلى حساسية الطور.
- المصدر هو Jiemian.com.
- الورقة من فريق Seed التابع لـ ByteDance.
- الورقة تعزو ظاهرة «الاضطرابات» في DeepSeek إلى حساسية الطور.
بالنسبة لبناة الذكاء الاصطناعي، تشير الورقة إلى إدراج حساسية الطور في قائمة التشخيص عند التحقيق في مخرجات النماذج الكبيرة غير المستقرة.
هل لا تزال النماذج الكبيرة متعددة الوسائط بحاجة إلى مُرمِّز بصري؟ دراسة لقوانين القياس من Tencent
تفحص دراسة لقوانين القياس من Tencent ما إذا كانت النماذج الكبيرة متعددة الوسائط لا تزال تحتاج إلى مُرمِّز بصري منفصل، مستكشفةً اتجاهًا معماريًا جديدًا.
- المصدر هو 科技行者، ويشير العنوان إلى أن الدراسة من Tencent.
- تستخدم الدراسة قوانين القياس للسؤال عما إذا كانت النماذج الكبيرة متعددة الوسائط لا تزال تحتاج إلى مُرمِّز بصري.
بالنسبة للفرق التي تبني أنظمة متعددة الوسائط، تشير هذه الدراسة إلى أن إمكانية استبدال المُرمِّز البصري بمعمارية موحّدة ينبغي أن تدخل في تقييم اختيار المعمارية.
التحقق والتحسين الذاتي في الذكاء الاصطناعي الوكيلي: الأسس والحدود
تقدم الورقة تحققًا محدودًا بعشوائية نهائية خفية لمقارنة تحسينات الوكيل الناتجة عن بحث أطول أو دعم إضافي أو تعديل طرق الاقتراح والتحقق، وتثبت أن التضخيم بأغلبية مستقلة يحفظ اللغتين بينما قد يقبل القبول الوجودي على الأشرطة العشوائية مخرجات غير صحيحة.
- تثبت الورقة أن أصناف المتحقق العشوائي تحقق Σ_k^P ⊆ Σ_k^RV ⊆ Σ_{k+1}^P، مع اشتراط افتراضات تعقيد صريحة للتوسيع الصارم وفصل العمق.
- تُظهر الورقة أن BPP = P ينتج أصنافًا مرافقة دقيقة بالحدود نفسها.
- تذكر الورقة أن التعديل الذاتي المحدود بشكل منتظم تحت مفسّر سليم مشترك وبروتوكول تحقق ثابت يبقى ضمن صنف التحقق نفسه.
- تتألف الورقة من 26 صفحة و5 أشكال وتتضمن البراهين ومخرجات قابلية إعادة الإنتاج.
يربط هذا الإطار ادعاءات التحسين الذاتي بالتزامات تتعلق بالصحة والأدلة المقبولة وموارد التحقق وخطأ الاختيار، مما يمنح البنائين وسيلة صورية لفصل مكاسب البحث عن مكاسب التحقق.
Asana تخفض تكاليف النموذج 76 مرة في اختبارات المتصفح مع GPT-6.1 Sol
باستخدام GPT-6 Astra في Codex، جعلت Asana وكيل المتصفح لديها أرخص 76 مرة وأسرع 5 مرات في الاختبارات، لتقديم نماذج أكثر قدرة للعملاء.
- استخدمت Asana نموذج GPT-6 Astra في Codex.
- أصبح وكيل المتصفح لديها أرخص 76 مرة في الاختبارات.
- أظهرت الاختبارات نفسها تحسنًا في السرعة بمقدار 5 مرات.
بالنسبة للفرق التي تبني وكلاء المتصفح، يشير هذا التغير المُبلَّغ عنه في التكلفة والسرعة إلى أن استخدام GPT-6 Astra في Codex يمكن أن يخفض نفقات المهمة الواحدة بشكل حاد.
واجهة OpenAI Decisions API تدخل النسخة التجريبية العامة بإجابات مُنمّطة أسرع 10 مرات
دخلت واجهة OpenAI Decisions API النسخة التجريبية العامة، ويُقال إن إجاباتها المُنمّطة أسرع 10 مرات.
- دخلت واجهة OpenAI Decisions API النسخة التجريبية العامة.
- يُقال إن الإجابات المُنمّطة أسرع 10 مرات.
بالنسبة للمطورين الذين يدمجون المخرجات المُنمّطة في خطوط معالجتهم، تتيح النسخة التجريبية العامة اختبار زمن الاستجابة قبل الإتاحة العامة.
تجميد المفكِّك وإصلاح المُرمِّز: تكييف فعّال بالمعاملات لضغط KV-Cache القائم على SVD
تُظهر الورقة أن مقارنة وصفات الضبط الدقيق ذات أعداد المعاملات القابلة للتدريب المتباينة جدًا تحت معدل تعلّم مشترك واحد يُنتج ميزة زائفة. في ضغط KV-Cache القائم على SVD، بعد منح كل نسخة معدل تعلّم مضبوطًا خاصًا بها، يبلغ إصلاح المُرمِّز وحده التكافؤ مع البدائل مع استخدام معاملات قابلة للتدريب أقل بثلاثة أضعاف وذاكرة حال...
- تم التحقق من التكافؤ بضبط معدل التعلّم لكل نسخة وثلاث بذور لكل تهيئة على نموذج الرؤية واللغة Qwen2.5-VL-3B-Instruct.
- إصلاح المُرمِّز وحده يستخدم معاملات قابلة للتدريب أقل بثلاثة أضعاف وذاكرة حالة مُحسِّن أقل بثلاثة أضعاف.
- تغطي هذه المنهجية نسبة ضغط واحدة وأُعيد إنتاجها على منصة اختبار نصية فقط عبر عمودين فقريين.
لمن يضيف ضغط KV-Cache منخفض الرتبة أثناء التدريب، يُعد إصلاح المُرمِّز وحده وصفة جاهزة أقل استهلاكًا للذاكرة، لكن أي مقارنة ضبط دقيق بين نسخ تختلف في عدد المعاملات القابلة للتدريب تتطلب ضبط معدل التعلّم لكل نسخة.
Claude Science من Anthropic ينجز أول خريطة كاملة للأشعة فوق البنفسجية للسماء
استخدمت Anthropic أداة Claude Science لإنتاج أول خريطة كاملة للأشعة فوق البنفسجية للسماء، لتغطي نحو ثلث السماء الذي كان يفتقر سابقاً إلى بيانات فوق بنفسجية. قاد المشروع Brice Ménard، عالم الفيزياء الفلكية في جامعة جونز هوبكنز والباحث في Anthropic، وشغّل عدة وكلاء ذكاء اصطناعي بالتوازي داخل بيئة Claude Science لمعالجة ا...
- عمل القمر الصناعي GALEX التابع لوكالة NASA من 2003 إلى 2013 وتجنّب عمداً رصد مستوى المجرة والمناطق المحيطة بالنجوم الساطعة لمنع تلف الكاشف بسبب الضوء القوي.
- رغم البيانات الإضافية من FIMS/SPEAR في كوريا الجنوبية وSwift التابع لـ NASA، بقي نحو ثلث السماء كاملاً بلا أي بيانات فوق بنفسجية.
- قام الفريق بمعايرة متقاطعة لعشرات الآلاف من صور GALEX وSwift وFIMS/SPEAR وGaia وPlanck التابعة لـ ESA إلى نظام الإحداثيات والدقة نفسيهما، ثم استخدم إكمال الصور بتعلّم الآلة لتقدير الثلث المفقود.
- استناداً إلى قياسات الضوء المرئي من Gaia التابع لـ ESA، أنتجت الخريطة تقديرات انبعاث فوق بنفسجي لأكثر من 119 مليون نجم فردي ونحو 160 ألف مجرة خارجية.
يُظهر ذلك أن مسارات عمل الذكاء الاصطناعي متعددة الوكلاء قادرة على إكمال معايرة بيانات واسعة النطاق طال تأجيلها، لكن ثلث الخريطة تقديري إحصائياً وظلّت الحاجة إلى إشراف الخبراء لرصد الآثار المتبقية.
jialinyyzz/humanizer: نموذج إعادة صياغة بحجم 12B، و95% من عمليات إعادة الصياغة الإنجليزية حُكم عليها بأنها بشرية من Originality.ai في أشد إعداداته صرامة
jialinyyzz/humanizer نموذج توليد نصوص بحجم 12B يعيد صياغة المسودات المكتوبة بالذكاء الاصطناعي (رسائل البريد والمقالات والتقارير ومشاركات المنتديات) لتُقرأ كأن إنسانًا كتبها، بالإنجليزية والصينية، ويعمل محليًا. يذكر بطاقة النموذج أن 95% من عمليات إعادة الصياغة عبر 210 مسودات إنجليزية حُكم عليها بأنها بشرية من Originalit...
- يذكر بطاقة النموذج: على 210 مسودات إنجليزية بأوزان bf16 في 2026-10-02، وُسمت 11 من 210 عمليات إعادة صياغة بأنها ذكاء اصطناعي من Originality.ai في أشد إعداداته صرامة، مقابل 26 في الإصدار السابق.
- على humanizer-12b-Q8_0.gguf، لم يُظهر حاكم LLM صارم أي مشكلة واقعية في 376 من 420 عملية إعادة صياغة إنجليزية؛ وعند العثور على مشكلة، أكثر من 9 من كل 10 تصحيحات هي كلمة أو عبارة واحدة.
- تتراوح ملفات GGUF من 3.9 غيغابايت لملف 2-bit (ذروة ذاكرة 6.2 غيغابايت) إلى 12.7 غيغابايت لـ Q8_0 (ذروة ذاكرة 13.7 غيغابايت)، مع توافق top-1 مقابل bf16 بنسبة 87.4% لملف 2-bit و98.4% لـ Q8_0.
- الترخيص هو apache-2.0؛ وتُتاح صيغ GGUF وSafetensors وTransformers، مع دعم llama.cpp وMLX وtransformers وvLLM وOllama، ويعمل التطبيق دون اتصال على Mac (Apple silicon) وWindows.
بالنسبة للمطورين الذين ينشرون نصوصًا بمساعدة الذكاء الاصطناعي، يوفر هذا النموذج خيار إعادة صياغة قابلًا للنشر محليًا مع مستويات تكميم تناسب الذاكرة، لكن بطاقة النموذج تطلب صراحةً التحقق من الأرقام والتواريخ والأسماء قبل الإرسال.