AI FRONTIER

SWE-Duel: نحو ساحة ذاتية التوسع لوكلاء البرمجة

تقدم الورقة SWE-Duel، وهي ساحة يتقيّم فيها وكيلا برمجة أحدهما الآخر عبر جولات Red-Blue متطابقة، مع إنشاء المهام والمعايير وقت التقييم بحيث لا يوجد محتوى مسبق يمكن تسريبه.

• أُجريت بطولة بين 11 مشاركًا من نماذج وأُطر تشغيل على 15 مستودعًا بخمس لغات ولمدة 1,500 جولة.
• حلّ GPT-5.5 مع Codex CLI في المرتبة الأولى كأقوى حلال، إذ أصلح 98.3% من العيوب التي راجعها.
• حلّ Claude Opus 4.8 مع mini-swe-agent في المرتبة الثانية كأقوى مؤلف مهام، بمعدل فوز Red بلغ 27.3%.
• داخل عائلة النموذج نفسها، هزمت المهام التي كتبتها أحدث نسخة حلالًا مرجعيًا ثابتًا أكثر بكثير من مهام النسخ الأقدم (42.9% مقابل 4.0%).

بالنسبة للفرق التي تبني وكلاء برمجة، تربط هذه الساحة صعوبة التقييم بقدرة تأليف المهام، ما يعني ضرورة قياس القدرة على الحل وتأليف المهام معًا.

ورقة من IBM Research: جعل تصميم الشرائح المدعوم بالذكاء الاصطناعي ميسور الكلفة عبر مصانع وكلاء مفتوحة واستدلال موزّع على نطاق واسع

يقترح ملخص ورقة من IBM Research الجمع بين مصانع وكلاء مفتوحة والاستدلال الموزّع على نطاق واسع لجعل تصميم الشرائح المدعوم بالذكاء الاصطناعي أكثر يسراً من حيث الكلفة.

• المصدر هو ملخص ورقة من IBM Research.
• يذكر العنوان رافعتين: مصانع وكلاء مفتوحة والاستدلال الموزّع على نطاق واسع.
• الهدف المعلن هو جعل تصميم الشرائح المدعوم بالذكاء الاصطناعي ميسور الكلفة.

بالنسبة لبناة الذكاء الاصطناعي، يشير هذا إلى الجمع بين وكلاء تصميم الشرائح والاستدلال الموزّع للتحكم في كلفة مسارات التصميم واسعة النطاق.

نموذج جديد على OpenRouter: LiquidAI LFM2.5-24B-A2B

LFM2.5-24B-A2B هو نموذج استدلال بمزيج الخبراء من Liquid AI بإجمالي 24B ومعاملات نشطة 2.45B، يستدل دائمًا قبل الإجابة ومصمم للوكلاء الذين يستدعون الأدوات.

• إجمالي 24B معاملًا مع 2.45B معاملًا نشطًا.
• نافذة سياق تبلغ 128,000 رمز وتدعم حتى 8,192 رمز إكمال.
• السعر 0.05 دولار لكل مليون رمز إدخال و0.70 دولار لكل مليون رمز إخراج، مع قراءة الذاكرة المؤقتة بسعر 0.025 دولار لكل مليون رمز.
• يقبل tools وtool_choice لاستدعاء الدوال ويدعم المخرجات المهيكلة عبر JSON schema في response_format.

لمن يبنون وكلاء يستدعون الأدوات، تناسب 2.45B معاملًا نشطًا مع سياق 128K وسعر إدخال منخفض خطوط أنابيب الاستدلال المعزز بالاسترجاع وعالية الإنتاجية.

openbmb تطلق MiniCPM-V-4.7-35B-A3B، أول نموذج MoE في سلسلة MiniCPM-V

أطلقت openbmb نموذج MiniCPM-V-4.7-35B-A3B، وهو أول نموذج MoE في سلسلة MiniCPM-V، بترخيص Apache-2.0 مع فهم الصور والصور المتعددة والفيديو واستدلال سلس على الجهاز وفق ما أُعلن.

• يضم النموذج 35.2B معامل بمعمارية MoE، وخط أنابيب image-text-to-text، وترخيص apache-2.0.
• يذكر الإصدار أن Lookahead Expert Scheduling والتكميم الدقيق طبقةً بطبقة وأخذ العينات التخمينية DSpark تتيح فك ترميز بسرعة 13+ tokens/s بذاكرة نحو 3 GB على iPhone 17 Pro Max.
• يذكر الإصدار أن النموذج 35B-A3B في وضع Instruct يحقق درجة إجمالية أعلى بزمن استدلال أقل من Qwen3.6 35B-A3B.
• يدعم أطر الاستدلال SGLang وvLLM وllama.cpp وOllama، والضبط الدقيق عبر SWIFT وLLaMA-Factory، ويوفر نسخًا مكمَّمة GGUF وBNB وAWQ وGPTQ وFP8.

بالنسبة للمطورين المستهدفين للهواتف أو شرائح الحوسبة الطرفية، توفر أوزان Apache-2.0 وصيغ تكميم متعددة ودعم أطر شائعة إمكانية التحقق من سرعة فك الترميز المعلنة 13+ tokens/s على أجهزتهم.

أمضينا ستة أشهر في خسارة أموال 3,500 روبوت تداول بالذكاء الاصطناعي، ثم كتبنا ورقة بحثية

وفقًا لـ 科技行者، أجرت دراسة تشغيل 3,500 روبوت تداول بالذكاء الاصطناعي على مدى ستة أشهر، وفُقدت جميع أموالها، ثم كتب الباحثون ورقة بحثية.

• استمرت التجربة ستة أشهر.
• شاركت في التجربة 3,500 روبوت تداول بالذكاء الاصطناعي.
• فُقدت جميع أموال روبوتات التداول بالذكاء الاصطناعي.

بالنسبة لبناة الذكاء الاصطناعي، تشير هذه التجربة إلى أن وكلاء التداول بالذكاء الاصطناعي قد يواجهون خطر خسارة منهجية في الأسواق، ما يستلزم تقييمًا دقيقًا قبل النشر.

Microsoft Research تقدّم StudentSim لتقييم مدرّسي الذكاء الاصطناعي عبر طلاب محاكين

StudentSim نظام بحثي يدرّب محاكيات طلاب بالذكاء الاصطناعي مخصّصة لكل طالب انطلاقًا من سجلات متعلمين منزوعة الهوية ومتاحة للعموم، لتقييم أدوات التدريس بالذكاء الاصطناعي وتحسينها قبل اختبارها مع متعلمين حقيقيين. يقدّم العمل أيضًا StudentSimEval، وهو معيار تقييم يشمل الشطرنج وكتابة الإنجليزية كلغة ثانية والرياضيات.

• يشير ملخص الورقة إلى أن StudentSim نظام بحثي لتقييم مدرّسي الذكاء الاصطناعي وتحسينهم قبل اختبارهم مع متعلمين حقيقيين؛ وهو ليس منتجًا، وغير منتشر في الفصول الدراسية، ولا يهدف إلى استبدال المعلمين.
• في الشطرنج، تفيد الورقة بأن StudentSim يبلغ أمانة سلوكية 0.5150 واستجابة للتوجيه 0.9067، بينما يبلغ GPT-5.4 القيمتين 0.2316 و0.7186، ويبلغ النموذج المتخصص في الشطرنج للتنبؤ بنقلات البشر Maia2 القيمتين 0.4535 و0.2721.
• في دراسة تعلّم معزّز لمدرّس شطرنج، بلغ المدرّب المدرَّب باستخدام StudentSim كمصدر مكافأة دقة 90.5%، مقابل 75.7% لخط الأساس بدون تعلّم معزّز و71.6% لشرط مكافأة GPT-5.4.
• يستخدم البحث فقط مجموعات بيانات متعلمين متاحة للعموم، صادرة لأغراض البحث بسجلات منزوعة الهوية، ويُدرَّب كل محاكٍ مخصّص فقط على السجلات منزوعة الهوية للطالب الذي يمثّله.

بالنسبة للفرق التي تبني مدرّسي ذكاء اصطناعي، يوفّر StudentSim طريقة لتوليد إشارات تغذية راجعة قابلة للتوسّع من سجلات تعلّم حقيقية قبل إجراء دراسات مكلفة مع متعلمين حقيقيين.

CLEAT: تعلّم التوضيح الموجَّه بالقيمة للوكلاء التفاعليين

تقدم الورقة إطار CLEAT الذي يدرّب معًا متحكّم قيمة التوضيح وسياسة المهمة من نتائج التفاعل المشتركة، ويقيس بقيمة الاستعلام المتبقية المنفعة المكتسبة من السؤال بدل المضي قدمًا.

• تقدّر الورقة قيمة الاستعلام المتبقية عبر عمليات rollout مقترنة من السجل التفاعلي نفسه؛ يتنبأ المتحكّم بقيمة التوضيح بينما تختار سياسة المهمة الأسئلة المفيدة وتتصرف بناءً على الأجوبة.
• مع Qwen3-4B، يحقق CLEAT أعلى متوسط درجات في جميع إعدادات التقييم العشرة عبر أربعة معايير.
• تذكر الورقة تحسّنًا على أقوى خط أساس بمقدار 13.2 نقطة مئوية في UserGym Travel و6.5 نقطة مئوية في دقة الحكم على underspecification في IN3.
• تُظهر تجارب الاستئصال أن التدريب المشترك يحسّن سياسة المهمة حتى عند إزالة المتحكّم وقت الاستدلال، وأن مواءمة إرشاد التوضيح مع السياسة المتطوّرة يحقق مكاسب إضافية.

لمن يبنون وكلاء تفاعليين، يشير هذا العمل إلى أن قيمة سؤال التوضيح ينبغي إعادة تقديرها مع تغيّر السياسة بدل تثبيتها بقاعدة استدلالية ثابتة.

Know What You Don't Know: Agentic Data Synthesis by Evolving Generation Space for Closed-Loop Learni...

论文摘要：Know What You Don't Know：围绕大语言模型的能力、评测或对齐问题展开，适合关注方法与实验结果。

This is a useful technical direction to keep on the radar, even if it does not require immediate action.