AI FRONTIER
Signals worth understanding before they become obvious.
MoEZip: ضغط ذاكرة KV الواعي بالتوجيه لنماذج Mixture-of-Experts المتناثرة
يقترح MoEZip ضغطًا لذاكرة KV واعيًا بالتوجيه يقيّم السياقات عبر الجمع بين أوزان الانتباه ومقياس حساسية مستمد من مصفوفة معلومات Fisher لتوزيعات التوجيه، لمعالجة تغيّر اختيار الخبراء بسبب إخلاء KV في الاستدلال ذي السياق الطويل لدى نماذج MoE.
- تذكر الورقة أنه عند نسبة الاحتفاظ بـ KV مقدارها 10%، يتفوق MoEZip على خط الأساس SoTA بمتوسط +24 و+20 نقطة على LongBench وRULER، بما يعادل درجات أعلى بـ2.3 و4.9 مرة.
- يقدّم MoEZip مقياسًا قائمًا على مصفوفة معلومات Fisher لتوزيعات التوجيه لتقدير حساسية توجيه الخبراء للاضطراب.
- تجمع الطريقة هذا المقياس مع أوزان الانتباه لتقييم السياقات بطريقة واعية بالتوجيه، وتكوّن نظام تقييم تكميليًا يجمع طرق الإخلاء للمعماريات الكثيفة وMoE المتناثرة.
- قُبلت الورقة في NeurIPS 2026 وهي arXiv:2610.30206، وقد أُرسلت في 21 أكتوبر 2026.
بالنسبة للفرق التي تخدم نماذج MoE المتناثرة على سياقات طويلة، يشير MoEZip إلى أن سياسات إخلاء KV يجب أن تراعي صراحةً استقرار توجيه الخبراء للحفاظ على جودة التوليد تحت ضغط قوي.
تحويل تقييم قواعد البيانات إلى مكافآت RL: تدريب لاحق للوكلاء باستخدام ThinkingBox
أصدرت Microsoft وHugging Face أداة ThinkingBox-Training التي تستخدم فحوصًا قابلة للتنفيذ لحالة قاعدة البيانات النهائية كمكافآت GRPO؛ وبعد 50 خطوة من الضبط الدقيق لـ Qwen3.8-27B ارتفع متوسط النجاح من 51.70% إلى 60.78%.
- ارتفع pass@1 لـ Qwen3.8-27B من 5,242 محاولة (51.70%) إلى 6,163 محاولة (60.78%)، بزيادة 9.08 نقطة.
- ارتفعت المهام التي نجحت في جميع المحاولات العشرين من 38 (7.50%) إلى 107 (21.10%)، بزيادة 69 مهمة.
- انخفض pass@20 (المهام المحلولة مرة واحدة على الأقل) من 453 (89.35%) إلى 446 (87.97%)، بانخفاض 7 مهام.
- استخدم التدريب 187 مهمة وGRPO بمتوسط الرموز و50 خطوة و24 من H100 ومعدل تعلم 1e-6 وAdamW دون اضمحلال أوزان.
بالنسبة للفرق التي تبني وكلاء، يمكن أن تكون فحوص الحالة النهائية القابلة للتنفيذ مُقيّمًا وإشارة مكافأة معًا، لكن مكاسب الاتساق قد تأتي مع خسارة صغيرة في اتساع التغطية.
تعلّم النواة الطيفية القائم على التدفق للانتباه غير المستقر
تقترح الورقة flow-based spectral kernel attention (FSKA)، وهو إطار يصوغ الانتباه المُنوَّى عبر تعلّم الكثافة الطيفية ويُعامِل الكثافة الطيفية ثنائية المتغير الناتجة باستخدام normalizing flows لتعلّم نوى انتباه غير مستقرة.
- يصوغ FSKA الانتباه المُنوَّى عبر تعلّم الكثافة الطيفية، ويُعامِل الكثافة الطيفية ثنائية المتغير الناتجة باستخدام normalizing flows.
- يتيح هذا التصميم بنية انتباه مبسطة مع إزالة إسقاطات query–key وإسقاطات value متعامدة ثابتة، ما يجعلها أكثر كفاءة في المعاملات.
- تذكر الورقة تقليل المعاملات القابلة للتدريب المرتبطة بالإسقاط بنحو 40%–47% مقارنة بمعظم خطوط الأساس، مع الحفاظ على توسّع ذاكرة مناسب للانتباه الخطي.
- تُبلغ تجارب مضبوطة على التصنيف والاستئصال وتحليل قابلية التوسّع أن FSKA يحقق أداءً منافسًا أو محسّنًا مقارنة بآليات الانتباه الحالية؛ والكود متاح.
بالنسبة للمطورين، يشير FSKA إلى أن تعلّم نوى غير مستقرة باستخدام normalizing flows يمكن أن يقلل المعاملات القابلة للتدريب المرتبطة بالإسقاط بنحو 40%–47% مع الحفاظ على توسّع ذاكرة الانتباه الخطي.
جلب النماذج الأساسية إلى الخطوط الأمامية لفحص السل
استعرضت Google Research في IDWeek 2026 مسار فحص السل لديها، من خوارزميات الأشعة السينية للصدر إلى أداة سريرية حاصلة على شهادة CE والنماذج الأساسية المفتوحة MedGemma وMedSigLIP للنشر المحلي.
- تفيد Google Research بأن السل يودي بحياة نحو 1.23 مليون شخص سنوياً.
- يفحص جهاز Nexus AI صور الأشعة السينية للصدر بحثاً عن أمراض رئوية مثل السل في مدة لا تقل عن 45 ثانية.
- تعمل الأداة في نحو 40 منشأة صحية في ستة بلدان، حيث قيّم أكثر من 90 طبيباً أكثر من 25,000 صورة شعاعية للصدر.
- MedGemma عائلة من النماذج متعددة الوسائط ذات الأوزان المفتوحة بتكوينات 4B و27B معامل، وتجاوزت تنزيلاتها 10 ملايين منذ إطلاقها.
بالنسبة لمطوري الذكاء الاصطناعي الصحي، تتيح الأوزان المفتوحة والتشغيل على الجهاز أدوات فحص سيادية مضبوطة على صور شعاعية وطنية.
Latent Space Jam: توليد فيديو موجَّه بالتخطيط دون تدريب
تقترح الورقة طريقة من مرحلتين دون تدريب تستخدم نموذج انتشار فيديو مدرَّباً مسبقاً: توجّه الانتباه المتقاطع الموجَّه بالنص الموضع الزمكاني للأجسام لإنتاج دليل بصري خشن، ثم يُشترط النموذج نفسه بهذا الدليل لتوليد فيديو عالي الجودة متوافق مع التخطيط.
- لا يتطلب النهج تدريباً إضافياً أو بيانات أو تغييرات معمارية، ويستخدم نماذج انتشار فيديو مدرَّبة مسبقاً.
- يعمل على مرحلتين: الأولى تنتج دليلاً بصرياً خشناً عبر الانتباه المتقاطع الموجَّه بالنص، والثانية تشترط النموذج نفسه بهذا الدليل.
- تذكر الورقة أن الطريقة تتفوق باستمرار على الأعمال السابقة في دقة التداخل والمسار وكذلك الجودة البصرية في المشاهد الثابتة والديناميكية ومتعددة الأجسام.
بالنسبة للمطورين، يعني هذا إمكانية إضافة التحكم في التخطيط والحركة إلى نماذج انتشار الفيديو الحالية دون تكلفة تدريب، ما يخفض حاجز توليد الفيديو القابل للتحكم.
CiteAnchor: تأصيل واعٍ بالمصدر لكشف الاستشهادات المتوهمة وحلها
تقدم الورقة CiteResolve، وهو معيار يتضمن 423 استشهادًا متوهمًا واقعيًا موسومًا بقابلية استعادة المصدر، وتقترح CiteAnchor، إطار تأصيل واعٍ بالمصدر يكيّف الاسترجاع والتحقق على مستوى الحقول لكل نوع مصدر، ويحدد بشكل منفصل صلاحية الاستشهاد وما إذا كان يمكن استعادة مصدر فريد.
- CiteResolve هو معيار يتضمن 423 استشهادًا متوهمًا واقعيًا موسومًا بقابلية استعادة المصدر.
- على معيار كشف موجود، يحقق CiteAnchor نتيجة 0.841 F1 مع GPT-5.6 Luna و0.784 F1 مع backbone مفتوح الأوزان.
- تذكر الورقة أنه يتفوق على الأساس باستخدام الأعمدة الفقرية نفسها بمقدار 7.9 و36.8 نقطة.
- على CiteResolve يحقق 74.7% و70.7% نجاحًا في المهمة من طرف إلى طرف، وتذكر الورقة أنه يتجاوز بذلك أساسي البحث على الويب المقابلين بمقدار 16.3 و65.3 نقطة مئوية.
بالنسبة لمن يبنون أنظمة التحقق من المراجع والتوليد المعزز بالاسترجاع، يفصل هذا العمل صلاحية الاستشهاد عن قابلية استعادة المصدر ويتيح الشيفرة والبيانات.
TauIndianBankBench: تقييم موجه نحو الإجراءات وواعٍ بالإجراءات للوكلاء الحواريين الذين يستخدمون الأدوات
تقدم الورقة TauIndianBankBench، وهو معيار تقييم موجه نحو الإجراءات يضم 1,000 مهمة مصرفية للأفراد في الهند، ويتحقق إلى جانب السجلات النهائية من أن المساعد نفّذ كل خطوة مطلوبة ولم يُجرِ أي تغيير غير مطلوب. وتفيد الورقة بأنه عند فحص السجلات النهائية فقط، يُحكم بنجاح 6.5-12.0% من الجلسات لكل نموذج رغم أن المساعد تخطى خطوة ...
- يضم المعيار 1,000 مهمة مصرفية للأفراد في الهند يساعد فيها المساعد عميلًا محاكيًا.
- يتحقق التقييم من السجلات النهائية، ومن تنفيذ كل خطوة مطلوبة، ومن عدم إجراء أي تغيير غير مطلوب.
- تفيد الورقة بأنه عند فحص السجلات النهائية فقط، يُحكم بنجاح 6.5-12.0% من الجلسات لكل نموذج رغم تخطي خطوة مطلوبة أو إجراء تغيير غير مطلوب.
- تتألف الورقة من 15 صفحة و6 أشكال و14 جدولًا، وتوفر روابط للشيفرة والبيانات.
بالنسبة للفرق التي تبني وكلاء مصرفيين، يُظهر هذا المعيار أن التقييم المعتمد على الحالة النهائية فقط يبالغ في تقدير الالتزام بالإجراءات، لذا يجب تقييم الخطوات المطلوبة والإجراءات غير المصرح بها.
ابنِ تطبيقات أكثر استجابة باستخدام Decisions API
نشرت OpenAI News واجهة Decisions API، وهي مقدَّمة لتوفير قرارات سريعة ومركّزة ومنخفضة التكلفة لأي تطبيق.
- المصدر هو OpenAI News؛ عنوان العنصر هو “Build more responsive apps with the Decisions API”.
- الوصف المكوَّن من سطر واحد هو: “Fast, focused, low-cost decisions for any application.”
- صُنِّف العنصر ضمن فئة developer مع نوع تغيير cost_collapse.
إذا قدّمت هذه الواجهة قرارات مركّزة بتكلفة منخفضة كما هو موصوف، فيمكن للمطوّرين وضع نداءات القرار مباشرة في مسارات التفاعل بدل الاعتماد على استدعاءات نموذجية أثقل.