AI FRONTIER
Signals worth understanding before they become obvious.
NVIDIA تنشر Nemotron-3.5-Transcribe-30B-A4B، نموذج صوتي مفتوح يدعم 40 لغة
نشرت NVIDIA نموذج Nemotron-3.5-Transcribe-30B-A4B على Hugging Face، وهو نموذج صوتي وسمعي يعمل دون اتصال لتحويل الكلام إلى نص بـ 40 لغة، ويدعم تسجيلات تصل إلى ساعة واحدة وسياقًا من 65,536 رمزًا. تُفعّل بنيته الهجينة القائمة على مزيج الخبراء نحو 4.3B معامل بما في ذلك مُرمّز الصوت، ويتوفر بدقات BF16 وFP8 وNVFP4.
- إجمالي 34B معاملًا مع 4.3B معاملًا نشطًا بما في ذلك مُرمّز الصوت، على بنية هجينة Mamba-2–Transformer قائمة على مزيج الخبراء.
- طول سياق 65,536 رمزًا، وتسجيلات تصل إلى ساعة واحدة، ودعم 40 لغة.
- تُنشر الأوزان بدقة BF16 مع نسخ مُكمَّمة FP8 وNVFP4 بموجب رخصة OpenMDW-1.1.
- يذكر بطاقة النموذج متوسط WER قدره 4.71 على المجموعات العامة التسع في Open ASR Leaderboard و10.98 على الصوت الطويل.
بالنسبة للفرق التي تبني منتجات صوتية، يجمع هذا النموذج بين تحويل الكلام إلى نص بـ 40 لغة ومعالجة صوت طويل مدته ساعة باستخدام 4.3B معاملًا نشطًا، كما أن أوزانه المفتوحة ودقات التكميم المتعددة تجعل الضبط الدقيق والاستضافة الذاتية عمليين.
من تقييمات بيانات المؤسسات الاصطناعية إلى الثقة الحقيقية في Microsoft Copilot
أنشأت Microsoft Research منصة Industry Evaluation Data Generation Platform التي تولّد بيئات مؤسسية اصطناعية بالكامل مستندة إلى مصادر عامة مثل بيانات المهن O*NET وإعلانات الوظائف عبر الإنترنت وإفصاحات SEC، لتقييم Microsoft Copilot دون استخدام أي بيانات عملاء.
- تستند بيئات التقييم إلى مصادر متاحة للعموم تشمل بيانات المهن O*NET وإعلانات الوظائف عبر الإنترنت وإفصاحات SEC.
- تم توليد ثلاث بيئات صناعية اصطناعية: الأدوية، وأسواق رأس المال، وشركة لتقنية المعلومات والبرمجيات.
- تحسّن المؤشر المركّب لجودة البيانات الاصطناعية بنسبة 39% مقارنةً بأسلوب التوليد الأولي، وتجاوزت بعض البيئات الصناعية درجة 0.9 من 1.0.
- قلّلت الأتمتة إنشاء مجموعات بيانات التقييم من عملية يدوية تستغرق عدة أيام إلى تشغيلات آلية، بتقدير توفير نحو 100,000 دولار لكل مجموعة بيانات و300,000 دولار إجمالاً للمشروع.
يمكن للفرق التي تقيّم الذكاء الاصطناعي المؤسسي إعادة استخدام هذا النهج في البيئات الاصطناعية وتوليد الاستعلامات الآلي للحصول على خطوط أساس قابلة لإعادة الإنتاج دون المساس ببيانات العملاء.
EMNLP'26｜حتى GPT لا يجيد «قراءة الجو»، ومعيار Werewolf يكشف نقاط عمى اجتماعية
وفق تقرير من Zhiyuan Community، تستخدم دراسة قُبلت في EMNLP'26 لعبة Werewolf كمعيار وتجد أن GPT يُظهر نقاط عمى في الاستدلال الاجتماعي اللازم لـ«قراءة الجو».
- قُبل هذا العمل في EMNLP'26.
- يستخدم المعيار لعبة Werewolf كسيناريو اختبار.
- يذكر التقرير أن GPT كشف نقاط عمى اجتماعية في هذا المعيار.
لمن يبنون أنظمة استدلال اجتماعي متعددة الوكلاء، يوفّر معيار على نمط Werewolf سطح اختبار مخصصًا لسبر قدرة النموذج على الاستدلال الاجتماعي.
كيف نكتشف عدم توافق نماذج الحدود
تستخدم OpenAI مراقبة متعددة الطبقات لاكتشاف عدم توافق نماذج الحدود وسلوك الوكلاء غير المصرح به، حتى يتمكن المستجيبون من التدخل قبل تصاعد الحوادث.
- تستخدم OpenAI مراقبة متعددة الطبقات لاكتشاف عدم توافق نماذج الحدود.
- تشمل المراقبة أيضًا سلوك الوكلاء غير المصرح به.
- الهدف هو تمكين المستجيبين من التدخل قبل تصاعد الحوادث.
على الفرق التي تبني وكلاء أن تفترض الحاجة إلى مراقبة متعددة الطبقات تلتقط السلوك غير المتوافق قبل تصاعده.
لأول مرة... حقن مريض بفيروس صممه الذكاء الاصطناعي لمكافحة عدوى خطيرة
وفقًا للشرق الأوسط، حُقن مريض لأول مرة بفيروس صممه الذكاء الاصطناعي لمكافحة عدوى خطيرة.
- ذكرت الشرق الأوسط أن هذه أول مرة يُحقن فيها مريض بفيروس صممه الذكاء الاصطناعي.
- أفاد التقرير بأن الفيروس استُخدم لمكافحة عدوى خطيرة.
بالنسبة لبناة الذكاء الاصطناعي، يمثل هذا انتقال العوامل البيولوجية المصممة بالذكاء الاصطناعي من التصميم الحسابي إلى التطبيق البشري.