AI FRONTIER
Signals worth understanding before they become obvious.
ccore/Qwen3.5-4B-3D-Coder: معاينة مفتوحة بحجم 4B تركّز على مشاهد Three.js ثلاثية الأبعاد
أصدر ccore معاينة مبكرة لضبط دقيق مستقل مبني على Qwen/Qwen3.5-4B، يستهدف البرمجة العامة وتوليد مشاهد ثلاثية الأبعاد تفاعلية باستخدام Three.js، مع أوزان FP16 وتكميمات GGUF ومجموعة بيانات التدريب وتقرير تقني أصبحت متاحة.
- يبلغ عدد معاملات النموذج 4.5B، ويذكر المستودع 5B params بنوع موتر F16.
- صدر بترخيص Apache 2.0 وهو ضبط دقيق مستقل مبني على Qwen/Qwen3.5-4B وليس إصدارًا رسميًا من Qwen.
- مجموعة بيانات التدريب CCORE Three.js 3D Scenes متاحة علنًا وتضم 4,146 مثال مشهد (3,933 تدريب / 213 تحقق) بموجب ترخيص MIT.
- تقبل نسختا GGUF هما Q4_K_M وQ8_0 مدخلات الصور مع مُسقِط الرؤية BF16 الاختياري بحجم يقارب 644 MiB، وقد جُرّب محليًا مع llama.cpp b11889.
نموذج برمجي من فئة 4B مع مجموعة بيانات مفتوحة وأوزان GGUF يتيح للمطورين تجربة مشاهد Three.js ثلاثية الأبعاد والتوليد الموجَّه بالصور محليًا في سياق 64K مهيأ.
التنبؤ الجماعي باستخدام نماذج السلاسل الزمنية IBM Granite
أصدرت IBM Research نظام Granite Timeseries Ensemble الذي يجمع أربعة نماذج Granite مُدرَّبة مسبقًا في واجهة تنبؤ قابلة للتوسيع تُرجع تنبؤات الوسيط والكمّيات دون إعادة تدريب ودون أوزان جماعية مُلائمة.
- تجمع الوصفة الافتراضية أربعة نماذج: Granite PatchTST-FM-r1 (Patched Transformer) وGranite PatchTST-FM-r2 (Patched Conformer) وGranite FlowState-r1.1 (نموذج فضاء الحالة) وGranite TTM-r3 (Tiny Time Mixers).
- عند التقييم على 97 تهيئة من مجموعة بيانات GIFT-Eval، سجّل Probabilistic Ensemble قيمة MASE بلغت 0.683 مقابل 0.685 لـ PatchTST-FM-r2، بينما احتفظ PatchTST-FM-r2 بأدنى قيمة CRPS/MWQL عند 0.467 بين التنبؤات الستة المعروضة.
- تخزّن الوصفة تهيئة المجموعة بدلًا من أوزان نماذج مدموجة وتنزّل نقاط التحقق الأربعة للأعضاء وقت التشغيل، لذا يتطلب التشغيل الأول وقتًا إضافيًا.
- تتراوح الكمّيات الافتراضية من 0.1 إلى 0.9، حيث يحدد الكمّيان 0.1 و0.9 فترة تنبؤ مركزية بتغطية اسمية تبلغ 80%.
بالنسبة لمطوري الذكاء الاصطناعي، توفر المجموعة نقطة انطلاق افتراضية تُغني عن اختيار بنية واحدة مسبقًا، لكن فارق MASE صغير، لذا تكمن الفائدة الأساسية في المتانة ويجب موازنتها مقابل زمن الاستجابة والذاكرة اللازمين لتشغيل أربعة نماذج.
Google تكشف عن وكلاء ذكاء اصطناعي يصممون الحمض النووي ويتعلمون من المختبر
وفقًا لتقرير Pasquale Pillitteri، كشفت Google عن وكلاء ذكاء اصطناعي يصممون الحمض النووي ويتعلمون من التغذية الراجعة للمختبر.
- المصدر هو تقرير من Pasquale Pillitteri.
- يذكر التقرير أن Google كشفت عن وكلاء ذكاء اصطناعي يصممون الحمض النووي ويتعلمون من المختبر.
بالنسبة لبناة الذكاء الاصطناعي، يشير هذا إلى اتجاه بحثي يجمع بين الوكلاء والتغذية الراجعة المختبرية المغلقة لتصميم الحمض النووي.