AI FRONTIER
Signals worth understanding before they become obvious.
التحقق الشكلي من تطبيقات الويب متكاملة الحزمة التي يكتبها الوكلاء باستخدام PDD Kit
تقدّم Microsoft Research نموذج Proof-Driven Development (PDD) وأداة PDD Kit، التي تحوّل نية المطوّر إلى مواصفات شكلية بلغة Verus، وتثبت أن الشيفرة التي يكتبها الوكيل تحقق هذه المواصفات لكل مُدخل، وتلجأ إلى الاختبارات حيث لا يصل الإثبات.
- تعمل PDD Kit داخل Chopin من GitHub Next، واستُخدمت للتحقق الشكلي من منطق تسجيل الدخول في Pet Store، وهو متجر مكتوب بلغة Rust.
- تستخدم الواجهة الخلفية لـ Pet Store إطار Axum وقاعدة SQLite، وواجهة المتجر تطبيق Leptos يُترجم إلى WebAssembly، ويبلغ مجموعهما نحو 5,000 سطر من Rust.
- يتولى التحقق الشكلي أداة Verus، وهي لغة إثبات خاصة بلغة Rust شاركت في تطويرها Microsoft Research وجامعة Carnegie Mellon وVMware Research وETH Zurich ومؤسسات أخرى.
- تصنّف PDD Kit كل نتيجة إما تحققًا شكليًا (إثبات رياضي) أو تحققًا تجريبيًا (اختبارات)، وتوضّح حدود قاعدة الحوسبة الموثوقة (TCB).
بالنسبة للفرق التي تُصدر شيفرة يولّدها الوكلاء، تُظهر PDD Kit مسارًا عمليًا لتقييد الوكلاء بمواصفات شكلية واستبدال المراجعة البشرية سطرًا بسطر بالإثباتات والاختبارات.
لا يتجاوز أي وكيل ذكاء اصطناعي نسبة 12 في المئة في معيار العمل الواقعي الجديد من SemiAnalysis
قدّمت SemiAnalysis معياراً جديداً للعمل الواقعي لقياس أداء النماذج في مهام محددة، ويفيد ملخص الورقة بأن أي وكيل ذكاء اصطناعي لا يتجاوز نسبة 12 في المئة عليه.
- يفيد ملخص الورقة بأن أي وكيل ذكاء اصطناعي لا يتجاوز نسبة 12 في المئة في معيار العمل الواقعي الجديد من SemiAnalysis.
- يوصف المعيار بأنه يقيس أداء النماذج في مهام محددة.
بالنسبة لمطوري الذكاء الاصطناعي، يشير سقف 12 في المئة للوكلاء في مهام العمل الواقعي إلى مجال كبير للتحسين في هذا الاتجاه.
VAR-Q: تكميم ذاكرة KV المؤقتة دون ضبط لتوليد الصور والفيديو الانحداري الذاتي البصري
تقترح الورقة VAR-Q، وهو إطار لتكميم ذاكرة KV المؤقتة دون ضبط يجمع على محوري السمة والكتلة، مستفيدًا من حدود الكتل التي توفرها حلقة التوليد مجانًا ويلغي الحاجة إلى كشف القيم الشاذة أو المعايرة. وتفيد الورقة بتحقيق تكميم منخفض البتات عبر تسعة نماذج تشمل كلا النموذجين، مع تقليل ذاكرة KV بنسبة تصل إلى 78.5% مع تدهور ضئيل ف...
- تفيد الورقة بتحقيق تكميم منخفض البتات عبر تسعة نماذج تشمل كلا النموذجين، مع تقليل ذاكرة KV بنسبة تصل إلى 78.5% مع تدهور ضئيل في الجودة.
- تفيد الورقة بتمكين دفعات استدلال أكبر 6 مرات.
- وجد التحليل أن إزالة مجموعة صغيرة من القنوات ذات القيم الضخمة يؤدي إلى انهيار التوليد، بينما إزالة مجموعة مكافئة من القنوات غير الشاذة يبقي الجودة سليمة.
- تنتظم القيم الشاذة على محورين، السمة والكتلة، وينشأ هذا البنية من آليتين مستقلتين: انحياز الإسقاط والتشتت الناتج عن RoPE.
بالنسبة للمطورين الذين ينشرون توليد الصور والفيديو الانحداري الذاتي البصري، يشير VAR-Q إلى أن التكميم بالتجميع عند حدود الكتل دون معايرة يمكن أن يقلل ذاكرة KV بشكل حاد ويوسع دفعات الاستدلال مع الحفاظ على الجودة.
نظرة أقرب على Phonon TTS: إطلاق صوت عالي الجودة على الجهاز يتصدر المعايير
Phonon هو نموذج تحويل النص إلى كلام على الجهاز من Gradium، صدر بحجمين نحو 65 ميغابايت و75 ميغابايت، ويتحدث الإنجليزية والفرنسية والألمانية والإسبانية والبرتغالية دون خادم أو شبكة.
- Phonon 31m برخصة Apache 2.0، لذا يمكن استخدامه مجانًا حتى في المنتجات التجارية؛ أما النماذج الأخرى فبرخصة CC BY-NC ومجانية للمشاريع غير التجارية.
- يحتوي Phonon 31m على 30,788,354 معاملًا، ويحتوي مُرمِّز الصوت الخاص به على 10,305,313 معاملًا.
- في Hugging Face Open TTS Leaderboard، يحتل Phonon المرتبة الأولى في وضوح الألمانية والإسبانية، ويأتي ضمن الثلاثة الأوائل في كل لغة جرى تقييمها.
- يتصدر معيار البث على CPU في زمن الوصول إلى أول صوت، ويدعم أكثر من 10 خلفيات تشغيل، منها CPU وGPU وNPU.
لمن يبنون صوتًا على الجهاز، يقدم Phonon نموذجًا صغيرًا قابلًا للاستخدام التجاري في إصدار 31m برخصة Apache 2.0، بينما تبقى تغطيته متعددة اللغات تحت رخصة غير تجارية.
ألف مسار أقل إلى root
بنى OpenAI خط أنابيب مستقلًا اكتشف 948 ثغرة لتصعيد الصلاحيات المحلية في نواة Linux وتحقق منها وأنشأ تصحيحات لها.
- اكتشف خط الأنابيب 948 ثغرة لتصعيد الصلاحيات المحلية في نواة Linux.
- تحقق خط الأنابيب من الثغرات التي اكتشفها.
- أنشأ خط الأنابيب تصحيحات لتلك الثغرات.
أتمتة العملية من الاكتشاف إلى إنشاء التصحيحات قد تقصّر دورة إصلاح أمان النواة بشكل ملحوظ.
AGIBOT تكشف عن GO-3 Preview وتتصدر ثلاثة معايير لتقييم الذكاء الاصطناعي المجسّد
كشفت AGIBOT عن GO-3 Preview وتصدرت ثلاثة معايير لتقييم الذكاء الاصطناعي المجسّد.
- كشفت AGIBOT عن GO-3 Preview.
- تصدّر GO-3 Preview ثلاثة معايير لتقييم الذكاء الاصطناعي المجسّد.
بالنسبة لمطوري الذكاء الاصطناعي المجسّد، تستحق صدارة GO-3 Preview في ثلاثة معايير المتابعة، لكن الحكم على القدرة الفعلية يتطلب تفاصيل تقييم ملموسة.
Tencent تطلق Hy4 وتنضم إلى صفوف نماذج الذكاء الاصطناعي مفتوحة المصدر الرائدة عالميًا
أطلقت Tencent نموذج Hy4، الذي يصفه العنوان بالانضمام إلى صفوف نماذج الذكاء الاصطناعي مفتوحة المصدر الرائدة عالميًا.
- المصدر هو Tencent، ويذكر العنوان أن Tencent أطلقت Hy4.
- يذكر العنوان أن Hy4 ينضم إلى صفوف نماذج الذكاء الاصطناعي مفتوحة المصدر الرائدة عالميًا.
بالنسبة لمطوري الذكاء الاصطناعي، يُعد Hy4 نموذجًا مفتوح المصدر جديدًا من Tencent يستحق المتابعة، لكن المعلومات المتاحة لا تتضمن حجم المعاملات أو نتائج القياس أو تفاصيل الترخيص.
Omni-Encoder: توسيع SigLIP2 مشترك عبر تمثيلات الصور والفيديو والصوت والسمع-البصر
تقدم الورقة Omni-Encoder، وهو SigLIP-2 Vision Transformer واحد بمعاملات مشتركة بالكامل يحسّن معًا ومن طرف إلى طرف مدخلات الصور والفيديو والصوت والسمع-البصر، بدلًا من ربط مشفرات خاصة بكل نمط لاحقًا بفضاء مرساة مجمّد.
- تذكر الورقة نتائج تنافسية على 16 معيارًا عبر الأنماط الأربعة باستخدام مجموعة معاملات مشتركة واحدة.
- تذكر الورقة أن التدريب المشترك يحسّن كل نمط مقارنة بنظيره المدرَّب بشكل منفصل.
- تتضمن مرحلة الإدخال مُرمِّز صوت بتفاف 1D يحوّل مخططات ميل الطيفية إلى رموز متوافقة مع رقع الصورة.
- تضع تضمينة الموضع الدورانية متعددة الأنماط، المُعامَلة بطوابع زمنية مطلقة، الإطارات البصرية والمقاطع الصوتية في نظام إحداثيات مكاني-زماني موحّد.
بالنسبة للفرق التي تبني أنظمة متعددة الأنماط، يشير هذا إلى أن عمودًا فقريًا مشتركًا مع تجميع تدرجات الأنماط المتناوبة قد يتفوق على التدريب لكل نمط ثم الربط اللاحق، مع ضرورة التحقق من الاستقرار على بياناتك.