AI FRONTIER
Signals worth understanding before they become obvious.
نموذج جديد على OpenRouter: LiquidAI LFM3-1.7B
أصبح LFM3-1.7B من LiquidAI مدرجًا على OpenRouter: نموذج نصي مدمج بمعاملات 1.7B وسياق يبلغ 262,144 رمزًا، جرى تدريبه لاحقًا للوكلاء واستدعاء الأدوات والمخرجات المنظمة.
- 1.7B معامل، ونافذة سياق تبلغ 262,144 رمزًا، ودعم يصل إلى 8,192 رمز إكمال.
- السعر 0.08 دولار لكل مليون رمز إدخال و0.20 دولار لكل مليون رمز إخراج، مع قراءة الذاكرة المؤقتة بسعر 0.02 دولار لكل مليون رمز.
- يقبل tools وtool_choice لاستدعاء الدوال، ويدعم المخرجات المنظمة عبر مخطط JSON في response_format.
- تذكر صفحة OpenRouter تاريخ إصدار هو 6 نوفمبر 2026، وتشير إلى أن المطالبات والمخرجات قد تُحفظ وتُستخدم لتدريب نماذج Liquid.
بالنسبة لأعباء عمل الوكلاء والمخرجات المنظمة التي تحتاج إلى سياق طويل بتكلفة منخفضة لكل رمز، يُعد LFM3-1.7B خيارًا مستضافًا صغيرًا يستحق الاختبار، شرط أن تناسب شروط الاحتفاظ بالبيانات ومعدل النقل المذكور في الصفحة حالة الاستخدام.
Palette: تعليم نموذج صغير بناء العروض بلغة التصميم الخاصة بك
يقسّم Palette من IBM Research إنشاء الشرائح إلى دور المصمّم ودور المبرمج يخدمهما محوّل LoRA واحد على نموذج بحجم 20B، ويحلّ أولاً في اثنين من ثلاثة مجالات في PresentBench.
- درّب Palette نموذجاً بحجم 20B؛ تتبع بيانات التدريب IBM Design Language، حيث يكتب المصمّم موجز JSON منظمًا ويكتب المبرمج JavaScript بـ pptxgenjs.
- لأن سياق كل شريحة يُثبَّت قبل كتابة أي كود، تعمل استدعاءات المبرمج بالتوازي، مما يجعل مرحلة البرمجة أسرع بنحو 6–7×.
- استخدم التدريب LoRA بدل الضبط الدقيق الكامل؛ أمثلة المبرمج أطول بنحو 5× من أمثلة المصمّم، لذا جرى إفراط في أخذ عينات المصمّم بمقدار 5×.
- تغطي البيانات الاصطناعية نحو 1000 عرض وحوالي 10,000 شريحة، تُصيَّر كل شريحة وتُفحص بحثاً عن التداخل والتجاوز، مع إعادة كتابة تعليل الشرائح المُصلَحة كافتراضات مضادة.
بالنسبة للفرق التي تحتاج لغة تصميم خاصة بها، يتيح مدقّق التصيير القابل للتحقق مع بيانات اصطناعية تحمل التعليل لنموذج 20B مستضاف ذاتياً الاقتراب من مخرجات الأنظمة الرائدة.
nvidia تنشر Nemotron-3.5-Transcribe-30B-A4B، نموذج صوتي دون اتصال بـ40 لغة
نشرت NVIDIA على Hugging Face نموذج Nemotron-3.5-Transcribe-30B-A4B، وهو نموذج صوتي وسمعي دون اتصال بأوزان مفتوحة يدعم النسخ الصوتي بـ40 لغة وتسجيلات تصل إلى ساعة وسياقًا من 65,536 رمزًا، بمعمارية mixture-of-experts تنشّط نحو 4.3B معامل بما يشمل مُرمِّز الصوت.
- إجمالي 34B معامل مع نحو 4.3B نشطة، بما يشمل مُرمِّز صوت بنحو 800M ونحو 3.5B معامل نشطة في العمود الفقري اللغوي
- سياق من 65,536 رمزًا وتسجيلات تصل إلى ساعة؛ الأوزان صدرت بصيغة BF16 مع نسخ مُكمَّمة FP8 وNVFP4
- متوسط WER المُبلَّغ عنه 4.71 على 9 مجموعات عامة في Open ASR Leaderboard، مقابل 4.94 لأفضل نموذج مفتوح الأوزان التالي Qwen3-ASR-1.7B
- الترخيص OpenMDW-1.1 ويتطلب النشر 1× H100 80 GB؛ تاريخ الإصدار 28 أكتوبر 2026
لمطوري تطبيقات الصوت، يوفر هذا الإصدار المفتوح الأوزان نسخًا صوتيًا دون اتصال بترخيص استخدام تجاري بـ40 لغة، لكن تخطيط السعة يجب أن يراعي 1× H100 80 GB لكل عملية نشر.
Granite Switch 4.1.1 — حدّث النماذج كما تحدّث البرمجيات
Granite Switch 4.1.1 إصدار تصحيحي متوافق تمامًا مع الإصدار 4.1 دون الحاجة إلى ترحيل. يحدّث نموذج Granite Speech ASR لتحويل الكلام إلى نص متعدد اللغات في 10 لغات مع علامات ترقيم وحروف كبيرة أصلية، ويحدّث محوّل Decision في granitelib-core؛ وباستثناء تدريب المحوّلات الجديدة، لم يُعَد حساب النموذج الأساسي.
- الإصدار التصحيحي متوافق تمامًا مع الإصدار 4.1 ولا يتطلب ترحيلًا.
- نموذج Granite Speech ASR المحدّث يغطي تحويل الكلام إلى نص في 10 لغات مع علامات ترقيم وحروف كبيرة أصلية.
- محوّل Decision المحدّث في granitelib-core يُظهر أداءً عامًا محسّنًا على مجموعة اختبار Jev Decision Index.
- باستثناء تدريب نموذج ASR ومحوّل Decision الجديدين، لم يُعَد حساب أي شيء وبقي النموذج الأساسي دون تغيير.
بالنسبة للمطورين، تتيح المحوّلات المعيارية إصدار تحديثات النماذج كتصحيحات برمجية: ركّب أحدث المحوّلات وانشر دون إعادة تدريب النموذج الأساسي.
هل تكذب الذكاء الاصطناعي؟ باحثون نصبوا 1532 فخًا لتسعة نماذج كبيرة رائدة
نصب الباحثون 1532 فخًا اختباريًا لتسعة نماذج كبيرة رائدة لفحص ما إذا كانت النماذج تكذب.
- يشمل الاختبار تسعة نماذج كبيرة رائدة.
- تم نصب 1532 فخًا إجمالًا.
بالنسبة لمطوري الذكاء الاصطناعي، يمكن أن يكون هذا النوع من تصميم الاختبارات المركّز على الخداع اتجاهًا مرجعيًا لتقييم موثوقية النماذج.
وكلاء الذكاء الاصطناعي حاولوا البحث في أسئلة مفتوحة ولم يصل أي منهم إلى معيار الخبير
يشير ملخص ورقة بحثية إلى أن وكلاء الذكاء الاصطناعي حاولوا البحث في أسئلة مفتوحة، وأن أيًا منهم لم يصل إلى معيار الخبير.
- يذكر ملخص الورقة البحثية أن وكلاء الذكاء الاصطناعي حاولوا البحث في أسئلة مفتوحة.
- يذكر ملخص الورقة البحثية أن أيًا منهم لم يصل إلى معيار الخبير.
بالنسبة لمن يبنون وكلاء البحث، يشير هذا الملخص إلى أن الأداء الحالي في الأسئلة المفتوحة يقل عن معيار الخبير.