AI FRONTIER
Signals worth understanding before they become obvious.
BEVCast: تمثيل BEV متكيف مع المسار للقيادة الذاتية الشاملة بكفاءة
BEVCast هو تمثيل BEV من مرحلتين تتكيف دقته مع مسار القيادة المتوقع: تمريرة خشنة ترمّز المشهد كاملًا على خلايا 4.096 م، ورأس حراري مدرَّب على المسار المسجَّل يختار الخلايا الأعلى حرارة لتنقيحها إلى خلايا 1.024 م ضمن ميزانية ثابتة، وتبقى البقية بخشونتها.
- بميزانية تنقيح 10%، يرمّز BEVCast 28% من استعلامات BEV ويحتاج 66% من زمن مُرمِّز BEV عند حجم دفعة 1 مقابل شبكة كاملة بخلايا 1.024 م.
- على nuScenes يبلغ متوسط خطأ الإزاحة 1.078 م مقابل 1.149 م، ومعدل انتهاك المنطقة القابلة للقيادة 1.46% مقابل 2.29%.
- على NAVSIM navtest يبلغ متوسط خطأ الإزاحة 0.577 م مقابل 0.598 م، ودرجة نموذج السائق التنبؤي الموسّع 82.51 مقابل 81.28.
- لا تحتاج الطريقة إلى خريطة HD ولا إلى أمر ملاحة، ويقرأ رأس المسار تمثيل BEV بدقة مختلطة يظل يغطي المشهد كاملًا.
في إدراك BEV للقيادة الذاتية، يقلل توزيع الدقة على طول المسار المتوقع الاستعلامات وزمن المُرمِّز مع الحفاظ على تغطية المشهد كاملًا، ما يمنح النماذج الشاملة ميزانية حساب قابلة للضبط.
InstaGen: أخذ عينات أهمية مشترك بين المجموعات لتوليد فيديو سريع
تقدم الورقة InstaGen، الذي يعيد صياغة اختيار الكتل في الانتباه المتفرق الكتلي المُبدَّل (PBSA) لمحوّلات الانتشار كأخذ عينات أهمية: تشكّل المفاتيح الأعلى تقييمًا مجموعة دقيقة تُحسب بالكامل، بينما تُمثَّل المفاتيح المتبقية بعينة تُسحب بنسبة إلى الانتباه المُقدَّر وتُعاد موازنتها بمعكوس احتمال أخذ العينات، مع عينة واحدة ي...
- على Wan2.1-T2V-1.3B وWan2.1-T2V-14B، يحسّن InstaGen المُعامَل بـ SVG2 قيمة PSNR مقارنةً بـ SVG2 بمقدار 3.4 dB و2 dB على التوالي عند كثافة انتباه متطابقة.
- عند زمن حائطي متطابق، تتحسن PSNR بمقدار 1.6 dB و2.2 dB على التوالي.
- على Wan2.1-T2V-14B، يتفوق InstaGen على SVG-EAR بمقدار 1.1 dB في PSNR عند كثافة شبه متطابقة، بسرعة 1.65x مقارنةً بالكثيف مقابل 1.48x لـ SVG-EAR.
- تذكر الورقة أن اختيار top-p غير فعّال للغاية في أخذ العينات ضمن أنظمة انتباه عالية الإنتروبيا الشائعة في توليد الفيديو، حيث يوفر أخذ العينات تقديرات تقريبية أفضل بكثير ضمن الميزانية الحسابية نفسها.
استبدال اختيار الكتل بمنهج top-p بمجموعة دقيقة مع أخذ عينات الأهمية يمكن أن يرفع جودة نماذج انتشار الفيديو مباشرة دون زيادة كثافة الانتباه أو زمن الاستجابة.
فرض حرف واحد يثبط الرفض: أدلة ميكانيكية من WMDP
تقدم الورقة أول تفسير ميكانيكي لسبب خفض صيغة الاختيار من متعدد لمعدلات الرفض، وقد اختُبرت على مجموعة بيانات WMDP عبر نموذجين هما Llama-3.1-8B وQwen3-8B.
- باستخدام تقنية tuned lens، تُظهر الورقة أن النموذج يثبت بسرعة كبيرة على رمز حرف الإجابة في MCQ، على عكس التكوّن التدريجي للرفض في الصيغ المفتوحة.
- تقع التنشيطات في صيغة MCQ على مسافة أكبر بنحو 3 أضعاف من اتجاه الرفض مقارنة بنظيراتها في الصيغة المفتوحة.
- إزالة رؤوس الانتباه التي تحمل إجابة MCQ تزيد الرفض، وهو ما تقدمه الورقة كدليل مباشر على أن اختيار إجابة MCQ ينافس الرفض.
- قُبلت الورقة في BlackboxNLP 2026 (ورشة EMNLP 2026) وتضم 17 صفحة و15 شكلًا.
على مطوّري تقييمات السلامة ملاحظة أن درجات السلامة في MCQ تقيس أساسًا قدرات المعرفة ولا تقيّم آليات السلامة في النموذج.
معاينة مبكرة لـ ccore/Qwen3.5-4B-3D-Coder: التركيز على توليد مشاهد ثلاثية الأبعاد بـ Three.js
هذه معاينة مبكرة لنموذج بحجم 4B قامت CCORE بضبطه الدقيق بشكل مستقل انطلاقًا من Qwen/Qwen3.5-4B، ويركز على البرمجة العامة وتوليد مشاهد ثلاثية الأبعاد تفاعلية باستخدام Three.js؛ وهو ليس إصدارًا رسميًا من Qwen. تتوفر أوزان FP16 بصيغة Safetensors ونسختا GGUF بصيغتي Q4_K_M وQ8_0 ومجموعة بيانات التدريب وتقرير تقني.
- تشير بطاقة النموذج إلى 947 إعجابًا و289,466 تنزيلًا الشهر الماضي وترخيص Apache-2.0.
- تحتوي مجموعة بيانات التدريب CCORE Three.js 3D Scenes على 4,146 مثالًا لمشاهد (3,933 للتدريب / 213 للتحقق) وتُصدر بموجب ترخيص MIT.
- يمكن لنسختي GGUF بصيغتي Q4_K_M وQ8_0 قبول مدخلات صور مع مُسقِط رؤية BF16 بحجم يقارب 644 MiB؛ ويذكر المؤلف أنه اختبر ذلك محليًا باستخدام llama.cpp b11889.
- يذكر المؤلف أن نقطة التحقق بتاريخ 27 أكتوبر حسّنت بشكل كبير نجاح المحاولة الواحدة وجودة المشاهد، رغم أن بعض المشاهد قد تحتاج إلى محاولة أخرى أو تصحيح.
لمن يبني أدوات ثلاثية الأبعاد أو البرمجة الإبداعية، هذا نموذج صغير قابل للنشر محليًا مع مجموعة بيانات عامة ونسخ مُكمَّمة، ما يجعله نقطة انطلاق عملية لضبط وتقييم توليد مشاهد Three.js.
تقديم Control Room: تحكّم بشري في أحمال عمل الذكاء الاصطناعي
يتتبّع Control Room من OpenAI أحمال عمل النماذج عبر بنيته التحتية البحثية، ويمكنه إيقافها بسرعة عند ظهور مخاوف تتعلق بالسلامة أو الأمن.
- يتتبّع Control Room أحمال عمل النماذج عبر البنية التحتية البحثية لـ OpenAI.
- يمكن لـ Control Room إيقاف أحمال العمل هذه بسرعة عند ظهور مخاوف تتعلق بالسلامة أو الأمن.
بالنسبة للفرق التي تشغّل النماذج على بنية تحتية بحثية مشتركة، يشير Control Room إلى أن قدرة الإيقاف السريع تُبنى كطبقة تحكّم منفصلة بدلاً من تركها لضوابط كل حمل عمل على حدة.
تقييم خارج السياسة عالي الأبعاد دون تقسيم العينات باستخدام تصحيح Onsager
تطوّر الورقة معيارًا مصحَّحًا بطريقة Onsager ومرجَّحًا بالسياسة الهدف، يقدّر المخاطر خارج العينة لنموذج المكافأة المدرَّب على كامل البيانات تحت السياسة الهدف باستخدام ملاحظاته التدريبية فقط، ما يتيح الإيقاف المبكر على طول مسار الانحدار التدريجي على كامل البيانات دون تقسيم العينات.
- تثبت الورقة ضمانًا قريبًا من الأوراكل لنموذج المكافأة المختار في ظل هذه الافتراضات نفسها.
- ينتج عن التصحيح نفسه مقدّر مزدوج المتانة يقدّر قيمة السياسة الحقيقية باتساق دون تقسيم العينات، حتى عندما لا يتلاشى خطأ تنبؤ نموذج المكافأة.
بالنسبة لمطوري الذكاء الاصطناعي الذين يجرون تقييمًا خارج السياسة، يتيح ذلك اختيار نماذج المكافأة والحصول على تقديرات قيمة مزدوجة المتانة من مسار التدريب على كامل البيانات دون التضحية ببيانات لتقسيم محجوز.
VoluCompose: بناء تمثيلات بصرية حجمية مدمجة لفهم الصور الطبية
VoluCompose إطار عمل بلا تدريب ومستقل عن النموذج يفصل بين المحتوى البصري الذي يجب الاحتفاظ به وعدد الرموز المخصصة، عبر وحدة تركيب رموز قطعية زائدية ووحدة تحكم في السعة تعتمد على إنتروبيا الانتباه لضغط الصور الطبية الحجمية.
- تذكر الورقة أن VoluCompose، عبر تسع إعدادات معايرة، يحقق أعلى حجم فائق متوسط للجودة-الاحتفاظ بين الطرق المقارنة.
- تذكر الورقة جودة نسبية متوسطة تبلغ 121.68% مقابل المراجع غير المضغوطة مع الاحتفاظ بمتوسط 22.78% من الرموز البصرية.
- تذكر الورقة أن الضغط يظل قوياً حتى مع ميزانية رموز تبلغ 10%، وأن أدنى نسبة ROUGE-L مقابل المرجع غير المضغوط هي 96.4% لـ VoluCompose.
- تذكر الورقة أن القيم الدنيا المقابلة لخطوط أساس الضغط تتراوح من 15.0% إلى 70.5%.
لمن يبنون نماذج بصرية-لغوية طبية، يُظهر VoluCompose إمكانية تقليص الرموز الحجمية إلى نحو 22.78% دون تدريب مع الحفاظ على الجودة، ما يخفض كلفة الاستدلال لتسلسلات الشرائح الطويلة.
من الهندسة إلى الوظيفة: مجموعة بيانات معيارية متعددة المهام بالليدار للتحليل الدلالي والوظيفي للواجهات الحضرية
تقدم الورقة HFX3D، وهو معيار للواجهات الحضرية واسع النطاق يضم نحو 492 مليون نقطة ليدار من 26 مبنى في هاليفاكس بكندا، جُمعت عبر الفصول الأربعة وليلًا ونهارًا وفي ظروف جوية متنوعة، مع تعليق توضيحي لكل واجهة على ثلاثة مستويات: الدلالي، والمثيل، والسمات الوظيفية لكل مثيل. ويصفه المؤلفون بأنه أول مجموعة بيانات للواجهات تجمع...
- تضم HFX3D نحو 492 مليون نقطة ليدار من 26 مبنى في هاليفاكس بكندا.
- تغطي البيانات الفصول الأربعة والليل والنهار وظروفًا جوية متنوعة.
- تُعلَّق كل واجهة على ثلاثة مستويات: الدلالي، والمثيل، والسمات الوظيفية لكل مثيل.
- تفيد الورقة بأن التجزئة الدلالية صعبة أصلًا في ظل اختلال شديد بين الفئات، بينما يكون فصل مثيلات البنى المتكررة والاستدلال الوظيفي من الهندسة أصعب بكثير.
ينقل هذا المعيار التقييم من الهندسة والتجزئة الدلالية إلى الاستدلال الوظيفي، ويمنح المطورين أرضية اختبار كمية لنماذج الفهم الحضري ثلاثي الأبعاد المدركة للوظيفة.