Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-15
01
watchresearchincremental

اختراق لوحات الصدارة: تقييمات النماذج القائمة على التفضيلات عرضة للتلاعب

تذكر الورقة أن تصنيفات بنمط Arena، التي تجمع المقارنات الثنائية بين نماذج مجهولة عبر نموذج Bradley-Terry، عرضة للتصويت الاستراتيجي والتحفيز الاستراتيجي والترشيح الاستراتيجي.

  • توضح الورقة التصويت الاستراتيجي والتحفيز الاستراتيجي والترشيح الاستراتيجي على بيانات لوحات الصدارة العامة.
  • تذكر الورقة أن كل هجوم يمكن أن يرفع ترتيب نموذج بما يصل إلى 15-20 مركزًا، وأن الهجمات مجتمعة يمكن أن ترفعه بما يصل إلى 45 مركزًا.
  • تذكر الورقة أن هذه المشكلات تنطبق على أي تقييم قائم على التفضيلات يستخدم نموذج Bradley-Terry ويسمح بالتحفيز أو التصويت أو تقديم النماذج بشكل مفتوح.

تحتاج الفرق التي تبني أو تعتمد على لوحات صدارة بنمط Arena إلى ضمانات ضد التلاعب في التصويت والتحفيز وتقديم النماذج، وإلا فقد يرفع المزوّدون الترتيب استراتيجيًا.

arXiv cs.AI
02
watchresearchincremental

تقدير حالة قوي واعٍ بالمهمة من الإدراك المُدرَّب مسبقًا

تقترح الورقة مجموعة معتقدات دنيا بثقة θ (MBS_θ)، تُبنى من الاحتمالات التي ينتجها نموذج الإدراك بالفعل، مثل توزيعات الرموز في طبقة الإخراج لنموذج VLM، وتُعرَّف بأنها أصغر مجموعة فرعية من الحالات يبلغ احتمالها التراكمي حدّ كتلة المعتقد الذي يحدده المستخدم، إلى جانب خوارزمية PRaVaSS.

  • الورقة من تأليف Guy Azran وSarah Keren وتظهر في NeurIPS 2026.
  • تُعرَّف MBS_θ بأنها أصغر مجموعة فرعية من الحالات يبلغ احتمالها التراكمي حدّ كتلة المعتقد الذي يحدده المستخدم.
  • تبني PRaVaSS مجموعة MBS_θ بضمانات صحة وتعقيد كثير الحدود في الحالة غير المقيّدة.
  • باستخدام VLM كعمود فقري لمقدّر الحالة، يتحقق المؤلفون من الخصائص النظرية وقابلية التوسع مع حجم المسألة وتحسّن اتخاذ القرار اللاحق في خط أنابيب تخطيط المهام.

بالنسبة لبناة الوكلاء، فإن الاحتفاظ باحتمالات نموذج الإدراك بدلًا من تحويلها إلى تخمين أفضل واحد قد يعزز متانة القرار دون الحفاظ على توزيع كامل للحالات الرمزية.

arXiv cs.AI
03
testinferenceincremental

Together Compiler: ترجمة مستمرة لاستدلال الذكاء الاصطناعي

تقدّم Together AI نظام Together Compiler (TKCC)، وهو حلقة وكلاء مستمرة لتحسين استدلال الذكاء الاصطناعي، يجمع بين Tiered Persistent Engine ونموذج تكلفة لاختيار إعدادات التوازي لتخفيف المقايضة بين إنتاجية القياس والدقة.

  • تذكر الورقة أن TKCC يتفوق بحد أقصى 1.7x على Megakernels المكتوبة يدويًا والمحسّنة للغاية في حمل عمل Llama 1B.
  • تذكر الورقة تحقيق TPS أعلى بحد أقصى 2.6x من أفضل المحركات مفتوحة المصدر في معيار InferenceX عبر منصات عتادية مختلفة للنماذج Kimi K3 وGLM 5.3 وMiniMax M3.1 Flash وDeepSeek v4.1 Flash.
  • تذكر الورقة أداءً متقدمًا عند batch size 1 بواقع 1111 TPS على M3.1 Flash و1205 TPS على DeepSeek v4.1 Flash.
  • تذكر الورقة أن TKCC يخدم تريليونات من الرموز عبر أسطول الإنتاج لدى Together AI.

بالنسبة لفرق تقديم الاستدلال، يطرح TKCC الترجمة كحلقة متصلة مستمرة بدلًا من ضبط النوى دون اتصال، لكن أرقام التسريع مُبلَّغ عنها في الورقة وليست مُتحقَّقًا منها بشكل مستقل.

arXiv cs.AI
04
watchagentsincremental

تنظيف سجل الوكيل يضرّ عندما لا يزال العالم يحتفظ بالخطأ

تجمّد الورقة وكيلاً في منتصف المهمة بحالة العالم الدقيقة على AgentCE-Bench وAppWorld، وتعدّل السجل أو العالم ثم تترك نموذجاً مستقبِلاً يكمل، فتجد أن أثر تعديل السجل يعتمد على العالم الذي يصفه.

  • AgentCE-Bench: بعد أن يسجّل الوكيل قيمة خاطئة، يؤدي تثبيت العالم وإضافة ملاحظة صادقة بجانب الخطأ المحفوظ إلى رفع الاستعادة من 51% مع ملاحظة محايدة مقابلة إلى 66%.
  • AgentCE-Bench: أما إضافة إجراء الوكيل نفسه المكتمل فتُنزل الاستعادة دون السجل غير المعدّل، من 50% إلى 44%.
  • AppWorld: بعد كتابة في قاعدة البيانات، يخفض إيصال النجاح نجاح المهمة كاملة من 45% إلى 28% عند غياب الأثر ويرفعه من 38% إلى 49% عند وجوده.
  • تذكر الورقة أن الأثرين يختلفان بمقدار 27 نقطة عند تجميع مستقبِلين، وهو موجب لدى ستة من ثمانية مستقبِلين عند مستوى 97.5% وسبعة عند 95%.

على بناة أنظمة ضغط سجل الوكيل أو تسليمه مواءمة تعديلات السجل مع الحالة الفعلية للعالم، لأن سجلاً يبدو نظيفاً بينما لا يزال العالم يحتفظ بالخطأ قد يترك الوكيل أسوأ حالاً من عدم التعديل إطلاقاً.

arXiv cs.AI
05
testdeveloperincremental

SynthCorp: منصة لإنشاء معايير تقييم لوكلاء البيانات

تقدم الورقة SynthCorp، وهي منصة تنشئ مجموعات بيانات ومعايير تقييم قابلة للتخصيص عبر محاكاة كيفية إنتاج أحداث الأعمال لبيانات الشركات وتعديلها بمرور الوقت، وتستخدمها لتوليد معايير تقييم أولية تضم سبع مجموعات بيانات و256 مهمة.

  • تجمع كل مجموعة بيانات في SynthCorp بين قواعد بيانات علائقية ومخزن مستندات وفهرس بيانات، مقترنة بمهام تقييم وبرامج مرجعية قابلة للتنفيذ.
  • تضم معايير التقييم الأولية سبع مجموعات بيانات (حتى 1K جدول تشغيلي) و256 مهمة عبر خمسة مجالات.
  • تذكر الورقة أن مجموعات البيانات تجتاز فحوصات خط الأنابيب الحتمية مثل انتهاكات المفاتيح الأجنبية والكتابات غير المعلنة وانتهاكات التكرار وفشل تنفيذ قواعد البيانات بمعدل خطأ قريب من الصفر.
  • تذكر الورقة تقييم ثلاثة نماذج عبر أربعة إعدادات لسياق البيانات، مما يُظهر أن معايير التقييم تفصل بين سياقات البيانات ومستويات النماذج.

بالنسبة للفرق التي تبني وكلاء بيانات للمؤسسات، توفر SynthCorp مسارًا قابلًا للتخصيص لتوليد معايير التقييم يتحقق من البرامج المرجعية دون وضع علامات يدوية.

arXiv cs.AI
06
watchresearchincremental

ياو شونيو ويانغ تشيلين ينشران أول ورقة مشتركة: لا يوجد ذكاء اصطناعي حلّ بمفرده أيًا من 30 مسألة رياضية عالمية

تذكر أول ورقة مشتركة لياو شونيو ويانغ تشيلين أن أيا من المسائل الرياضية العالمية الثلاثين لم يُحل بشكل مستقل بواسطة ذكاء اصطناعي.

  • الورقة هي أول منشور مشترك لياو شونيو ويانغ تشيلين.
  • تتناول الورقة 30 مسألة رياضية عالمية.
  • تذكر الورقة أن أيا من المسائل الثلاثين لم يُحل بشكل مستقل بواسطة ذكاء اصطناعي.

بالنسبة لمطوري الذكاء الاصطناعي، تشير النتيجة المذكورة إلى فجوة واضحة في النماذج الحالية عند المسائل الرياضية التي يجب حلها بشكل مستقل.

智源社区