Together AI تعرض تسعة أبحاث في مؤتمر ICML 2026 في سيول

أعلنت Together AI في 30 يونيو 2026 أن تسعة أبحاث للشركة وشركائها قُبلت في مؤتمر ICML 2026 في سيول. وتُعرض الأوراق على الجناح B714، وتغطي كامل مكدس بنية الذكاء الاصطناعي التحتية، من الوكلاء إلى نوى GPU.

كيف يُبنى مكدس الأبحاث

تؤكد Together AI أن الذكاء الاصطناعي الرائد لا يُبنى في طبقة واحدة. فالمكسب في طبقة ما لا قيمة له إذا لم تواكبه الطبقات المجاورة. وقد وزّعت الشركة الأبحاث التسعة على خمس طبقات من المكدس، من الوكلاء في القمة إلى نوى GPU في القاعدة، وبيّنت كيف تغذّي كل طبقة التي تليها، وكيف تحدد أحمال الإنتاج على منصة Together المسألة البحثية التالية التي ينبغي العمل عليها.

ويُعدّ ICML (المؤتمر الدولي للتعلم الآلي) أحد أبرز المؤتمرات العالمية في مجال التعلم الآلي إلى جانب NeurIPS وICLR، ويُنظر تقليديًا إلى قبول ورقة بحثية في برنامجه بوصفه مؤشرًا قويًا على جودة البحث في القطاع. ويُعقد المؤتمر في عام 2026 في سيول، حيث سيكون لدى Together AI جناحها الخاص B714 للقاء المشاركين.

ما الجديد في الوكلاء وتدريب النماذج

تتناول ثلاثة أبحاث وكلاء ينجزون عملًا فعليًا ويُقيَّمون على مهام لا يمكن «التظاهر» بحلّها. فـ DSGym إطار لتقييم الوكلاء وتدريبهم على البيانات، ويضم أكثر من 1 000 مهمة في أكثر من 10 مجالات ضمن واجهة API موحدة. ويسرّع ThunderAgent استدلال الوكلاء حتى 3,6 مرة. أما TTT-Discover فهو نموذج مفتوح يتفوق، بحسب ما يذكره مؤلفوه، على أفضل نتيجة بشرية في فئة المهام التي يعمل عليها.

ويتناول بحثان آخران كيفية تحويل نموذج أساسي إلى «مُستدلّ» حتى في الحالات التي لا يتوفر فيها جواب مرجعي جاهز للمقارنة به. يدرّب RARO النموذج دون مُتحقِّق، ويحقق 25% من الانتصارات مقارنةً بالنموذج الأساسي. ويضيف V1 ما يصل إلى 10% من الإجابات الصحيحة. ويعالج البحثان المشكلة العملية نفسها: كيف نحسّن نموذجًا في مهام لا يمكن فيها التحقق من صحة الإجابة بمقارنة بسيطة مع «قاموس للإجابات الصحيحة».

كيف يُسرَّع الاستدلال وتُحسَّن نوى GPU

على مستوى التحسين الخوارزمي، ينفّذ Aurora فك الترميز التخميني التكيفي، وهي تقنية يتنبأ فيها نموذج أخف مسبقًا بعدة رموز ثم يتحقق منها النموذج الرئيسي، فيتسارع توليد النص. وتتكيف خوارزمية Aurora مع حركة المرور الحية وتحقق تسريعًا يصل إلى 1,25 مرة. وبحسب Together AI، يعمل هذا الخط البحثي نفسه في بيئة الإنتاج على المنصة باسم ATLAS-speculator، أي أن الطريق من ورقة ICML إلى خدمة فعلية لم يستغرق هنا سنوات، بل دورة تطوير واحدة.

أبرز الحقائق على المستويين النظامي والعتادي:

• يحتفظ Untied Ulysses بسياق من 5 ملايين رمز على عقدة حوسبة واحدة
• يسرّع Opportunistic Expert Activation (OEA) فك ترميز نماذج MoE حتى 39%
• ParallelKernelBench مجموعة من 87 مهمة لنوى GPU المتعددة، وهو أساس المكدس حيث يتحول العتاد الخام إلى سرعة مفيدة
• قُبلت في ICML 2026 تسعة أبحاث لـ Together AI وشركائها
• تعرضها الشركة على الجناح B714 في سيول

ما الذي تجنيه الشركة من ذلك

تربط Together AI الأبحاث بالإنتاج بشكل مباشر: فإنجازات Aurora مستخدمة بالفعل في منصتها باسم ATLAS-speculator. ومنطق الدورة الذي تصفه الشركة هو التالي: تصبح نتائج الأبحاث جزءًا من منصة Together، وتُظهر أحمال الإنتاج على هذه المنصة المسألة البحثية التي ينبغي معالجتها بعد ذلك.

ماذا يعني ذلك

يُظهر ICML 2026 أن السباق نحو استدلال أسرع وأرخص للذكاء الاصطناعي لا يجري على مستوى النماذج نفسها فحسب، بل أيضًا على مستوى أطر الوكلاء وخوارزميات فك الترميز ونوى GPU. وتبني شركات مثل Together AI أبحاثها على هذا المكدس بأكمله، لا عند نقطة واحدة فقط.