ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارNeurohive→ المصدر

Tencent تفتح مصدر وكيل يكتشف مقاطع الفيديو المولَّدة بدقة 95.2%

فتحت Tencent مصدر WeVisForensics، وهو وكيل ذكي يفحص المقطع كما يفعل فريق من ستة خبراء متخصصين: يدقق في البشرة والظلال، وفيزياء الحركة، والمنطق السليم، والنصوص المكتوبة، والصوت، ووتيرة الكلام. وعلى أربعة اختبارات يحدد الوكيل في المتوسط 95.2% من مقاطع الفيديو بشكل صحيح، أي بفارق 9 نقاط عن المتصدر السابق VideoVeritas. يرفق الوكيل كل حكم بإشارات زمنية، لذا يستطيع المشرف على المحتوى التحقق من القرار لقطةً بلقطة. الأوزان مفتوحة، وتكفي لتشغيله بطاقة رسومات بذاكرة 24 GB.

معالج بواسطة الذكاء الاصطناعي من Neurohive؛ بتحرير Hamidun News
Tencent تفتح مصدر وكيل يكتشف مقاطع الفيديو المولَّدة بدقة 95.2%
المصدر: Neurohive. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليNeurohive ↗
رئيس التحرير
حقيقة رئيسية #1على الاختبار الجديد AgenticCue (Sora 2 وVeo 3.1 وKling 3.0) تبلغ الدقة 97–98.8%
حقيقة رئيسية #2أعطى التدريب المشترك 95.2% مقابل 93.2% لوكيل واحد مدرَّب
حقيقة رئيسية #3على MintVid يكتشف الوكيل تزييفات Sora 2 في 64.6% من الحالات، وتزييفات Jimeng في 67%

أصبحت مقاطع الفيديو المولَّدة بالذكاء الاصطناعي سلسة إلى درجة أن عدد من يميزها بالعين المجردة يتناقص، بينما تحتاج المنصات والمؤسسات الإعلامية إلى حسم سريع في أي مقطع يُسمح بنشره في الخلاصة. وقد أصدر باحثون من WeChat Vision (التابعة لـ Tencent) وجامعة نانجينغ WeVisForensics، وهو وكيل ذكي مفتوح المصدر مبني على نموذج Qwen3.5-4B، يفحص الفيديو كما يفعل فريق من ستة اختصاصيين.

وعلى أربع مجموعات اختبار (benchmarks) يحدد الوكيل في المتوسط 95.2% من المقاطع بشكل صحيح، أي بزيادة 9 نقاط مئوية عن المتصدر السابق VideoVeritas. لنفترض أن مشرفًا تلقى مقطعًا لقطة تقود سيارة، وفي خلفيته لافتة مشوهة: سيحدد الوكيل الثواني التي تلاصقت فيها الحروف، ويشرح سبب عدم واقعية المشهد.

القراءة مفيدة لمن يبني أنظمة إشراف على المحتوى أو التحقق منه: الشيفرة والأوزان مفتوحة، ويعمل كل شيء على بطاقة رسومات واحدة بذاكرة 24 GB.

كيف يعمل فريق الخبراء

تخيلوا محررًا يتلقى مقطعًا مشبوهًا فيوزعه على زملائه. يفحص الأول البشرة والشعر والأصابع والأسنان والإضاءة والظلال. ويراقب الثاني الفيزياء: كيف تتحرك الأجسام، وكيف تنساب السوائل، وماذا يحدث عندما يختفي جسم خلف عائق. ويقيّم الثالث المنطق السليم، كأن تمسك قطة بالمقود كما يفعل الإنسان. ويقرأ الرابع النصوص المكتوبة. أما الأداتان الأخريان فتستمعان إلى الصوت ووتيرة الكلام.

هكذا يعمل النظام تمامًا. يستعرض الوكيل الرئيسي أولًا حتى 16 إطارًا مأخوذة بفواصل متساوية من الفيديو بنظرة سريعة، ويعرف مدة المقطع ووجود الصوت فيه. ثم يقرر خطوة بخطوة أي خبير يستدعيه، وأي مقطع يعرضه عليه، ومتى تكفي البيانات لإصدار الحكم. لا يتجاوز عدد الاستدعاءات أربعة، ولا يجوز استدعاء الخبير نفسه مرة ثانية.

يعمل الخبراء البصريون الأربعة على Qwen3.5-4B نفسه، لكن لكل منهم محولات LoRA خاصة به (إضافات صغيرة مُدرَّبة تدريبًا إضافيًا). تستخرج PaddleOCR النصوص، ويفحص الخبير المقتطفات المكبّرة بحثًا عن حروف ملتصقة أو مكسورة. وتقيّم أداتا الصوت، وهما غير قابلتين للتدريب، جنس المتحدث وعمره، وترصدان وتيرة كلام منتظمة بشكل غير طبيعي. يقدّم كل خبير حكمًا (الأثر موجود، أو غير موجود، أو يتعذر التحديد) مع درجة ثقة وتفسير يشير إلى ثوانٍ محددة، ولذلك يمكن التحقق من القرار لقطةً بلقطة. ولا يعدّ الخبراء تمويه الحركة والضغط والأسلبة (المعالجة الأسلوبية) من علامات التوليد.

الجديد في التدريب

درّبت الكواشف الوكيلية السابقة، مثل ARGUS، الوكيل الرئيسي وحده، وبقي الخبراء مجمَّدين. وإذا كان الخبير نفسه لا يرى الأثر، فلن يصلح أي توجيه (routing) ذلك. كما أن تحديث الطرفين في كل خطوة ليس حلًا جيدًا أيضًا: فالوكيل الرئيسي يقرر ما سيراه الخبراء، وإجاباتهم تغيّر قراراته، فيصبح كل طرف هدفًا متحركًا للآخر.

فصل المؤلفون بين وتيرتي التدريب وسمّوا الطريقة DTPO (Dual-Timescale Policy Optimization). يُحدَّث الوكيل الرئيسي في كل دفعة (batch) عبر GRPO بمكافأة على الحكم الصحيح دون مخالفات للبروتوكول. أما الخبراء فيُدرَّبون تدريبًا إضافيًا مرة كل 20 خطوة على الاستدعاءات المتراكمة. والمعلّم، وهو نسخة من الخبير تُحدَّث ببطء، يرى الإطارات والتصنيف وفترات ظهور الأثر، بينما يرى التلميذ الإطارات فقط ويقترب من إجابات المعلّم. إضافة إلى ذلك، يحلل نموذج LLM مجمَّد أخطاء الخبراء ويقترح قواعد، مثل «عدم اعتبار الشعر المموّه أثناء الحركة السريعة عيبًا». ولا تُقبل القاعدة إلا إذا زاد عدد الأحكام الصحيحة ولم ينكسر أي حكم صحيح سابق. ويستغرق التدريب الكامل نحو يوم.

تظهر مساهمة كل جزء عند مقارنة المتغيرات. فإذا دُرّب الخبراء فقط، ترتفع الدقة المتوسطة من 91.3% إلى 92.0%، وإذا دُرّب الوكيل فقط ترتفع إلى 93.2%، وإذا دُرّب الاثنان ترتفع إلى 95.2%. أما لدى خبير الفيزياء فقد ارتفع مقياس F1 على GenBuster-Bench من 66.5% إلى 97.8%، وانخفضت نسبة الإجابات «يتعذر التحديد» من 26.9% إلى 0.3%. وإذا حُدّث الخبراء في كل دفعة بدلًا من مرة كل 20 خطوة، تنخفض الدقة على المولِّدات الستة كلها في MintVid.

الأرقام والقيود وكيف نتعامل معها

على GenBuster-Bench يحقق الوكيل 97.7% مقابل 94.3% لـ VideoVeritas، وعلى GenBuster-Bench++ يحقق 97.5% مقابل 91.4%، وعلى مولِّدات MintVid الستة يحقق 88.0% مقابل 82.2%. أما الكاشفان الثنائيان NSG-VD وReStraV، المدرَّبان على البيانات نفسها، فبقيا عند مستوى التخمين: 46.4% و51.9% على GenBuster-Bench. ويكتشف Gemini-3.1-Pro نسبة 99% من التزييفات على GenBuster-Bench++، لكنه يرفض المقاطع الحقيقية أيضًا، ولذلك تبلغ دقته 54.3%.

وعلى المعيار الجديد AgenticCue، بمقاطع Sora 2 وVeo 3.1 وKling 3.0، يحقق الوكيل 97–98.8% في فئات الآثار الخمس كلها، بينما لا يتجاوز VideoVeritas 69.3% في الصوت. وحين يستدعي الوكيل خبير الفيزياء أو النص أو المنطق السليم أو الصوت، يكون أثر من هذا النوع موجودًا فعلًا في الفيديو في 94.3–99.7% من الحالات. وقارن بشر بشكل أعمى 200 زوج من إجابات الخبراء الأصليين والمدرَّبين: تفوّق المدرَّبون في 65 زوجًا، والأصليون في 20، وانخفضت نسبة الإجابات الخاطئة من 30.5% إلى 8.0%.

وثمة نقاط ضعف أيضًا. فعلى المولِّدات التجارية غير المألوفة يتصرف الوكيل بحذر: يعدّ كل مقاطع MintVid الحقيقية حقيقية، لكنه لا يكتشف سوى 64.6% من تزييفات Sora 2 و67.0% من تزييفات Jimeng. ولا تخضع أدوات الصوت للتدريب الإضافي لقلة البيانات الصوتية الموسومة. ويحذر المؤلفون من أن النموذج مصمم للأغراض البحثية، ولا ينبغي له أن يتخذ بنفسه قرارات مهمة تتعلق بالأشخاص.

نُشرت شيفرة الاستدلال والعرض التجريبي ومحولات LoRA بترخيص Apache 2.0. أما مجموعة البيانات ForenCue-30K وشيفرة التدريب فلم تُنشرا، ويَعِد المؤلفون بنشر AgenticCue لاحقًا، ولذلك لا يمكن إعادة إنتاج التدريب بعد. لكن يمكن الآن أخذ النموذج ودمجه في مسار التحقق من المحتوى. والأجدر استخدام الوكيل كمرشِّح أولي يليه تحقق يدوي، خصوصًا مع الفيديو الصادر عن مولِّدات جديدة، حيث تنخفض الدقة بشكل ملحوظ.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف يعمل فريق الخبراء؟

تخيلوا محررًا يتلقى مقطعًا مشبوهًا فيوزعه على زملائه. يفحص الأول البشرة والشعر والأصابع والأسنان والإضاءة والظلال. ويراقب الثاني الفيزياء: كيف تتحرك الأجسام، وكيف تنساب السوائل، وماذا يحدث عندما يختفي جسم خلف عائق. ويقيّم الثالث المنطق السليم، كأن تمسك قطة بالمقود كما يفعل الإنسان. ويقرأ الرابع النصوص المكتوبة. أما الأداتان الأخريان فتستمعان إلى الصوت ووتيرة الكلام. هكذا يعمل النظام تمامًا. يستعرض الوكيل الرئيسي أولًا حتى 16 إطارًا مأخوذة بفواصل متساوية من الفيديو بنظرة سريعة، ويعرف مدة المقطع ووجود الصوت فيه.

ما أبرز التفاصيل حول الجديد في التدريب؟

درّبت الكواشف الوكيلية السابقة، مثل ARGUS، الوكيل الرئيسي وحده، وبقي الخبراء مجمَّدين. وإذا كان الخبير نفسه لا يرى الأثر، فلن يصلح أي توجيه (routing) ذلك. كما أن تحديث الطرفين في كل خطوة ليس حلًا جيدًا أيضًا: فالوكيل الرئيسي يقرر ما سيراه الخبراء، وإجاباتهم تغيّر قراراته، فيصبح كل طرف هدفًا متحركًا للآخر. فصل المؤلفون بين وتيرتي التدريب وسمّوا الطريقة DTPO (Dual-Timescale Policy Optimization). يُحدَّث الوكيل الرئيسي في كل دفعة (batch) عبر GRPO بمكافأة على الحكم الصحيح دون مخالفات للبروتوكول.

ما أبرز التفاصيل حول الأرقام والقيود وكيف نتعامل معها؟

على GenBuster-Bench يحقق الوكيل 97.7% مقابل 94.3% لـ VideoVeritas، وعلى GenBuster-Bench++ يحقق 97.5% مقابل 91.4%، وعلى مولِّدات MintVid الستة يحقق 88.0% مقابل 82.2%. أما الكاشفان الثنائيان NSG-VD وReStraV، المدرَّبان على البيانات نفسها، فبقيا عند مستوى التخمين: 46.4% و51.9% على GenBuster-Bench. ويكتشف Gemini-3.1-Pro نسبة 99% من التزييفات على GenBuster-Bench++، لكنه يرفض المقاطع الحقيقية أيضًا، ولذلك تبلغ دقته 54.3%.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…