KDnuggets تختار 10 حسابات على X تستحق المتابعة لمواكبة أخبار LLM
نشرت KDnuggets قائمة قصيرة من 10 حسابات على X لمن يريد متابعة LLM دون ضجيج زائد. تضم القائمة حسابات بحثية مثل DAIR.AI وalphaXiv، وممارسين مثل Simon Willison وSebastian Raschka، إضافة إلى حسابات للأخبار السريعة عن الإصدارات والأدوات مفتوحة المصدر وتشغيل النماذج محليًا وبنية AI التحتية وتأثير AI في عمل الفرق. وتغطي القائمة أكثر من دور في آن واحد: من تتبّع الأوراق البحثية وشروح البنى المعمارية، إلى التطبيق العملي ومتابعة الإصدارات الجديدة.
معالج بواسطة الذكاء الاصطناعي من KDnuggets؛ بتحرير Hamidun News
تحوّلت خلاصة AI على X منذ زمن إلى خليط من الإصدارات المفيدة وسلاسل منشورات الأوراق البحثية (paper threads) وضجيج لا ينتهي. تقترح KDnuggets قائمة قصيرة وعملية من عشرة حسابات تساعد على متابعة LLM دون الحاجة إلى قراءة مئات المنشورات المتشابهة.
لماذا لا يزال X مهمًا
بينما تنشر وسائل الإعلام التقليدية والمجلات الأكاديمية تحليلاتها متأخرة، يبقى X المكان الذي يناقش فيه الباحثون والمهندسون ومطوّرو الأدوات النماذجَ شبه آنيًا. وهناك تظهر أولًا الأوراق البحثية (papers) الجديدة والعروض التجريبية (demo) والإصدارات مفتوحة المصدر والانطباعات الأولى عن المنتجات. والمشكلة واضحة: الخلاصة الخوارزمية تخلط بسهولة بين التحليلات التقنية القوية والضجة السطحية، وصار الفصل بينهما عملًا قائمًا بذاته.
وهنا تكمن فكرة قائمة KDnuggets: ليس البحث عن «أبرز شخصيات AI»، بل جمع مصادر تقدّم إشارة بانتظام لا ضجيجًا. ويبتعد كاتب القائمة عن الأسماء الأكثر تداولًا عن قصد، ويراهن على حسابات توفّر إمّا فائدة عملية أو تصفية جيدة للأخبار. ويهمّ هذا النهج من لا يحتاج إلى سلاسل منشورات رائجة، بل إلى معالم واضحة: ما الذي يُقرأ صباحًا ليفهم المرء في عشر دقائق ما حدث فعلًا في عالم LLM.
«إذا كنت تريد الإشارة لا الضجيج، فهذه حسابات موثوقة للمتابعة».
من تُضيف إلى خلاصتك
لا تدور القائمة حول دور واحد، بل حول عدة طرق لمتابعة السوق. بعض الحسابات مفيد للأوراق البحثية وسلاسل منشورات الأبحاث، وبعضها للممارسة وتحليل البنى المعمارية، وبعضها الآخر للتحديثات السريعة عن الإصدارات والأدوات وتشغيل النماذج محليًا. وبذلك لا تنحصر الخلاصة في «أخبار من أجل الأخبار»، بل تغطي الدورة كاملة: من الفكرة والمقالة البحثية إلى التطبيق الفعلي.
- DAIR.AI وalphaXiv — للأوراق البحثية (papers) والشروح الموجزة ومتابعة ما يُناقَش حول arXiv.
- Andrej Karpathy — للشروح الحدسية والنظرة التأسيسية وفهم الاتجاه الذي تسير نحوه LLM.
- Sebastian Raschka وSimon Willison — لمن لا يريد أن يقرأ عن AI فحسب، بل أن يبني شيئًا فعليًا ويختبره.
- The Rundown AI وAK وMatt Wolfe — لتدفّق الإصدارات والأدوات الجديدة مفتوحة المصدر والتحديثات السريعة للمنتجات.
- Ahmad Osman وEthan Mollick — لمواضيع الاستدلال المحلي (inference) والبنية التحتية لوحدات GPU، وتأثير AI في العمل والمؤسسات.
ومن المفيد أن للقائمة منطقًا داخليًا. فإذا كنت تحتاج إلى البحث العلمي فقط، يكفي حسابان أو ثلاثة. وإذا كان البناء العملي (practical building) أهم، فيمكن تكوين النواة من Raschka وWillison وKarpathy. وإذا أردت رؤية السوق كاملًا، تكمّل الحسابات الإخبارية الجانب التقني وتساعد على ألا تفوتك إطلاقات النماذج والخدمات والأدوات المهمة. وفي النتيجة تبقى الخلاصة مضغوطة، لكنها تغطي النظرية والتطبيق العملي (hands-on) والإشارات المتعلقة بالمنتجات.
ما الذي يميّز كل حساب
لا يركّز المقال على علو شهرة الاسم، بل على نوع القيمة التي يقدّمها كل حساب. فمثلًا، تأتي فائدة Simon Willison من ملاحظاته الصريحة عمّا ينجح فعلًا في LLM وما ينهار في السيناريوهات الواقعية. أما Ahmad Osman فيغطي طبقة أخرى: البنية التحتية والنماذج المحلية والاستدلال (inference) ووحدات GPU. وعلى العكس منهما، يتحدث Ethan Mollick أقل عن أحشاء النماذج الداخلية وأكثر عن كيفية تغيير AI للتعليم والعمل والعمليات داخل الشركات.
وهذا المزيج مفيد خصوصًا الآن، مع انقسام سوق LLM إلى مسارين. فمن جهة، يناقش الجميع الإصدارات الجديدة وقدرات الاستدلال (reasoning) وقدرات الوكلاء (agents). ومن جهة أخرى، تحتاج الفرق أكثر فأكثر إلى إجابات عن أسئلة تطبيقية لا إلى انطباعات عامة: ما الذي يستحق التجربة، وما الذي يمكن نشره محليًا، وأي الأدوات توفّر الوقت فعلًا، وأي الأوراق البحثية قد تتحول سريعًا إلى ميزات في المنتجات. وينبغي أن تغطي الخلاصة الجيدة على X المهمتين معًا، لا أن تكتفي بتغذية الخوف من تفويت الفرصة (FOMO).
وثمة خلاصة أخرى من المادة بسيطة: لا معنى للاشتراك في مئات حسابات AI. الأهم أن تجمع قائمة صغيرة لكنها متينة، لا تكرر مصادرها بعضها بعضًا. حساب واحد للبحث العلمي، وآخر للتطوير، وثالث للبنية التحتية، ورابع للأثر على الأعمال. هذا النهج يخفّض الضجيج ويجعل X أداة عمل لا خلاصة لا نهاية لها من المشتتات. وهو في جوهره محرر أخبار شخصي تبنيه لنفسك بنفسك.
ماذا يعني ذلك
تتضخم المعلومات المتعلقة بـ LLM أكثر من اللازم، ولذلك تنتقل القيمة من السرعة إلى جودة التصفية. وتكمن فائدة قائمة KDnuggets في أنها لا تقدّم قائمة أخرى من «أبرز المؤثرين»، بل مجموعة مدمجة من الأدوار: الباحث، والممارس، والخلاصة الإخبارية، ومتخصص البنية التحتية، ومراقب تأثير AI في العمل. وبالنسبة للمطوّرين ومديري المنتجات (product managers) والمؤسسين (founders)، هي وسيلة جيدة لمواكبة المستجدات دون إرهاق يومي ودون إضاعة ساعات في فرز خلاصة فوضوية.
*Meta مصنفة منظمة متطرفة ومحظورة في روسيا.
- 28 أكتوبر 2026Anthropic تكشف كيف تبني Claude بواسطة Claude: الدماغ منفصل عن الأيدي
- 28 أكتوبر 2026Bayer تطلق محركًا متعدد الوكلاء على AgentCore: 80% من الأسئلة دون مهندسين
- 28 أكتوبر 2026Liquid AI تطلق LFM2.5-24B-A2B: وكيل ذكي بمعاملات نشطة لا تتجاوز 2B
- 28 أكتوبر 2026AgentOrch: الخطة المُعدَّة مسبقاً لوكيل الذكاء الاصطناعي تتراجع بمقدار 8.5 نقطة فقط أمام النهج التدريجي
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا لا يزال X مهمًا؟
بينما تنشر وسائل الإعلام التقليدية والمجلات الأكاديمية تحليلاتها متأخرة، يبقى X المكان الذي يناقش فيه الباحثون والمهندسون ومطوّرو الأدوات النماذجَ شبه آنيًا. وهناك تظهر أولًا الأوراق البحثية (papers) الجديدة والعروض التجريبية (demo) والإصدارات مفتوحة المصدر والانطباعات الأولى عن المنتجات. والمشكلة واضحة: الخلاصة الخوارزمية تخلط بسهولة بين التحليلات التقنية القوية والضجة السطحية، وصار الفصل بينهما عملًا قائمًا بذاته. وهنا تكمن فكرة قائمة KDnuggets: ليس البحث عن «أبرز شخصيات AI»، بل جمع مصادر تقدّم إشارة بانتظام لا ضجيجًا. ويبتعد كاتب القائمة عن الأسماء الأكثر تداولًا عن قصد،
ما أبرز التفاصيل حول من تُضيف إلى خلاصتك؟
لا تدور القائمة حول دور واحد، بل حول عدة طرق لمتابعة السوق. بعض الحسابات مفيد للأوراق البحثية وسلاسل منشورات الأبحاث، وبعضها للممارسة وتحليل البنى المعمارية، وبعضها الآخر للتحديثات السريعة عن الإصدارات والأدوات وتشغيل النماذج محليًا. وبذلك لا تنحصر الخلاصة في «أخبار من أجل الأخبار»، بل تغطي الدورة كاملة: من الفكرة والمقالة البحثية إلى التطبيق الفعلي. DAIR.AI وalphaXiv — للأوراق البحثية (papers) والشروح الموجزة ومتابعة ما يُناقَش حول arXiv. Andrej Karpathy — للشروح الحدسية والنظرة التأسيسية وفهم الاتجاه الذي تسير نحوه LLM. Sebastian Raschka وSimon Willison — لمن لا يريد أن ي
ما أبرز التفاصيل حول ما الذي يميّز كل حساب؟
لا يركّز المقال على علو شهرة الاسم، بل على نوع القيمة التي يقدّمها كل حساب. فمثلًا، تأتي فائدة Simon Willison من ملاحظاته الصريحة عمّا ينجح فعلًا في LLM وما ينهار في السيناريوهات الواقعية. أما Ahmad Osman فيغطي طبقة أخرى: البنية التحتية والنماذج المحلية والاستدلال (inference) ووحدات GPU. وعلى العكس منهما، يتحدث Ethan Mollick أقل عن أحشاء النماذج الداخلية وأكثر عن كيفية تغيير AI للتعليم والعمل والعمليات داخل الشركات. وهذا المزيج مفيد خصوصًا الآن، مع انقسام سوق LLM إلى مسارين. فمن جهة، يناقش الجميع الإصدارات الجديدة وقدرات الاستدلال (reasoning) وقدرات الوكلاء (agents). ومن جه
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.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.