ICLR 2026 в Рио: что думают исследователи о масштабировании больших моделей
ICLR 2026 в конце апреля собрала ведущих исследователей на Рио-де-Жанейро. На самой престижной конференции года обсуждали главное: как масштабировать модели эфф
عُقدت ICLR 2026 في ريو دي جانيرو في أواخر أبريل وأكدت مكانتها كأهم تجمع سنوي لباحثي الذكاء الاصطناعي. بالنسبة للمجتمع العلمي، فهي أكثر من مجرد منصة نشر مرموقة: إنها مكان ولادة واختبار الأفكار التي ستصبح معايير صناعية خلال عام.
التوسع مع التركيز على الكفاءة
عصر 'المزيد من المعاملات = نموذج أفضل' ينتهي ببطء لكن بثبات. في ICLR، كان الحديث الأكثر إثارة لا يتعلق بحجم النماذج الجديدة، بل بالعائد على الاستثمار: استثمر 100 مليون، احصل على تحسن بنسبة 3% — اقتصادياً، هذا لم يعد منطقياً. الباحثون متعبون من التظاهر بأن التوسع يضمن التقدم. لماذا حدث هذا؟ الرقاقات تصبح أغلى، وليس أرخص. مضاعفة المعاملات لا تعطي بعد الآن مضاعفة الأداء. بدأت الشركات في حساب تكلفة تدريب نموذج أساسي بصراحة بالإضافة إلى الضبط الدقيق لكل مهمة محددة.
- السياقات الطويلة (200K+ tokens) تصبح معياراً، وليست غرابة
- المهندسون يحسّنون سرعة الاستدلال وكفاءة الطاقة، وليس فقط حجم الأوزان
- تظهر طرق لتوسيع حسابي ديناميكي بناءً على بيانات الإدخال
- نماذج Mixture of Experts (MoE) تحل محل البنى الكثيفة الكلاسيكية
كان هناك تحول واضح في العقلية في المؤتمر: يتحدث الباحثون عن نماذج الأساس طويلة العمر — نماذج تستمر وتتحسن بشكل متكرر. بدلاً من إعادة التدريب المستمرة من البداية، يضيفون بيانات جديدة، محولات متخصصة، طبقات جديدة. وهذا أرخص، وأبسط في الإنتاج، وأصبح المعيار الجديد.
الأمان كأولوية
كان هناك على ما يبدو المزيد من المواضيع حول الأمان والضمانات في المؤتمر مقارنة بسنة واحدة مضت. في ICLR 2025، كان هذا غريباً. في 2026 — التيار الرئيسي. يتحدث الباحثون عن حقيقة أن النماذج الكبيرة تحتاج إلى التدريب ليس فقط من أجل الأداء بل أيضاً من أجل الروبوستية: المقاومة للأمثلة الخصومية، والتحولات في التوزيع، ومحاولات التلاعب.
"لا يمكننا بعد الآن إطلاق نموذج والأمل في عدم كسره في ظروف العمل
الفعلية" — موقف نموذجي في مناقشات اللجان في المؤتمر.
هذا ليس مجرد مسألة تنظيم (على الرغم من أن الدول تنشئ متطلبات جديدة). يتعلق بحقيقة أن المجتمع العلمي نفسه أدرك: السباق من أجل نتائج SOTA خطير إذا لم تحسب التكاليف الحقيقية للضرر.
الأوزان المفتوحة في ظل الأنظمة الشركاتية
السؤال الأكثر إثارة للجدل في المؤتمر: هل ستكون لدى الكود المفتوح في الذكاء الاصطناعي فرصة إذا أبقت Anthropic و OpenAI و Meta النماذج الأكثر تقدماً مغلقة؟ في ICLR، كانت هناك آراء منقسمة. يصر جزء من المجتمع العلمي: النماذج المفتوحة هي بنية تحتية حاسمة يجب تطويرها رغم المخاطر. والجزء الآخر واقعي بالفعل: ستحصل الشركات على أفضل النماذج، لديها موارد للتدريب ومسؤولية تجاه المستثمرين. قد تبقى العلوم المفتوحة في دور داعم — تطوير المنهجية لكن ليس الحفاظ على خط المواجهة.
معنى هذا
أظهرت ICLR 2026: عصر التوسع الأسي ينتهي، لكن الذكاء الاصطناعي لا يتباطأ — الاتجاه يتغير. يمتد أمامنا عصر التحسين النظامي: كيفية استخدام الموارد بكفاءة أكبر، كيفية جعل النماذج أكثر موثوقية، كيف يمكن للعلم المفتوح أن يبقى ملائماً. بالنسبة للشركات الناشئة والمهندسين، هذا يعني: الميزة التنافسية لا تكمن الآن في تدريب نموذج كبير آخر، بل في نشر النماذج الموجودة بتكلفة أقل، وأسرع، وأكثر أماناً.
*تُعترف بمتا كمنظمة متطرفة وممنوعة في روسيا.