Hugging Face Daily Papers
مصدر أخبار الذكاء الاصطناعي. تُختار المقالات وتُعدَّل من قِبَل تحرير Hamidun News.
أحدث المنشورات
LiveMACEBench يختبر خمسة وكلاء LLM في سوق حية على مدى 30 يومًا
شغّل معيار LiveMACEBench الجديد خمسة نماذج رائدة (frontier) في أسواق مالية حية على مدى 30 يومًا، وأظهر أن العائد لا يعكس مهارات الوكيل الحقيقية بدقة.
تدريب Scene-Designer على 35 ألف مثال تصميم و15 ألف مثال نقد لمشاهد ثلاثية الأبعاد
قدّم باحثون Scene-Designer، وهو وكيل ينشئ مساحات داخلية ثلاثية الأبعاد من نص ويقيّم النتيجة بنفسه. دُرّب على 35 ألف مسار تصميم و15 ألف مثال نقد.
طريقة Consistent Distribution Matching تختصر نماذج الانتشار إلى خطوة واحدة بقيمة FID تبلغ 2,04
طريقة تقطير جديدة لا تحتاج إلى مجموعة بيانات ولا إلى تشغيل المعلّم. على ImageNet 256×256 تحقق خطوة واحدة FID 2,04، وأربع خطوات FID 1,37 بعد 40 حقبة تدريب.
RAP يجمع 25 ألف زوج «ورقة بحثية — ملصق» ويعلّم الذكاء الاصطناعي تصميم الملصقات بـ HTML/CSS
تضم مجموعة بيانات RAP أكثر من 25 ألف زوج «ورقة بحثية — ملصق» من مؤتمرات ML للأعوام 2022–2026، و150 عملًا اختباريًا. يتحول الملصق هنا إلى ترميز HTML/CSS قابل للتحقق.
BeliefWeaver يضيف 5,1 نقطة مئوية لأداء الوكلاء في المهام الطويلة، ونموذج الطالب 9B يضيف 9,8
يساعد BeliefWeaver الوكلاء على تصحيح أخطاء يعود سببها إلى خطوات سابقة عدة. وحقق نموذج 9B المقطَّر +9,8 نقطة مئوية وخفّض تكاليف المعلّم بنسبة 54,8%.
OPMD يعلّم نماذج LLM الطالبة ما هو أبعد من الإجابات: الحسابات الداخلية للمعلّم
تنقل On-Policy Mechanism Distillation الحسابات الوسيطة من المعلّم إلى الطالب، وتتصدر خطوط الأساس التقطيرية في متوسط الدقة في أزواج المعلّم والطالب الثلاثة جميعها.
LexFrame يقرأ الحالات المخفية في LLM: تماسك 0,97 مقابل سقف 0,30 للعدسات
طريقة جديدة تقرأ الحالات المخفية عبر الطبقات المتبقية من النموذج نفسه. على SmolLM3-3B وOLMo3-7B تحقق تماسكًا قدره 0,97، بينما لا تتجاوز العدسات الثابتة 0,30–0,35.
ACT3D تعلّم نماذج VLM استكشاف المشاهد ثلاثية الأبعاد وتتفوق على Gemini 3.6 Flash: 53.2% على ستة معايير
نموذج ACT3D المبني على Qwen يتعلم التنقل داخل مشهد ثلاثي الأبعاد واختيار زوايا الرؤية بنفسه عبر RL: 53.2% في المتوسط على ستة معايير، مع إطارات أقل بنسبة 50–70%.
EvoWeb يختبر وكلاء البرمجة عبر 320 طلبًا متتاليًا على 32 تطبيق ويب
يُلزم معيار EvoWeb الجديد وكلاء الذكاء الاصطناعي ببناء تطبيق واحد خطوة بخطوة. وتكمن نقطة الضعف الرئيسية للنماذج في دمج الميزات الجديدة مع الشيفرة المكتوبة سابقًا.
Librarian Agents: نماذج LLM تجهّز مساحة العمل مسبقًا وتحقق +33 نقطة مئوية على BrowseComp-Plus
يرتّب وكيل «بنّاء» مجموعة المستندات مسبقًا داخل نظام ملفات، ثم يجيب وكيل ثانٍ عن الأسئلة. على BrowseComp-Plus بلغ التحسن 33 نقطة مئوية، وعلى BRIGHT +31 في المتوسط.
OmniXRef يجمع النص والصور والفيديو في محرر واحد لمقاطع الفيديو
يقبل نموذج OmniXRef أي عدد من المراجع النصية والصورية والمرئية، وينقل خمسة أنواع من السمات: الكاميرا والحركة والمحتوى والأسلوب وVFX. ويعلن مطوروه تفوقه على النماذج التجارية.
GlobeBench: أفضل نموذج LLM يتوقع استجابة البيئة في 49,57% فقط من المهام
أظهر اختبار GlobeBench المؤلف من 1632 مهمة أن أفضل نموذج من بين 20، وهو GPT-6 Astra، يحاكي استجابة البيئة بشكل صحيح في 49,57% فقط من الحالات، ولم يحلّ أي نموذج 631 مهمة.
TabWM يتعلم التنبؤ بالتعديلات في قاعدة البيانات: F1 ارتفع من 0,016 إلى 0,685
يتنبأ نموذج TabWM، اعتمادًا على 64 مثالًا من عمليات التنفيذ، بكيفية تغيير إجراء ما لقاعدة بيانات علائقية في نظام غير مألوف: F1 الكامل للتعديلات 0,685 مقابل 0,016 دون سياق.
Intact تخفض نجاح هجمات prompt injection على وكلاء المتصفح من 73,1% إلى 12,8%
تعزل بنية Intact الجديدة عناصر صفحة الويب بعضها عن بعض وتراعي مصدر كل عنصر. على 1 091 صفحة تحتوي على هجمات، تمرّر 12,8% منها مقابل 73,1% للمخطِّط التقليدي.
Dream2Discern يتنبأ بإخفاقات الأنظمة متعددة الوكلاء بدقة تتجاوز 90%
يتعلم المدقِّق Dream2Discern من «المتغيرات الكامنة الصعبة» للمسارات المسجلة مسبقًا، ويحقق دقة تتجاوز 90% على AFTraj-2K وStepShield دون تشغيلات جديدة.
معيار SciΠvot: أفضل LLM تختار الخطة الصحيحة في 63.5% من الحالات مقابل 73.4% لدى البشر
أظهر معيار من 248 تصحيحاً أجراها باحثون كبار أن أفضل نموذج يختار القرار الصحيح في 63.5% من الحالات، مقابل 73.4% للباحث الجديد. ويبدو أن سياق المشروع يعيق النماذج أكثر مما يساعدها.
ARC-SORT يحقق 81,82 HOTA على SportsMOT ويعمل بسرعة 50 إطارًا في الثانية
حقق متتبّع ARC-SORT دون تدريب 81,82 HOTA على SportsMOT بأقل عدد من تبديلات المعرّفات بين 69 حلًا، ويعمل بنحو 50 إطارًا في الثانية على RTX 3060 المحمولة.
مراجعة جديدة تنظّم استخدامات الذكاء الاصطناعي في المجال الإنساني: ست مهام من الطقس إلى اللاجئين
تصف مراجعة على Hugging Face Daily Papers الذكاء الاصطناعي كأداة لست مهام إنسانية: التنبؤ بالطقس، والطاقة، والغابات، والفقر، وتقدير الأضرار بعد الطوارئ، والهجرة.
نموذج Xiaomi-Lens-0 بحجم 4B يتفوق على Qwen3.5 بمقدار 5,6 نقطة في RefCOCO
أطلقت Xiaomi نموذج Lens-0 بحجم 4B مبنيًا على Qwen3.5، يرسم الأقنعة من تمثيلاته البصرية الكامنة، ويحقق +5,6 نقطة في RefCOCO ويتصدر في cIoU.
MTEdit: 500 ألف مسار تعديل يعلّم النماذج الحفاظ على الجودة عبر 8 خطوات
جمع باحثون مجموعة بيانات MTEdit التي تضم 500 ألف تعديل متعدد الخطوات للصور، وأعادوا تدريب Qwen-Image-Edit ليحقق أفضل نتيجة بين النماذج المفتوحة.