نماذج الاستدلال
نماذج الاستدلال فئة جديدة من الذكاء الاصطناعي «تفكّر» قبل الإجابة: تنفق حوسبة إضافية أثناء الاستدلال وتبني سلاسل تفكير وتحل مسائل يعجز عنها النماذج اللغوية العادية — الرياضيات والبرمجة والعلوم. بها بدأ سباق test-time compute. هنا كل تغطيتنا لنماذج الاستدلال: الإصدارات، المعايير (GPQA وARC-AGI)، الحدود والتكلفة.
NEWCloudflare AI BlogCloudflare تخفض تكلفة مراجعة الشيفرة بالذكاء الاصطناعي بنسبة 68%: من $2,43 إلى $0,77
Hugging Face Daily PapersS3AC تعيد الناقد إلى RL لنماذج LLM: مكاسب من 1.5B إلى 397B معامل
Жемал Хамидун · Авторская колонкаمن كتابة الأوامر إلى هندسة السياق: 6 تقنيات عملية توفّر ساعات من ضبط الإجابة
Hugging Face Daily PapersThinking-in-Bets: الوكلاء يدوّنون ادعاءاتهم قبل النقد ويقلّ تملّقهم
Anthropic EngineeringAnthropic أعادت كتابة اختبارها التوظيفي ثلاث مرات: Claude Opus 4.5 يلحق بأفضل المهندسين
Jiqizhixin (机器之心)Harvard وUC Berkeley وNVIDIA تبحث عن Scaling Law للروبوتات: +37,4 نقطة على خمسة اختبارات معيارية
The VergeMaia 300: كيف تقلّل Microsoft اعتمادها على معالجات Nvidia الرسومية بشريحتها الخاصة للذكاء الاصطناعي
Artificial AnalysisMeta تطلق Muse Wonder وWonder Full: مؤشر الذكاء يرتفع من 48 إلى 56
Anthropic أعادت كتابة اختبارها التوظيفي ثلاث مرات: Claude Opus 4.5 يلحق بأفضل المهندسين
اجتاز اختبار مهندسي الأداء أكثر من 1000 شخص. تفوّق Opus 4 على معظمهم خلال 4 ساعات، وساوى Opus 4.5 الأفضل خلال ساعتين. والآن يُعاد تصميم الاختبار للمرة الثالثة.
Harvard وUC Berkeley وNVIDIA تبحث عن Scaling Law للروبوتات: +37,4 نقطة على خمسة اختبارات معيارية
فريق من Harvard وUC Berkeley وNVIDIA درس قوانين التوسع في الروبوتات، وتفوّق في المتوسط على الأساليب السابقة بمقدار 37,4 نقطة على خمسة اختبارات معيارية.
Maia 300: كيف تقلّل Microsoft اعتمادها على معالجات Nvidia الرسومية بشريحتها الخاصة للذكاء الاصطناعي
كشفت Microsoft عن الجيل الثالث من مُسرِّعها الخاص Maia 300 المخصص للاستدلال في الذكاء الاصطناعي. الشريحة الجديدة أكثر كفاءة بنسبة 40% من أنظمة المعالجات الرسومية…
Apple وCMU تسرّعان وكلاء الذكاء الاصطناعي 10 أضعاف باستبدال الاختيار بالاستدلال
ECHO: تنبؤات متعددة الخطوات بلا وحدات إضافية وبنصف تكلفة MTP
Moonshot تنشر Kimi Vendor Verifier: 6 اختبارات للتحقق من مزودي K2.6
Kimi K3.1 Pro يحتل المركز الرابع في AA Index بـ 55 نقطة مع قفزة في مهام الوكلاء
دراسة: الإفراط في التلاؤم وزيادة الحوسبة يلتهمان 68% من مكاسب تطوير الـ harness
بروتوكول HDA الجديد يفكك مكاسب التحسين التلقائي للوكلاء على 11 نموذجًا: 54% منها في المتوسط سببها الإفراط في التلاؤم، و14% لـ test-time scaling، ونقلها إلى مهام…
باحثون يختبرون 16 نوعًا من التلميحات في OPSD ويجدون مقياسًا لانتقائها
16 تكوينًا للمعلومات المميزة و3 اختبارات معيارية وكيلية و3 نماذج: مقاييس KL تتنبأ بفائدة التلميحات في OPSD أفضل من الفحص المباشر لجدواها.
«Wait» في نماذج الاستدلال إرثٌ من البيانات لا اكتشافٌ من RL
Cohere Labs تختبر الذكاء الاصطناعي بالألغاز: أكثر من 100 مؤلف من 50 دولة يكشفون ثغرات ثقافية
Lafa بـ 8 مليارات معامل يسرّع توليد النص 2.54 مرة دون فقدان الجودة
TraceForge تُدرّب النماذج على «أفكارها الخاصة»: +7.1 نقطة على MBPP+
ما كشفه تسريب Claude Code عن مستقبل وكلاء الذكاء الاصطناعي في Anthropic
نشرت Anthropic عن طريق الخطأ الشيفرة المصدرية الكاملة لإصدار Claude Code 2.1.88 بسبب خطأ في تهيئة حزمة npm. كشفت الشيفرة عن 44 علامة مخفية مرتبطة بوكلاء مستقلين،…
Meta تكشف عن Muse Spark: نموذج ذكاء اصطناعي متعدد الوسائط بقدرات تفكير بصري
كشف قسم Meta Superintelligence Labs عن Muse Spark، أول نموذج ذكاء اصطناعي من عائلة جديدة. يدعم النموذج سلسلة التفكير البصري والعمل مع وكلاء متوازين. *Meta مصنفة في…