#أبحاث
تغطية منسقة حول «أبحاث»: إصدارات، أبحاث، معايير، مفتوحة المصدر.
Δτ-Bench: أفضل وكيل ذكاء اصطناعي يحل 42.3% فقط من المهام في عالم متغيّر
أصدر باحثون من UCL وشركاؤهم Δτ-Bench: 1 588 مهمة في 42 مجالًا، حيث تختفي الأدوات أو يجري استبدالها. أفضل وكيل أنجز 42.3% فقط من المهام.
DynaFlow يعلّم الوكيل الرئيسي كتابة workflow ويتفوق على أقوى نظام أساسي بـ10,9 نقطة مئوية
درّب باحثو NUS وكيلاً رئيسياً مبنياً على Qwen3.5-27B على كتابة برامج للوكلاء الفرعيين بنفسه. النتيجة: دقة 88,08% على ستة اختبارات معيارية، بزيادة 10,90 نقطة مئوية…
SATE-Bench: النماذج متعددة الوسائط تتوقف عن استكشاف المشهد مبكرًا أكثر من اللازم
معيار SATE-Bench الجديد يضم 316 مشهدًا حقيقيًا و2525 زوجًا من الأسئلة والأجوبة. أبرز نماذج MLLM تنهي الاستكشاف قبل أوانه وهي واثقة من إجابتها، وتدريب GRPO يزيدها…
وكلاء LLM بنوا في 20 يومًا ذكاءً اصطناعيًا للعبة Hearthstone Battlegrounds يتفوق على أفضل 10 لاعبين
باحثو CMU يعلّمون نماذج RL الإيجاز: FORK يرفع نسبة الفوز من 22% إلى 74%
Mycelium: باحثان يصنّفان معايير قياس الهلوسة وفق ثلاثة محاور
AV-FABLE: باحثون يجمعون 998 ساعة من الفيديو لرصد التزييفات العميقة الموضعية
Raspberry Pi 5 بلا شبكة: حزمة معرفة مسمومة وموقّعة تجتاز جميع الفحوص
شغّل الباحثون RAG دون اتصال على Qwen2.5 (1.5B/3B/7B) فوق Raspberry Pi 5: فحوص التوقيع مرّرت 6 من 9 هجمات على التحديثات، والتحقق متعدد الطبقات رصد التسع كلها خلال…
RoboJev-27B يحدد نجاح الروبوت من 10 إطارات: AUROC 0.993 على SO-101
نموذج رؤية ولغة مفتوح بـ27 مليار معامل يراجع 10 إطارات ويحكم على نجاح الروبوت: دقة متوازنة 95,2% و0,26 ثانية للحلقة ونحو $0,19 لكل ألف تقييم على H100.
باحث دكتوراه من ستانفورد يشتق Transformer من الصفر انطلاقًا من مسألة ذاكرة واحدة
جامعتا تشجيانغ وبكين تقترحان SPADER للإجابة عن الأسئلة متعددة الإجابات
Xiaohongshu وجامعة فودان تبنيان DR-Rubric لتعلّم التعزيز في المهام المفتوحة
DynStream من بكين يبني مشهدًا ثلاثي الأبعاد ديناميكيًا من الفيديو دون معرفة أوضاع الكاميرا
المشفّرات التلقائية المتناثرة: التفاعلات الثنائية ترفع rank fidelity إلى 0,7790
أظهر مقياس SAR الجديد أن ميزات SAE تتجمّع بصورة أفضل من أساس عشوائي في جميع الإعدادات الـ18، لكن التوجيه (steering) الدقيق لا غنى فيه عن التفاعلات الثنائية.
تعديل الأوزان دون إعادة تدريب يخفض نسبة الردود المتحيزة جنسياً من 57.9% إلى 24.3%
طوّر باحثون من AI Interpretability @ Illinois طريقة لتحرير أوزان النماذج. دون إعادة تدريب، خفضت هذه الطريقة التمييز الجنسي بمقدار 33.6 نقطة ورفعت الصدق بأكثر من 6…