شو في AI؟ | 29 يونيو — قوانين تعاون الوكلاء وتوقع صعوبة الأسئلة

الفريق Zhou وزملاؤه قدموا إطار جديد اسمه LLawCo بدنا يساعد الوكلاء المتجسدين يتعلموا ينسقوا مع بعضهم ومع المهمة. النظام بيحلل الأخطاء السابقة ويستخرج قوانين سلوكية عالية المستوى مثل “احكي إذا إشي لازم” أو “استنى الشريك”. القوانين دي بتنضاف لسلسلة التفكير للوكيل عن طريق supervised fine‑tuning، فبيصير تصرفه متماشي مع هدف المهمة وشركائه. التجارب على benchmark PARTNR‑Dialog وTDW‑MAT ورّيت تحسين ملحوظ بنسب النجاح.

الفريق قدم طريقة اسمها Epi2Diff، بتحوّل سجلات التفكير (reasoning traces) اللي بتطلع من نماذج اللغة الكبيرة (LRMs) لسلسلة من الحلقات المعروفة باسم "episodes". هالحلقات بتصنّف مراحل حلّ المسألة وبتعطي مؤشرات على الجهد والانتقالات بين الحالات. بعدين بيجمعوا هالمؤشرات مع تمثيل النص الأصلي للسؤال لتوقع صعوبة العنصر البشري. التجارب على أربع مجموعات بيانات واقعية أظهرت إنّ Epi2Diff يتفوّق على طرق التعديل الصغيرة، التعلم داخل السياق، وتكييف LLM المراقب، حتى على اختبارات مستمدة من SAT.

الفريق Nie وزملاؤه قدموا HPRO، إطار جديد بيحل مشكلة إن نماذج النص‑إلى‑كلام بتولّد نبرة متوسّطة وما بتعبر كفاية عن المشاعر. الطريقة بتستعمل HD-Emo codec كنموذج مكافأة قابل للاشتقاق، بيفصل بين محتوى الكلام وتفضيلات الأسلوب عشان ما يصير تعارض بينهما. بعدين، HPRO بيوصل بين المكافآت على مستوى الإطار، الكلمة والجملة بطريقة تدريجية، فبيقلل الفجوة بين المكافآت القليلة على مستوى الجملة وتوليد التفاصيل الدقيقة. التجارب أظهرت إن الكلام بيصير أكثر عاطفة مع الحفاظ على وضوح المعنى.

الفريق قدموا Qwen-Image-2.0-RL، طريقة بعد التدريب بتستعمل reinforcement learning from human feedback (RLHF) وon‑policy distillation (OPD) لتقوي جودة الصورة وقدرة النموذج على اتباع التعليمات. بنوا reward models مخصصة للمهام عن طريق fine‑tuning لنماذج vision‑language مع scoring نقطية وسلسلة تفكير. بعدين استخدموا إطار RL مبني على GRPO مع hybrid classifier‑free guidance لتوازن بين المعرفة الأصلية وتوجيهات المستخدم، وأخيرًا دمجوا السياسات عبر on‑policy distillation. التقييم أظهر تحسين واضح بالمقاييس على Qwen-Image‑Bench وفي ساحات النص‑إلى‑صورة وتحرير الصور.

الفريق قدم طريقة جديدة اسمها Gradient-Based Connections (GBC) لتحديد إشي كل وكيل يساهم فيه بالخطأ داخل نظام متعدد الوكلاء مبني على LLMs. الفكرة إنه بنمثّل النظام كرسمة حسابية وبنضيف أوزان متدرجة لتقيس تأثير مخرجات كل وكيل على الوكلاء اللي بعده على مستوى كل كلمة. بعدين بنرجّع إشارة الخسارة للوراء عبر هالرسم لتحديد مصادر الأخطاء بدقة وتعديل البرمجة. كمان طوّروا تنفيذ سريع اسمه AgentChord بيستغل حساب التدرّج بالبادئة لتقليل التكلفة، ولقوا تحسّن واضح على مهمات MultiWOZ وτ‑bench.

الفريق قدم ProMSA، وكيل بحث متعدد الوسائط بيتصرف خطوة بخطوة ليفهم السؤال والصورة. الوكيل بيختار إذا بدو يدور إشي صورة، أو يدور إشي نص، أو يوقف، وبنفس الوقت بيحافظ على ميزانية استدعاء الأدوات وبيمنع التكرار. تدربوا على طريقة SFT مع رفض العينات، وبعدها حسّنوا الوكيل باستخدام هدف RL اسمه TN‑GSPO اللي بيوازن بين طول الجواب وعمق التفاعل مع الأدوات. التجارب على مجموعتي E‑VQA وInfoSeek ورّيت إنه الوكيل بيتفوق على أساليب RAG والوكلاء التانية.

الفريق قدم NeuraDock Agent، بنية مفتوحة المصدر بتفصل محرك EEG المحلي deterministic عن طبقة اللغة الوعيّة بالمعدات. المحرك بيحلّل التسجيلات، يعمل quality control، وينفّذ سير عمل طيفي مُراجَع، وبعدين يكتب مخرجات قابلة للقراءة آلياً. الـ LLM بيستقبل ملخّص مختصر ومسموح به مع حزمة سياق مُصدّرة توضح العتاد ذو السبعة قنوات، سير العمل، حدود التنفيذ، والسيناريوهات المرجعية، بينما تظل البيانات الخام محلية. التجارب أظهرت إن 12 تسجيل بيطلع نفس النتائج عبر 10 تكرارات، وإن النظام بيتعامل بثبات مع أخطاء HTTP أو مخرجات مشكّلة، وكمان نجح في اختبار حدود الوعي عبر 36 سؤال تحت 4 اختصارات سياق و2 LLMs.

فريق SingGuard قدم نموذج guardrail بيشتغل على محادثات متعددة الوسائط وبيقدر يتغيّر مع سياسات الأمان وقت التشغيل. النموذج بياخد القواعد بلغة طبيعية كمدخل وبعدين بيفحص المحتوى حسب كل قاعدة، وبينتج تصنيف الأمان والقاعدة المفعّلة. كمان بيوفر ثلاث مستويات استدلال من سريع لبطئ، وبيتحسّن عبر reinforcement learning مفصول بين السريع والبطيء. اختبارهم SingGuard‑Bench فيه أكثر من 56 ألف مثال عبر 80 نوع خطر، وحققوا أعلى متوسط F1 بكل عائلة من الاختبارات.

الفريق قدم طريقة جديدة اسمها Democratic ICAI. الفكرة إنه بدل ما نكتفي بقرار نهائي من زوجين من الخيارات، بنجمع مناظرات بين شخصيات مُصمّمة لتعطي تبريرات متعددة. هالتبريرات بتتحول لمبادئ توجيهية بلغة طبيعية، وبنستعملها لتوجيه نماذج القرار إما بـ LLM أو بأشجار القرار. التجارب على مجموعات MuCE-Pref وLiTBench أظهرت إنه الطريقة بتعطي توقعات تفضيلات أدق من الأساليب السابقة.

الباحث Paul Dubois بيحكي إن العلاقة بين LLMs ونماذج العالم ما لازم تكون إما/أو. هو بيشوف إن الـ LLM هو بس حالة متدهورة من نماذج العالم، لأن مساحة الحالة هي كل سلاسل الرموز والإجراء الوحيد هو إضافة رمز جديد. كمان بيقترح إن فيه طيف مستمر بين النماذج اللي بتتوقع رموز (NTP) والنماذج اللي بتشتغل على الفضاء الكامن (JEPA)، ومع كل خطوة بنقرب من تمثيل الواقع لكن بنفقد مزايا التدريب الضخمة للـ LLM. البحث بيفتح سؤالين: كيف نلاقي بيانات ذات إشارات فعلية بدلاً من نصوص الإنترنت، وهل الـ transformer يقدر يتعامل مع توقع حالات مستمرة ولا نحتاج بنية جديدة.

الباحثين Shijing Hu وزملاؤه قدموا أداة جديدة اسمها ToolPrivacyBench لتقييم كيف الوكلاء اللي بيستعملوا نماذج اللغة الكبيرة بيمرّروا المعلومات الخاصة خلال سلاسل الأدوات. الأداة بتشتغل على 2,150 حالة فيها تدفقات بيانات حساسة، وبتقارن ما بين ما يُرسل للـ tools وسجلات السياسات المعرّفة مسبقًا. النتائج بتوضح إنه الوكيل ممكن ينجز المهمة بس يفضح معلومات خاصة ما لازمة خلال استدعاءات الأدوات المتوسطة.

الباحث سامباران باندياوبادياي اختبر فكرة إنه النماذج الكبيرة ممكن تحكم على إجاباتها بنفسها أسهل من توليدها. استخدموا إعداد سؤال‑جواب داخل السياق مع أربعة benchmarks (SQuAD 2.0, DROP, HotpotQA, MuSiQue) ونمذجتين، ولاحظوا إنه الدقة بتوليد الإجابة أعلى من الدقة بتقييمها ذاتيًا بثلاث اختبارات، ما عدا MuSiQue اللي فيها أسئلة متعددة الخطوات. تحليل الـattention بيّن إنه النموذج بقرّب أقل للفقرة والسؤال وقت التقييم، وFine‑tuning بـLoRA بيأكد إنه هالاختلاف مش نتيجة تدريب معين.

الورقة بتستكشف إذا فينا نتعلم مهارات تلاعب جديدة من تصرفات البشر لروبوت ثنائي اليدين عنده مقبضين متوازيين. الباحثين بيقولوا إنه تمثيل الحركة التقليدي بـ6DoF مش كفاية، فبدّعو تمثيل "bridging action" اللي هو إزاحة المعصم النسبية ضمن إطار الكاميرا اللي على الرأس، وهو مساحة حركة مشتركة بين البشر والروبوتات. ليهيك بنوا نموذج vision-language-action مع توكنات حركة متداخلة وattention masking ليعالج نقص بعض مكوّنات الحركة بحسب الكيان. التجارب على مجموعة مهام تلاعب جديدة بتظهر إنه هالتمثيل بينقل معرفة البشر للروبوتات بشكل أحسن بكتير من الحركات الـ6DoF الضوضائية وبيستفيد أكتر مع زيادة بيانات البشر.

الفريق يوضح إن هجمات الجيلبريك ما بتقضي على كل ميزات الأمان بالـ LLM، بس بتقمع رؤوس انتباه معينة. لقوا نوعين من الرؤوس: رؤوس متعرضة للعدوان (ACH) موجودة بالطبقات الأولى، ورؤوس متوافقة مع الأمان (SAH) بالطبقات المتوسطة، والـ ACH بتتقمع وقت الهجوم بينما الـ SAH بتظل شغالة. التجارب بتأكد إن إلغاء شوية من الـ ACH يخلّي النموذج يجاوب على أسئلة كان يرفضها، وإلغاء الـ SAH بيضعف إشارات الأمان الداخلية. كمان بيظهر إن قمع الـ ACH بيصير بسبب توكنات نموذج الهجوم، وهالشي بيوضح ليش الهجمات بتنجح مع بقاء إشارات الأمان.

الفريق درس كيف نقدر نكشف مشاكل استقرار تدريب نماذج اللغة الكبيرة قبل ما يبان الانهيار بالـ loss. استخرجوا مراقبين داخلين من دور كل وحدة أساسية، مثلاً راقبوا entropy الطيفي لتفكيك QK بالـ flash attention، ولاحظوا إشارة غير طبيعية قبل ما ينهار الأداء. كمان طوّروا مؤشرات للـ MoE routers حسب دورهم باختيار الخبراء. التجارب اللي عملوها بإدخال أخطاء بتأكد إن الإشارات هيدي بتنبّه على الفشل بآلاف الخطوات قبل ما يبان الانحراف بالـ loss.

هالورقة بتقدّم MultiHashFormer، إطار جديد بيسمح باستخدام الهاش لتوليد النصوص بطريقة تلقائية. كل كلمة بتنولد توقيع هاش فريد مكوّن من مجموعة هوية هاش مستقلة، وبعدين بنضغطها بـ Hash Encoder لتدخل على Transformer decoder. بعدين Hash Decoder بيطلع توقيع الهاش للكلمة الجاية وبيتحول للنص. التجارب على نماذج 100M، 1B، و3B بتظهر إنه MultiHashFormer بيتفوّق على الـ Transformer العادي وبيقدر يضيف vocabularies بلغات متعددة بدون ما يزود عدد البارامترات.

الفريق Sharma وزملاؤه قدموا STAG، شبكة ديناميكية بتركّز على مناطق الوجه وتربطها بوحدات الحركة (AU) لتعرف التعبيرات الدقيقة. بيستخرجوا optical flow من إطارات مختارة بذكاء، وبعدين يدمجوا graph attention network للمعالجة المكانية مع transformer encoder للمعالجة الزمنية. وحدة cross‑attention bidirectional بتسمح للخصائص المكانية والزمنية تتنقّح بعض، وتغيّر الروابط بين المناطق حسب نشاط العضلات. النتيجة إن النموذج بيشتغل أسرع وبيدقّق أكتر عبر مجموعات بيانات مختلفة.

الفريق Jiao وزملاؤه قدموا طريقة جديدة اسمها Tandem Reinforcement Learning (TRL) لتقوية قدرة نماذج اللغة الكبيرة على التفكير المتسلسل، بحيث يشتغل نموذج كبير (senior) مع نموذج أصغر (junior) مجمد ويتقاسموا المكافأة. الطريقة بتخلّي النموذج الكبير يضبط طريقة تفكيره لتكون أسهل على الصغير يتبعها، وبيظهروا إن الأداء يبقى مثل ما هو مع طريقة GRPO التقليدية. التجربة على نموذج Qwen3-4B-Instruct في مسابقات الرياضيات أثبتت إنه فيه تحسين بالتماسك بين النموذجين، وانخفاض الانحراف اللغوي، وسلسلة تفكير أوضح للجنيريتور الصغير.

فريق Hira Beril Kucuk وزملاؤه استكشفوا كيف ممكن نستفيد من Large Language Models بمهام دمج البيانات الجدولية. جرّبوا استراتيجيات prompting مختلفة للسيناريوهات اللي فيها قيمة وحدة أو قيم متعددة، وشملوا prompts حسب المجال أو بدون مجال، كمان جربوا zero‑shot و one‑shot. اختبروا هالطرق على ثلاث مجموعات بيانات benchmark، ولقوا إنّ الأساليب المعتمدة على LLM تفوقت على طرق اكتشاف الحقيقة التقليدية غير المُشرف عليها مثل DART و LTM. الكود متوفر على GitHub للكل يقدر يستخدمه.

الفريق Fahd Seddik و Fatemeh Fard قدموا إطار تقييم أكسيوماتيكي للتمثيلات الخفية بالأفكار داخل LLMs، بيشتغل على قياس أربع مبادئ وظيفية (Causality, Minimality, Separability, و Stability) بشكل مستقل عن درجات benchmark. حسب ما لقوا، ما في أي نموذج بيحقق الأربعة مبادئ مع بعض، والتمثيلات بتفرّق بين أنواع المهام بس ما بتفرّق بين سؤالين من نفس النوع. كمان لقوا إنه التمثيلات ما بتضيف معلومات أكتر من اللي موجودة أصلاً بالـ input embedding، والنتيجة ثابتة عبر عوائل النماذج dense، reasoning‑distilled، واللي تدربت بـ RL. البحث ظهر على Hugging Face Daily Papers وجمع 4 upvote، وأصله preprint على arXiv.