شو في AI؟ | 4 يوليو — اللوجيت وتعلم طبي ومحاكيات

الفريق اللي بيقودها Aryo Pradipta Gema وBeatrice Alex وPasquale Minervini قدموا طريقة جديدة اسمها Logit-Contribution Scoring (LOCOS) لتحديد أي رؤوس الانتباه بالـ LLM بتكتب إجابات غير حرفية من السياق. الطريقة بتقيس إسهام دائرة الـ OV لكل رأس باتجاه تمثيل كلمة الجواب، وبتقارن بين المواقع اللي فيها المعلومة والمواقع اللي ما فيها، كل هاد بتم في تمريرة واحدة. جربوها على نماذج Qwen3 وGemma-3 وOLMo-3.1، ولاحظوا إن إلغاء الرؤوس اللي حددتها LOCOS بيقلل ROUGE-L أسرع من أي طريقة سابقة، وحتى ما بيأثر على مهام تانية زي الاستدعاء البراميتري أو الحسابات الحسابية. البحث ظهر على Hugging Face Daily Papers وجمع 12 upvote، وهو أصلاً preprint على arXiv.

الفريق بقيادة Junha Jung قدم طريقة جديدة اسمها MRPO لتدريب نماذج اللغة الكبيرة المتعددة الوسائط على أسئلة طبية بصور. الفكرة إنه إذا الجواب النهائي غلط، النموذج بيعطي عقوبات أقوى للخطوات اللي أخطأت قبل هيك، وبيكسر السلسلة اللي بتسبب الأخطاء المتتابعة. التجربة على ثلاثة نماذج أساسية أظهرت تحسين واضح مقارنةً بالطرق التقليدية، وحتى على Qwen3-VL-8B-Instruct تفوق نماذج أكبر مثل HuatuoGPT-Vision-34B. البحث انتشر عبر Hugging Face Daily Papers وجمع 15 upvote بعد ما نُشر كـ preprint على arXiv.

الفريق قدم WorldDirector، إطار عمل جديد لتوليد فيديوهات عالمية بقدرة تحكم عالية وذاكرة ديناميكية ثابتة. بيقسم الحركة الدلالية عن توليد الصورة، وبيستعين بـLLM لتنسيق مسارات 3D وحركات الكاميرا، وبعدين بيستغل هالمسارات كإشارات تحكم لتوليد الفيديو. هالطريقة بتحافظ على منطق فيزيائي صارم وثبات بالمظهر، وبتخلي الكائنات تحافظ على هويتها حتى لو رجعت بعد ما اختفت من المشهد لفترة طويلة. التجارب أثبتت إنه النموذج بيقدر يخلق أحداث معقدة وممتدة بقدرة تحكم غير مسبوقة.

الفريق اللي قدّمه الباحثين من جامعة (ما في معلومات واضحة عن الجامعة) طرحوا طريقة جديدة اسمها PACE لتقريب تقييم أداء الوكلاء اللي مبنيين على LLM بدون ما نحتاج نعمل تجارب مكلفة ومطوّلة. الفكرة إنه بنختار مجموعة صغيرة من أمثلة التقييم غير الوكالية، ونستعمل انحدار (regression) لتوقع النتيجة على بنشمارك الوكيلية الكبيرة، وبنختار هالأمثلة بذكاء من خلال استراتيجيتين: اختيار محلي مرتبط بالهدف واختيار عالمي معلوماتي. التجارب على 14 نموذج و4 بنشماركات وكلها أظهرت إنه الخطأ المتوسط أقل من 4٪ والارتباط أعلى من 0.80، وكل هالشي بأقل من 1٪ من تكلفة التقييم الكامل.

الباحثين درسوا مشكلة إنّ الBenchmarks ما بتقيس إذا الوكيل فعلاً سَلَّم المهمة المطلوبة ولا بس وصل للنتيجة المتوقعة. جربوا وكيلين من Copilot CLI (claude-opus-4.7 وgpt-5.5) يكتبوا مكتبة Angular لتطبيق جدول بيانات React Fluent-UI، واختبروها بـ 222 اختبار Playwright مخفي. بدون الاختبار، المكتبة كانت موجودة بس ناقصة؛ ومع الاختبار، النتيجة قربت الكمال لكن الكود الفعلي كان مفقود أو معطّل. هالنتيجة وصفوها بـ “building to the test” ودعوها “validation self-awareness”.

هالورقة بتقدّم طريقة جديدة اسمها Head‑Wise Representation Alignment أو HeRA، اللي بتضبط التمثيلات بين النص والصورة على مستوى كل رأس انتباه داخل الـ LLM. الفكرة مبنية على فرضية التمثيل الأفلاطونية وبتحافظ على هيكلية الجيران القريبين للتمثيلات عبر المقاييس الـ MKNN. بنطبق هدف تبايني بيطابق هالهيكليات المحلية، وبدل ما نختار الرؤوس القوية بنختار الرؤوس الأقل توافقاً لأنه هيك بنلاقي أحسن تحسين. التجارب على 18 benchmark أظهرت إنه HeRA بتقوّي الأداء على مهام بصرية وبتقلل الهلاوس البصرية.

الفريق Jiang وزملاؤه رجّعوا للوراء وشافوا إنه التحسين بين SRA وSelf-Flow مش من التفاعل بين الرموز على مستويات الضوضاء، بل من تعزيز البيانات على بعد الضوضاء. قدموا طريقة جديدة اسمها Attention Separation، بتخلّي النموذج يتلقى نفس المدخلات الثنائية‑الزمن بس بتمنع الانتباه بين الرموز المتناظرة، ولقوا إنه الأداء ما انخفض بل تحسّن. كمان اكتشفوا إنه هالطريقة نفسها بتقسم الصورة الواحدة لأجزاء تدريبية فعّالة، فبتزيد من حجم البيانات. دمجوا هالتحسين مع تمثيل ذاتي وتأكدوا من فعاليته على ImageNet.

الفريق الباحث لِيَان تانغ وزملاؤه قدموا طريقة جديدة اسمها VRRL لتقوية نماذج الرؤية‑اللغة بحيث تقدر تعيد التفكير وتصحح أخطائها بناءً على الصورة. الطريقة بتعتمد على تدريب يخلّي النموذج يتعامل مع أخطاء وسط السلسلة ويستفيد من تجارب سابقة مخزّنة. جربوا الطريقة على مهام ربط النصوص بالصور مثل الجداول والرسوم البيانية، وكمان على اختبارات التنقل المكاني، ولاحظوا تحسّن واضح بالدقة خصوصًا لما تكون الصور خارجة عن النطاق المعتاد.

الفريق بقيادة Thomas Winninger قدم طريقة جديدة لتحديد الفضاءات المتعددة الأبعاد اللي بتخلي LLMs ترفض الأسئلة الضارة، وسمّوها RFM-AGOP. هالطريقة بتعتمد على تعديل خوارزمية Recursive Feature Machine (RFM) مع تهيئة مستوحاة من الـprobe، وبتقدر تلاقي الفضاء بالثواني حتى على نماذج التفكير الطويلة مثل Qwen 3. بالإضافة للسرعة، RFM أظهرت أداء أحسن بالمقارنة مع الطرق التانية على مهمة الإلغاء.

الفريق قدم WattGPU، نموذجين بيتنبؤوا بمتوسط استهلاك الطاقة للـ GPU ووقت الانتقال بين الكلمات (Inter-Token Latency). النموذج بيشتغل بس على بيانات عامة عن الـ LLMs ومواصفات الـ GPU، فبدون ما نحتاج نجرّب كل تركيبة على أرضية. جربوا النموذج على 42 نموذج LLM من 0.1B لحد 27B و8 بطاقات GPU، ولقوا إن الخطأ النسبي للقدرة بيوصل لحد 3.4% في الوضعية غير المتصلة و13.5% في وضعية السيرفر، والسرعة بحد 8.5% بس. النتائج بتبين إنه النموذج بيحافظ على ترتيب البطاقات بشكل قوي (Kendall τ≥0.76).

فريق Zhao وزملاؤه قدموا DiscoPER، إطار شغّال بـ large language model بيقدر يفتح أبحاث علمية من غير ما يحدّد سؤال مسبق. الإطار يولّد كود ويشغّله على بيانات، وكل إشي لازم ينجح باختبار إحصائي. كمان بيضيف آلية انعكاس meta‑reflection، يعني كل ما يكتشف إشي، بيرجع يراجع اكتشافاته السابقة ليلاقي أنماط أو فجوات جديدة ويعيد توجيه البحث. النظام كمان بيستعمل أدوات لمعالجة صور ومصادر متعددة، فبيوسّع مساحة البحث.

الفريق Florea وSpînu قدموا VisionAId، تطبيق أندرويد بيحوّل الموبايل العادي لمساعد بصري لحظي. بيشتغل على الجهاز بس بستة نماذج deep learning من ONNX Runtime، ومعاها خيار سحابي للغة الكبيرة لتوليد وصف المشهد. الميزة المميزة إنه المستخدم يضيف إشي شخصي بصور من زوايا مختلفة، وبعدها التطبيق يلقاه بالبيئة ويقوده لعندوا عبر علامات واقع معزز، صوت، واهتزاز. التجربة على Samsung Galaxy S21 Ultra أظهرت إنه تقليل الدقة للـINT8 خفّض زمن العمق من 1200 ملّي ثانية لـ491 ملّي ثانية، وكشف الفلوس وصل mAP@50 = 0.986.

SkillCoach هو إطار بيطوّر رُبْريك ذاتي التطور لتقييم وتعزيز استعمال المهارات عند الوكلاء LLM. الإطار بيستخلص رُبْريك مبني على المهارات من تجارب التشغيل الحقيقية وبيقيم المسارات على أربع أبعاد: اختيار المهارة، اتباعها، تركيبها، والتفكير المرتكز على المهارة. بهالطريقة بدنا نقدر نميز بين نجاح المهمة العشوائي وجودة العملية، وبنظبط الرُبْريك المتطوّر كإشراف عملي لتدريب الوكلاء.

الباحثين Zhiwei Li وYong Hu قدموا SkillHone، وهو إطار بيخلي الوكلاء يطوّروا مهاراتهم بشكل مستمر من خلال حفظ تاريخ كل قرار واتخاذه. النظام بيربط تعديل المهارات بأدلة تقييمية، ويسجّل تشخيصات، مراجعات، أدلة، ونتائج بطريقة منظمة. على مجموعة من الـ benchmarks، SkillHone تفوّق الوكيل التجاري المتقدّم بـ 15.8 نقطة على GAIA و3.2 نقطة على WebWalkerQA-EN، وكمان حسّن الدقة بمتوسط 18.8 نقطة في سبع سيناريوهات تحليل داخلية.

الفريق قدم طريقة جديدة اسمها ELDR لتوجيه طلبات فك الترميز في أنظمة LLM الموزعة على أساس الخبرات اللي بيستعملها كل طلب. بيستخلصوا توقيع للخبرات من مرحلة الـ prefill، ويقسموا الفضاء هاد باستخدام K-means على العمالة، وبعدين يرسلوا كل طلب للعمالة الأقل تحميلاً اللي بتطابق توقيعه. كمان أضافوا ذاكرة توقيع متزامنة مع الـ KV cache لتظل التوقعات دقيقة. التجربة على vLLM مع 40 جي‌بي‌يو أظهرت إنه ELDR بيقلل زمن الاستجابة بين 5.9% و13.9% مقارنة بأقوى طرق موازنة التحميل، بدون ما يغيّر ناتج النموذج.

هالورقة بتستكشف إذا Large Language Models المتقدمة زي GPT وClaude Opus وGemini وGLM بيقدروا يقرّبوا من حكم الخبراء وقت تقييم إجابات أوامر لينكس/bash. استخدموا تصنيف معرفي بأربع مستويات من استرجاع معلومات بسيط لحد إدارة نظام متقدمة، وجربوا نموذجين من الـprompt: واحد بسيط وواحد مع rubric مهيّأ. النتائج ورّيت إن Gemini 3.0 Pro مع توجيه rubric وصل لأعلى اتفاق مع التقييم البشري (ICC = 0.888)، وإن جودة الrubric كان إلها تأثير أكبر من اختيار المزود. الدراسة بتقدّم إطار تصنيف لتحديد أي الأسئلة ممكن تترك للذكاء الاصطناعي وأيها تحتاج مراجعة بشرية.

الفريق بيظهر إنه تخصيص النموذج للمستخدم مش بس بيغيّر الكلام اللي بيطلع، كمان بيغيّر مسار التفكير اللي بيستند له الجواب. قدموا إطار اسمه DRIFTLENS بيربط كل خطوة تفكير بفئة قيمة، وبقيس الفرق بين مسار السؤال بدون ذاكرة ومسار السؤال مع ذاكرة صفات المستخدم. التجربة على أربع LLMs وعشر فئات صفات (مثل العمر والمهنة) ورّيت إنه الذاكرة بتسبب انحراف متوسط إلى كبير، حتى لو الجواب بيظل سليم ومقنع، وجربوا طريقتين لتقليل الانحراف وما حدا فاز على الكل.

الفريق قدم طريقة جديدة اسمها skillfuzz لتكتشف النوايا الخفية اللي ممكن تظهر بس لما يشتغلوا مهارات مع بعضها. الطريقة ما بتحتاج تشغّل الوكيل، بل بتستخرج عقود المهارات وتستعمل Monte Carlo Tree Search لتختار التركيبات اللي ممكن تتعارض. التجربة على أسواق مهارات واقعية لقت أكثر من ألف نية خفية وتأكدت من 80% من أخطر التركيبات وقت التنفيذ.

الفريق قدم DuoMem، إطار تقطير مزدوج بين الذاكرة والسياق، بيحوّل قدرة حل المشكلات من نموذج كبير للمعلم إلى نموذج صغير للطالب. بيستبدل الذاكرة اللي بيولدها الطالب بذاكرة أعلى جودة من المعلم، وبيضيف LoRA adapters خفيفة لتعلم مسارات النجاح. التجربة على ALFWorld ورّجت إنه نموذج 4 بليون بارامتر وصل نجاح 77.9٪، قريب كتير من نموذج 72 بليون بارامتر اللي وصل 87.1٪، وبسرعة 3 أضعاف على الجهاز.

الفريق اللي قدم TurboServe بيحكي عن مشكلة جديدة صارت مع توليد الفيديو على طول الوقت، يعني المستخدم بيشوف الفيديو يطلع شريحة بشريحة. المشكلة إنه الجلسات بتطول وبنفس الوقت عدد الجلسات بيقلب بين النشاط والهدوء، فبيصير صعب نحافظ على سرعة الاستجابة وتكلفة قليلة. TurboServe بيحل هالمشكلة عن طريق جدولة ذكية بتوزّع الجلسات على الـ GPUs وبتزود أو تقلل عدد الـ GPUs حسب الحاجة، وبيستعمل تقنيات مثل تجميع الشرائح للمعالجة المشتركة ونقل الجلسات بين الـ GPUs. التجربة على بيانات حقيقية من Shengshu Technology أظهرت إنه النظام بيقلل زمن الاستجابة بأكثر من 37٪ وتكلفة تشغيل الـ GPUs كمان بنحو نفس النسبة.