شو في AI؟ | تجميع الأسبوع 18 يوليو — Benchmarks and Efficient RL

الفريق Zhou وزملاؤه قدموا LongStraw، نظام تنفيذ بيشتغل مع سياقات مليون توكن تحت ميزانية GPU ثابتة. الطريقة بتستغل Group Relative Policy Optimization وبتقليل الرسم البياني للتدريب عن طريق حذف autograd من الـprompt المشترك وتخزين الحالة الضرورية بس. جربوها على موديلات Qwen3.6-27B وGLM-5.2 وحققوا تدريب مجموعات توكنات بأكثر من 2 مليون على 8 أو 32 بطاقات H20 بدون ما يزودوا الذاكرة كتير.

الفريق اللي هو Qi Li وزملاؤه قدموا BadWAM، إطار موحد بيكشف نوع جديد من الهجمات على نماذج World‑Action Models. الهجمات بتستغل تشويش بصري بسيط لتخرب التوافق بين اللي النموذج يتخيله من مستقبل المشهد وبين الفعل اللي بينفذه. فيه نوعين: هجوم بيهدم الفعل بس، ونوع تاني بيحافظ على تخيل المستقبل بس بيخلي الفعل يختلف بشكل مخفي. التجارب أظهرت إن هالهجمات بتقلل نجاح المهام من 96.5% إلى 43.1% تقريباً.

الباحثين قدموا طريقة جديدة تخلي الفهم والتوليد للصور والنصوص يشتغلوا مع بعض بنفس الوقت، بدل ما يكونوا منفصلين. استغلوا Masked Diffusion Models وأضافوا آلية تسمح لكل وحدة (نص أو صورة) تشوف ثقة التانية وتصحح الأخطاء فوراً عبر SC-CMJP. كمان طوّروا سامبلر واحد‑مرّة اسمه CO_2Jump ما بيحتاج تدريب، يقدر يحدّث الصورة والنص سوا ويحلّ مشاكل التناقض. جربوا الطريقة على ثلاث مجموعات بيانات ضخمة ونشروا النتائج اللي بتظهر تحسّن واضح بالمقارنة مع الطرق القديمة.

الورقة بتوضح إنو On-Policy Distillation (OPD) بيشتغل كمنشط للاستكشاف، يعني بيوجّه الطالب لطرق تفكير صحيحة عن طريق إرشاد تفصيلي على مستوى الرموز، بس ما بيزيد من قدرته القصوى. الباحثين لقوا إنو تنوّع الأسئلة أهم من عدد العينات لكل سؤال، وإنو نجاح OPD بيعتمد بالكامل على جودة الإشارة الإرشادية. هالشي بيكشف مشكلتين: فجوة بين المعلم والطالب (Student-Teacher Mismatch) و«استغلال الطول» اللي بيخلي الطالب يلعب على طول الرد بدل ما يفكّر. لتقليل هالمشكلات جربوا تنظيمات خفيفة مثل advantage clipping وlog-scale compression، ولقوا تحسين واضح على سبع benchmarks.

الفريق اللي قدم الورقة حطّوا VIABench، وهو benchmark بالفيديوهات المسجّلة من قبل الأشخاص المكفوفين، لتقييم الـ Multimodal Large Language Models بمهام المساعدة اليومية. فيه ثلاث مهام: Proactive Reminder اللي بيطلب من النموذج يتوقع الأحداث المهمة ويشرحها صوتيًا، وVisual Question Answering (VQA) للرد على أسئلة المستخدم عن المشهد، وVision‑Guided Interaction لتوجيه التفاعل مع البيئة. حطّوا طريقة تقييم صارمة تدعم الوضعين online (بوقت الحقيقي) وoffline. التجارب بينت إن النماذج الحالية لسا ما بتقدر تعطي دعم شامل، خصوصًا بمهمة Proactive Reminder اللي بتحتاج توقع دقيق وسرعة استجابة.

الفريق قدم طريقة اسمها Subspace-Aligned Rewiring (SAR) بعد ما يخلصوا تدريب نموذج لغة كبير. الفكرة إنو الجزء اللي بيساهم بالمنطق بيتجمع بمكان اسمه الفضاء الطيفي، فـ SAR بيحافظ على هالجزء ويشيل المكوّنات اللي ما إلها فائدة أو بتسبب تشويش بين المجالات. الطريقة بتحتاج أقل من 0.6% من كل البارامترات، وبتخلي النموذج يحافظ على أكتر من 99% من الأداء بعد التدريب، وتزيد من قدرته على حل مسائل رياضية وتطبيقات البرمجة. كمان بتساعد بدمج نماذج متخصصة من غير ما يخسروا مهاراتهم، وبتعطي أداء أحسن من طرق الدمج القديمة.

الفريق قدم طريقة جديدة لتقييم صور الحماية حسب السياسة المتغيّرة، مش حسب صورة ثابتة. عملوا Benchmark اسمه PolicyShiftBench فيه 2,000 حالة فيها كل صورة مرتبطة بأكتر من 7 سياسات مختلفة، عشان يختبروا إذا الموديل بِظبط نفسه حسب السياسة الحالية. بعدين صمموا نموذج PolicyShiftGuard اللي بتدريبه وصفين: RP‑SFT لتعميم السياسات وBP‑Adapt لتعلم الفروقات بين سياسات الحجب والتمرير باستخدام مقارنة أزواجية. النتائج بتبيّن إنّ الموديل بيغلب باقي VLMs وموديلات الحماية القديمة بكتير، وبيوصل لأعلى أداء على Benchmark.

الباحثين قدموا SIS‑Bench، بنشمارك جديد بيقيس الذكاء المكاني المتجسد للطائرات بدون طيار من خلال صيغة 'self‑in‑space'. البنشمارك بيغطي 13 مهمة على 4,856 سؤال‑جواب مأخوذة من 1,646 فيديو واقعي، وبيقسّم التقييم على بعدين: الفضاء والذات، وثلاث مستويات: الإدراك، الذاكرة، والاستنتاج. التجارب أظهرت إن الـ MLLMs الحالية عندها صعوبة بتعامل مع الحركات الديناميكية والوعي الذاتي، وبيقل الأداء كل ما ارتقينا بالمستوى المعرفي. إضافة تمثيل حساس للحركة باستخدام optical flow ودمج الخصائص البصرية حسّن الإدراك والذاكرة، وبيساعد على اتخاذ قرارات أفضل للطائرات.

الفريق قدم RxBrain، نموذج أساس للمعرفة المتجسدة بيجمع بين اللغة والرؤية لتخيل الخطوات قبل تنفيذها. النموذج بيستعمل بنية Mixture-of-Transformers موحدة بتفهم النصوص، الصور والفيديوهات وبتولدهم كمان. من خلال خط أنابيب أوتوماتيكي حول الفيديوهات لتسلسل نص‑بصري، بنوا RxBrain‑Bench لتقويم قدرة النموذج على تمثيل الخطط المتجسدة. التجارب بينت إن RxBrain بيقدر يدمج التفكير اللغوي مع تخيل الحالة الفيزيائية، وحتى يولّد أوامر روبوتية مستمرة بدون تدريب مسبق كبير.

التحقق من أنظمة القيادة الذاتية بحاجة لتصاميم اختبار متنوعة وتلتزم بالقوانين. فريق Yuan Gao وزملاؤه قدموا Chat2Scenic، وهو إطار بيستعمل RAG مع واجهة شات بوت لتوليد سكريبتات DSL تفاعلية، يعني بنقدر نعدل السيناريو مع الوقت. الاختبار على 123 سيناريو من تنظيمات NHTSA والأمم المتحدة بيظهر إنو النموذج وصل لـ 76.42% نجاح في التجميع و58.17% دقة في الإطار، متفوق على الطرق السابقة. الكود مفتوح على GitHub لتسهيل المتابعة.

هالورقة بتقدّم طريقة جديدة لتوليد الروبريكس (قواعد التقييم) مباشرةً من سؤال بدون ما نحتاج أي بيانات بشرية أو تدريب إضافي. الفريق بيستخدم أزواج ردود مكوّنة صناعيًا لتوليد روبريكس، وبعدين بيتأكدوا من كل روبريك إذا كان بيفرق بين الأجوبة ولا لأ، وبيستبعدوا اللي ما بيفيد أو بيهتم بس بالستايل. التجارب على خمس مجموعات معيارية للـ preference أظهرت إن الطريقة وصلت لأعلى دقة وسط هالمجالات، وتصدّرت ٦ من ٧ مجموعات تقييم.

هالورقة بتقدّم طريقتين لتفكيك هياكل الصحف المعقّدة. الأولى نظام بنائي من أسفل لفوق بيستعمل YOLO لتحديد التخطيط، LayoutReader لتوقع ترتيب القراءة، وخوارزمية مخصّصة لتقسيم المقالات. الثانية بتعرّف على Tiramisu، معمارية transformer جديدة بتشتغل بطبقات هرمية لتصنيف الأقسام وتحديد المواقع وتحديد الفئات الدلالية وترتيب القراءة. كمان الباحثين أطلقوا مجموعة بيانات جديدة اسمها Finlam La Liberté لتقييم هالمهام، والشفرة التدريبية متوفرة على GitHub.