شو في AI؟ | 19 يوليو — وكيل ذكي وتعاون متعدد

الفريق قدم نظام Vinci2 اللي بيحوّل المساعد الذكي من رد فعل بس إلى استباقية، يعني بيقرر إذا كان لازم يتدخل ولا لا بناءً على اللي صار قبل هيك بالفيديو. حطوا benchmark جديد اسمه EgoServe فيه أكتر من 3,000 حالة خدمة موزعة على أربع فترات زمنية، من تنبيهات أمان فورية لحد تدريب عادات على المدى الطويل. كمان صمموا وكيل بدون تدريب اسمه EgoMemo بيحافظ على ثلاث ذواكر: ملخصات زمنية متعددة المقاييس، رسم بياني معرفي، وأرشيف للتمثيلات البصرية، وبيستعمل استرجاع معزّز للتفكير قبل ما يعطي رد. التجارب أظهرت إن EgoMemo يحقق نتائج قوية على EgoServe وكمان يظل منافس على benchmarks تانية بالفيديو الذاتي.

الفريق قدم UniVR، أول نموذج بيفكّر ويخطط من خلال الصور بس، بدون ما يحتاج لتعليمات نصية أو قواعد خاصة لكل مهمة. بيستعمل طريقة جديدة اسمها VR‑GRPO فيها مكافآت عالمية ومكافآت خطوة بخطوة لتضمن إن التفكير يكون منطقي ومتسق مع الفيزياء. لتدريب وتقييمه بنوا مجموعة بيانات ضخمة اسمها VR‑X تجمع سيناريوهات من تحريك أشياء لفترات طويلة، أحجية مكانية، وتفكير فيزيائي. النتيجة إن UniVR حسّن الأداء لحد 25٪ على هالمجموعة وكمان رفع نتائجه على اختبارات فهم متعددة الوسائط.

الفريق كشف إنو بالرغم من إنو Diffusion Transformers ما فيها outliers متل Vision Transformers، بس التسجيلات (register tokens) بتساعدها كتير، خصوصًا بالبيكسل‑سبيس. بتحليلهم للتمثيلات المتوسطة لقوا إنو هالتسجيلات بتنظف الفيتشر مابس لما الضوضاء عالية، وهاد بيقوي جودة الصورة المتولدة. كمان لاحظوا إنو بعض هياكل الـ DiT الحديثة بتدخل آلية شبه التسجيلات بشكل ضمني، وهاد ممكن يفسر الأداء القوي إلها. بناءً على هيك، اقترحوا طريقة Register Guidance لتقوّي دور التسجيلات وتزيد من وضوح البنية البصرية.

الفريق اكتشف إنو تقليم النماذج الكبيرة بيخلّيها تفشل بالكتابة الحرّة، بس بيضل في جمل مفيدة إذا بدنا نعيد توليدها أكتر من مرة. بناءً على هالملاحظة، حطوا طريقة On-Policy Distillation بتستعمل النموذج الأصلي كمعلم ثابت لتدريب النموذج المقصَّى على حالته الخاصة. بعدين طوّروا جدول Short-to-Long بيوصل للجزء المفيد من النص قبل ما يضيع الوقت على تكرار غير مهم. التجربة على الرياضيات والبرمجة والكتابة المفتوحة ورّجت إنو النموذج المسترجع صار أقوى بكتير من الطرق القديمة وبوقت تدريب أقل.

فريق الباحثين قدموا PalmClaw، إطار عمل مفتوح المصدر بيشتغل نَتِي على الموبايل. هالإطار بِصير الـ LLM agents يقدروا يستخدموا أدوات الجهاز كإنها وظائف بوسائط واضحة ونتايج منظمة، بدل ما يضطروا يتعاملوا مع الواجهة الرسومية الطويلة. التجارب أظهرت تحسين 11.5% بنجاح المهمات وتقليل وقت الإنجاز بأكثر من 94% مقارنةً بأقوى baseline.

الفريق قدم GRASP، إطار تعلّم معزّز بيدرب الوكلاء ليختاروا أداة البحث الأنسب خلال كل خطوة من التفكير. الوكيل يقدر يشتغل بثلاث إجراءات: بحث دلالي، بحث بالكلمات المفتاحية، وقراءة فقرات، فبالتالي يجيب دليل على مستوى الجملة ويزيد السياق بس لما يكون ضروري. التجارب على Benchmarks للـ multi‑hop reasoning ورّجت إنّو GRASP بيرفع استرجاع المعلومات ودقة الإجابة مقارنةً بالطرق السابقة.

هالورقة قدمت benchmark جديد اسمه MM‑IssueLoc بيختبر كيف الصور داخل تقارير الأخطاء بتساعد نحدّد الملف أو الدالة اللي فيها المشكلة. فيه 652 حالة من 23 لغة، ومعاها تصنيفات للصور و4 مستويات صلة. الباحثين جربوا أنظمة LLM وأنظمة استرجاع، ولقوا إن أقوى نظام وصل بس 38.96% دقة على مستوى الملفات و22.45% على مستوى الدوال. النتيجة إننا لسا بعيدين عن توطين موثوق باستخدام الأدلة البصرية.

الفريق قدم طريقة جديدة لتدريب نماذج اللغة Diffusion اللي بتشتغل بنظام الـ Masked Diffusion. الفكرة إنو كل خطوة توليد فيها قرارين: شو نحط من توكنات بالمكان الممسوح وشو نعيد نمسح. صرّفنا هالعملية على شكل MDP من مرحلتين، ولقينا إنو الـ policy gradient بيتقسم طبيعيًة لمصطلح توكن ومصطلح ماسك. الجمع بين تحسين المصطلحين وصلنا لأفضل أداء على اختبارات الرياضيات والبرمجة، يعني 87.1% على GSM8K و53.4% على MBPP.

الفريق قدم طريقة اسمها STRACE لتقليل الضوضا بالمسارات اللي بتولدها الوكلاء وتستخرج السبب الحقيقي للفشل. STRACE بتفلتر المسارات المتكررة على مستوى الدفعة وبتحدد الخطوات غير المسببة داخل كل مسار عبر رسم اعتماد نصي. بهالطريقة، النموذج يقدر يركز على الجذور الحقيقية ويطوّر سياسات الوكيل بشكل أدق. التجربة على VeruSAGE-Bench ورّجت تحسين نسبة النجاح من 42.5٪ لـ 58.5٪ مقارنة بالطرق التقليدية.

الفريق قدم SearchOS، نظام متعدد الوكلاء بيحوّل تقدم البحث الضبابي إلى حالة صريحة ومشتركة بين الوكلاء. بيعرّف مهمة البحث المفتوح كإكمال مخطط علاقاتي مع توثيق كل قيمة بمصدر موثوق، وبنظّم الحالة عبر Frontier Task، Evidence Graph، Coverage Map، وFailure Memory. كمان ضمّوا جدولة متوازية للمهام مع Search Tool Middleware Harness اللي بيسجّل الأدلة وبيمنع الوقوف أو استنفاد الميزانية، وبيوفروا نظام مهارات هرمي لتفادي تكرار الأخطاء. التجربة على WideSearch وGISA أظهرت إن SearchOS يتفوّق على كل البنى التحتية الأحادية والمتعددة الوكلاء على كل المقاييس.

الفريق اللي أسسه Patrick Phuoc Do وزملاؤه قيّم ست نماذج لغة متعددة الوسائط على اختبار فهامة الرسومات العلمية، اللي فيه 49 سؤال مبني على 18 رسم توضيحي. لقوا إن Gemini هو الأقوى، حتى تجاوز متوسط أداء البشر، بينما النماذج المفتوحة ما وصلوا للحد البشري. الأداء كان متقلب حسب التقنية ونوع المهمة، وكان أسوأ بكتير بالرسومات اللي فيها قياسات كمية أو اتجاهات تدفق.

الفريق اللي بيقود البحث، زينغ وزملاؤه، رجّعوا فكرة التحكم بالروبوتات البشرية لمستوى جديد عبر نموذج اسمه Humanoid Transformer. ركّزوا على ثلاث شغلات: طريقة تعلم بتسمي motion tracking، توازن بين كمية التجارب على‑policy وتنوع الحركات المرجعية، وبنية النموذج القابلة للتوسّع. التجارب على السيموليشن والواقع أظهرت إن الأخطاء انخفضت بأكثر من 10% بالوضع المحلي و82% بالوضع العالمي مقارنةً بالتحكمات القديمة.

الفريق استكشف نماذج اللغة الكبيرة المدربة على التوقعات ولاحظ إنّها ممكن تكون دقيقة بس ما تكون معايرة بشكل جيد، وكمان طريقة التفكير المتسلسلة (CoT) ما بتعكس دايمًا الأدلة ورا التوقع. استخدموا probes على الطبقات الداخلية لنموذج Eternis-Forecaster 8B ولقوا إنها بتحسّن المعايرة بشكل واضح، وحتى نماذج GLM-4.7-Flash وGLM-4.5-Air استفادت. كمان بيّنوا إنّ الـ probes بتكشف لما النموذج يخبّي تأثير تعديل في السؤال، وتقدر تتنبأ باتجاه التغيير بـ84 % من الحالات. أخيرًا، لَقوا إنّ التوقعات تقريبًا ثابتة قبل ما يبدأ النموذج يشرح، وهالشي بيوفر 30‑47 % من الكلمات المتولدة بدون خسارة بالدقة.

فريق Wang وزملاؤه قدموا Hallo4D، إطار موحد وما بيتطلب تعديل على النماذج لتقليل الهلوسات بالمجالات الثلاثية والرابعة. الإطار بيشتغل بنظام توليد‑كشف‑تصحيح، وبيستعين بـ large multimodal language models لتحديد الأخطاء بالمناظر المتعددة وإعطاء ملخّص للخطأ. بعدين بيستخدموا تحسين بالـ image‑space بيقارن بين تصحيحات مقترحة عبر تصويت بين نماذج مختلفة. كمان ضيفوا عينات إطارات رئيسية واعتماد مبدئي من الـ LMM، وتعديل الإضاءة وتقليم الرؤية عشان يرفعوا الاستقرار بالمناظير الصعبة. التجارب بتظهر إنو Hallo4D بيتفوق على الطرق السابقة بوضوح بمجالات 3D و4D.

الفريق قدم MAGIC، نظام بيحوّل نص بسيط إلى مشروع لعبة متكامل يضم عدة مشاهد متصلة. النظام بيشتغل بأربع مراحل: بيخطط تمثيل وسط يراعي الانتقالات، بيولّد كل مشهد مع ضمان وصول البوّابات عبر فاحص flood‑fill، بيضيف سكريبتات الانتقال، وأخيرًا بيركب كل شي بمشروع واحد. على اختبار جديد فيه 100 حالة، MAGIC قدر يولّد مشروع شغال لكل حالة وبنسبة عالية من الدقة والاتساق مقارنةً بالطرق السابقة.

الباحثين Jiang وزملاؤه فحصوا كيف ممكن نمّا نماذج إحصائية اسمها item response theory (IRT) تنقّح تقييم نماذج الذكاء الاصطناعي، خصوصًا على Benchmarks الكبيرة. لقوا إنو بيانات الـ benchmarks مختلفة عن بيانات الاختبارات البشرية: فيها نماذج أقل وعدد أسئلة أكتر، وتوزيع القدرات ممكن يكون غير طبيعي. سووا محاكاة على ستة Benchmarks للـ LLM وجربوا أربع طرق تقدير (marginal maximum likelihood، Markov chain Monte Carlo، variational inference، وneural pseudo‑Siamese estimator) وشافوا أيّها بيشتغل بسرعة ومتى بتصير النتائج غير موثوقة. النتيجة إنو الأدوات الكلاسيكية ممكن تصير غير عملية مع بيانات ضخمة، والأدوات السريعة أحيانًا بتعطي استنتاجات خاطئة إذا عدد النماذج قليل أو توزيع القدرات مش طبيعي.

الفريق استعرض كيف ممكن نعيد بناء عوالم ألعاب تفاعلية عبر منظومة حلقة action‑state‑observation المتكررة، ووزع التحليل على أربع أبعاد: تحكم اللاعب، ديناميكيات الحالة، استمرارية الملاحظة، والتوليد في الوقت الحقيقي. جمعوا بيانات ضخمة من لعبة Black Myth: Wukong، أكثر من 90 ساعة لعب مع أفعال اللاعبين، حالات اللعبة الحقيقية، والمشاهد المرئية، مع تعليقات هيكلية ودلالية. هالتحليل يوضح مزايا وعيوب كل عائلة من الأساليب الحالية ويعطي خريطة واضحة للبحوث الجاية.

Yushi Huang وزملاؤه قدموا MeanFlowNFT، طريقة جديدة بتدمج تعلم التعزيز مع مولّدات MeanFlow اللي بتستعمل متوسط السرعات لتوليد الصور والفيديو بخطوات قليلة. الفكرة إنهم بنوا متنبئ للسرعة اللحظية بناءً على هوية MeanFlow، وبطبقوا هدف DiffusionNFT عليه، فبيصير تحسين المكافأة واضح للمتوسط. النتيجة إن النموذج بيحافظ على السرعة الفائقة للـMeanFlow وبنفس الوقت بيحسّن الجودة، متفوق على أحدث طرق RL في أغلب المقاييس على مجموعات اختبار الصور والفيديو.

الفريق بيحكي كيف الوكلاء الذاتيين صايروا يطوّروا حالهم من غير تدخل بشري كتير. بيعرّفوا إطار نظام بيجمع foundation model مع مجموعة من الـ prompts والذاكرة والأدوات ومنطق التحكم، وبيوضحوا كيف هالعناصر بتتحدّث لتزيد القدرة. كمان بيصنّفون الأبحاث حسب شو بيتحدّثوا (معلمات النموذج أو المكوّنات) واللي بيحركوا هالتغيّر، وبيراجعوا التطبيقات وتقييم الأداء.

الفريق Yeh وزملاؤه قدموا OAT، نموذج يدرّب بس على مسارات نجاح قليلة ويتعامل مع فشل الوكلاء بدون أي إشارات خطوة بخطوة. النموذج بيستعمل one‑class learning مع neural controlled differential equations ليصوّر نمط النجاح بالفضاء الكامن، وبعدين بعطي كل خطوة فاشلة درجة شذوذ لتحديد الأخطاء. التجارب أظهرت إن OAT أسرع بـ200‑5000 مرة من الطرق اللي تعتمد على prompting، وكمان يرفع F1 بـ20% داخل المجال و7% خارج المجال.