شو في AI؟ | 20 يوليو — نموذج متعدد الوكلاء 20

الباحثين قدموا RecGPT-V3، نسخة جديدة من أنظمة التوصية اللي بتستغل LLM لتفهم نوايا المستخدم بدل ما تكتفي بالأنماط القديمة. النموذج بيستخدم Memory Hub لتخزين ذاكرة المستخدم بصورة مستمرة، فبيقلل حساب السلوك التاريخي بنسبة 55.8٪. كمان بيجمع بين النصوص والـSemantic IDs (SIDs) عبر Hybrid‑modal Foundation Model، وبيحوّل السلاسل الطويلة من التفكير إلى رموز مخفية صغيرة بتقلل عدد الكلمات المطلوبة 200 مرة. التجربة على منصة "Guess What You Like" في Taobao أظهرت تحسينات واضحة في المؤشرات التجارية وتخفيض كبير في استهلاك الموارد.

الفريق قدم طريقة xHC لتوسيع الـ residual stream بالـ Transformers لأكتر من أربع مسارات متوازية، يعني ما بنوقف عند N=4. استخدموا تعزيز ميزات زمنية لتقوية الـ write‑back، وعملوا بنية متفرقة بتحدّث بس 4 مسارات من أصل 16 مع الحفاظ على وصول كامل للـ residual state. التجارب على نماذج MoE بحجم 18B و28B بيّنت تحسن واضح بالنتائج مع زيادة بسيطة في الـ FLOPs، وكمان طوّروا xHC‑Flash لتقليل حركة الذاكرة. هالنتائج بتأكد إن توسيع الـ residual stream ممكن يكون محور جديد لتقليل تكلفة التدريب وتحسين الأداء.

الفريق قدم نموذج أساسي اسمه Xiaomi‑Robotics‑1 بيقدر يتبع تعليمات لغوية متنوعة ويشتغل على مهام مناولة الأشياء بالموبايل في بيئات ما شافها قبل، وبنفس الوقت بيقدر يتأقلم مع مهام جديدة بأقل بيانات تدريب. النموذج تدرب على أكتر من 100 ألف ساعة من مسارات من العالم الحقيقي عبر جهاز UMI، واستخدموا خط أنابيب تلقائي يضيف أوصاف نصية لحالات المشهد. بعد التدريب الأساسي، عملوا مرحلة تانية لتوافق النموذج مع شكل الروبوتات وتعليمات البشر، ولقوا إنه كل ما زادوا البيانات وحجم النموذج، زادت الأداء بالروبوتات الحقيقية. التجارب أظهرت إنه يحقق أرقام قياسية جديدة على Benchmarks مثل RoboCasa365 وRoboDojo.

الفريق قدم RAGU، محرك GraphRAG مفتوح المصدر بيفصل بين استخراج الكيانات والعلاقات وتوحيدها. العملية بتشتغل على مرحلتين: استخراج من نوعين، ثم تنقية بالـ DBSCAN، تلخيص بالـ LLM، واكتشاف مجتمعات بالـ Leiden. كمان درّبوا نموذج Meno-Lite-0.1 بحجم 7B يركز على مهارات اللغة، وقدر يتفوق على Qwen2.5-32B ببناء مخططات المعرفة، ويعطي نفس الأداء على مهام GraphRAG الإنجليزية. RAGU يشتغل على GPU وحدة، يثبت بـ pip install graph_ragu، ومتوفر تحت رخصة MIT.

الفريق قدم Cura 1T، نموذج لغة كبير مخصص للقطاع الصحي. النموذج تدرب بحلقة تطور ذاتية بحدود بشرية: كل دورة بيخطط وكيل تدريب هدف جديد، يدرب النموذج، يقيم الأداء على مجموعة من الـ benchmarks، وبعدين يضبط خليط البيانات حسب الأخطاء. هالطريقة بتعطيه قدرة على استشارة المرضى، التفكير السريري بالنصوص والصور، تشخيص تفاعلي، واستخدام أدوات السجلات الصحية، بدون ما يضعف قدرات تانية.

الفريق اللي بيضم Haodong Wen وزملاؤه بيظهروا إنو حتى أكبر نماذج اللغة ما بتقدر تنسخ نص حرفيًا على طول داخل نافذة السياق. السبب بيرجع لتصميم positional encodings بالـTransformer اللي بيفضل يطابق السياقات المحلية بدل ما يحدد موقع كل كلمة بدقة. اقترحوا طريقة جديدة اسمها 2D-RoPE بتنظم النص بجدول 2‑بعدي وتعطي كل كلمة row ID وcolumn ID، فتصير عملية النسخ مجرد سحب كلمة من عمود ثابت. التجارب على نسخ نصوص صناعية بتبيّن إنو الـTransformers الخفيفة مع 2D-RoPE بتنسخ بدقة حتى لطول نصوص أكبر بكتير من اللي تدربت عليها، والنتيجة نفسها انطبقت على نماذج ما قبل التدريب الكبيرة لحد 1.4 B باراميتر.

الباحثين قدموا طريقة جديدة لتقليد النماذج الكبيرة بعد التدريب، سموها delta signal. الإشارة دي بتقيس الفرق بين النموذج المعلم بعد ضبط قدرات التفكير والنموذج الأصلي قبل الضبط، وبتعطي إشارة أوضح لنقل مهارات التفكير. التجارب على اختبارات الرياضيات والعلوم والبرمجة بيّنت إن الطريقة هاد بتحسّن الأداء مقارنةً بالتقليد التقليدي، وبتخلي النماذج توصل لأداء عالي خلال فترة تدريب قصيرة.

الفريق استعمل الشطرنج كمنصة مراقبة لتفحص كيف بيأثر التدريب الأولي على تحسين النماذج بالـ RL. درّبوا نماذج لغة من 5M لحد 1B بارامتر على ألعاب شطرنج بشرية، بعدين سووا fine‑tuning على تتبعات استدلال صناعية، وأخيرًا شغّلو RL على ألغاز شطرنج فيها مكافآت واضحة. لقوا إنّو أداء الـ RL بيتنبأ فيه من خسارة الـ pretraining، وإنّو كل ما زادت توكنات الـ pretraining، المنحنى بتاع مكافأة الـ RL بصير أدفَع تقريبًا خطيًا. كمان شافوا إنّو الـ RL ما بيقوّي بس السياسة اللي تعلّمتها الـ SFT، بل بيظهر حركات صحيحة ما كانت موجودة بالـ SFT على الألغاز الصعبة، وده تأكّدوا منه كمان بمجال الرياضيات.

الفريق قدم Loopie، أقوى Transformer متكرّر لحدّ اليوم. السلسلة فيها نموذجين MoE: واحد 20 بليون باراميتر مع 2 بليون باراميتر نشط، والثاني 6 بليون مع 0.6 بليون باراميتر نشط. Loopie بيكسر التحدي التقليدي إنو زيادة N‑مرة بحساب التدريب عادةً بتحتاج زيادة N‑مرة بالباراميترات؛ هو بيستغل التكرار ليعطي أداء أعلى من نموذج 30 بليون باراميتر بنفس الميزانية. كمان بعد التدريب، بيضيف قدرات استدلال قوية، وحقق أداء ذهبية بالمسابقة الدولية للرياضيات والفيزياء 2025 بدون أدوات مساعدة.

المؤلفين قدموا ActiveVision، benchmark فيه 17 مهمة موزعة على 3 فئات، هدفه يقيس قدرة نماذج اللغة الكبيرة المتعددة الوسائط على المراقبة النشطة للصور. الصراحة، حتى أقوى نموذج جربوه، GPT‑5.5، حلّ بس 10.6٪ من الأسئلة وفشل تماماً في 11 مهمة، وClaude Fable 5 حلّ 3.5٪ بس، بينما البشر وصلوا لـ96.1٪. كمان لما خلو النماذج تكتب كود لتفسير الصور، الكود كان غير موثوق ولا يقدر يكتشف أخطاؤه، يعني ما في مراقبة نشطة كافية.

الباحثين قدموا BusinessCaseBench، مجموعة أسئلة من حالات أعمال حقيقية تغطي 18 تخصص، وكل سؤال إلو دليل تقييم من حلول الخبراء. جربوا نماذج LLM المتقدمة وشافوا إنها بتحقق درجات عالية حسب هالدليل، وحتى التحسن واضح خلال سنتين. النتيجة إنّ الذكاء الاصطناعي صار يقدر يحلّ إشي معقّد زي التحليل الاستراتيجي واتخاذ القرار في بيئات تجارية.

الباحثين Herrewijnen وزملاؤه بيحكوا إنو الـ LLMs بتقدر تولّد شروحات نصية بتفسّر قراراتها، وهاي الشروحات صارت اتجاه واعد ضمن XAI لتفسير سلوك الموديلات. مع إنو الشروحات بتبين كتير معقولة، ما في ضمان إنو هي فعلاً بتعكس طريقة تفكير الموديل بالضبط. الورقة بتنتقد طرق التقييم التقليدية وبتقترح إرشادات لتقويم المعقولية والصدق، وبتضيف معيار جديد اسمه القابلية للتطبيق (actionability) لتقييم كيف ممكن نستفيد من هالشروحات بقرارات واقعية.

الفريق اللي بيضم Suzhen Zhong وزملاؤه درسوا أكتر من مليون طلب سحب (pull request) من 207 مشروع على GitHub، وشافوا كيف انتقلوا من مرحلة المراجعة البشرية للمرحلة اللي فيها LLMs والـ AI agents. حددوا ثلاث طرق لتبني المراجعة بالذكاء الاصطناعي: تبني تدريجي، تبني سريع للـ LLM، وتبني سريع للوكيل الذكي. النتائج بتوضح إن وجود الوكلاء بيسرّع اتخاذ القرار بالمراجعة، بس هالسرعة ما بتترجم لجودة أعلى بالمراجعة.

فريق Mazene Ameur وزملاؤه قدموا دليل‑مسح من جزئين عن كيف ممكن نستخدم Large Language Models لتصير الشبكات الجيل الخامس والسادس وكيلية، يعني تشتغل بحكم نفسها وتحقق أهدافها. الجزء الأول بيفصل طبقات التحكم والإدارة بالـ NGN وبيشرح أسس الأنظمة الوكيلة: التفكير، التخطيط، استخدام الأدوات، تنسيق الوكلاء، والتقييم. الجزء الثاني بيربط هالقدرات بسطوح التحكم في 5G/6G، ومعايير التوحيد، ومبادرات 6G الكبيرة، وبنهاية بيسلط الضوء على التحديات المفتوحة.

هالورقة بتقدّم طريقة جديدة لتوليف البرايمبت للـ LLMs من غير ما نغيّر وزن النموذج. الباحثين Zhou و Ou بيعرّفوا توزيع بايزي بدمج احتمالية المهمة مع prior من اللّغة، وبعدين بيستعملوا MCMC مع اقتراحات موجهة بالgradient وparallel tempering لاستكشاف مساحة البرايمبت. التجارب على نماذج Qwen2.5 بتظهر إن الطريقة بتلقى برايمبتات ذات معنى وبترفع الدقة من 60.04% لـ 63.23% على مجموعة مهام. كمان بيكشفوا إنو فيه تحديات مثل الإفراط بالتدريب وتكلفة الحوسبة.

الفريق قدم AV-Flamingo، نموذج لغة كبير يدمج السمع والبصر ويقدر يفهم ويستنتج من فيديوهات طويلة ومعقّدة. جمعوا مجموعة Audio-Visual-Skills فيها حوالي 7 مليون مثال من الشروحات والأسئلة لتدريب النموذج على التفكير الزمني والتركيبي عبر الصوت والصورة. بعدين استخدموا منهجية ثلاثية المراحل لتدريب النموذج من الفهم القصير للمناظر لحد التفكير في أحداث طويلة. كمان أضافوا طريقة Temporal Audio-Visual Interleaved Chain-of-Thought اللي بتربط خطوات التفكير بأوقات محددة داخل الفيديو، لتقوية التوافق الزمني وتسهيل الفهم.

الفريق بقيادة Zhao وزملاؤه قدموا S1-Omni، نموذج موحد بيفهم ويولّد علميًا من خلال ربط النصوص والتعليمات مع أشياء علمية مثل CIF وSMILES وسلاسل البروتين والصور العلمية. النموذج بيحط كل هالبيانات بمساحة تمثيل مشتركة وبيدمج القوانين العلمية والمعرفة الخبرائية لتقدر تستنتج من الأدلة. بعدين بيستعمل فك تشفير خاص لكل مهمة، من توقع الخصائص إلى توليد جزيئات من الطيف وتعديل الصور العلمية. تم تدريب S1-Omni على S1-Omni-Corpus اللي فيه مئات المهام وملايين العينات، وتقييمه على أكتر من 60 benchmark علمي وطلع يتفوق على GPT-5.5 وGemini-3.1-Pro ومع بعض النماذج المتخصصة.

الفريق قدم طريقة اسمها CRAFT بتحول أي مجموعة تقييم مبنية على rubric لتشخيص قدرات الـ LLM الضعيفة. كل معيار تقييم بيتعامل كـ capability probe، وبستخرجوا وصف للقدرة من كل prompt‑rubric وبعدين بيجمعوا الأوصاف بشجرة قدرات هرمية. بعدين بيحسبوا أداء النموذج على كل عقدة بالشجرة وبيختاروا العقد الضعيفة لتوليد بيانات Fine‑Tuning موجهة. التجربة على نماذج مفتوحة بالمجالين المالي والقانوني أظهرت إنو CRAFT بتحسن الدقة بالمقارنة مع طرق التقييم العشوائية أو clustering التقليدي.

الفريق اللي بيقودوا Zhihao Xie وزملاؤه قدموا VideoRAE، وهو مشفر تمثيلات بيستغل ميزات متعددة المستويات من مشفر فيديو ثابت ويضغطها بـ 1D self‑attention خفيف. بيقدر يولّد تمثيلات مستمرة للـ Diffusion Transformers أو رموز منفصلة للنماذج التلقائية عبر تشفير متعدد‑الكودات. خلال فك الضغط، بيستخدم هدف محاذاة تمثيل محلي وعالمي مع المعلم VFM الثابت، فبهيك ما بيحتاج تنظيم KL وبيحافظ على المعنى الزمني‑المكاني. التجارب على UCF‑101 أظهرت جودة إعادة بناء قوية وسرعة تدريب أعلى بخمس مرات مقارنةً بالمشفرات التقليدية.

الباحثين بيستكشفوا ليش الأنظمة المتعددة الوكلاء المدعومة بـLLM أحياناً بتتفوق على الأنظمة الفردية. لقوا إن الفرق الأساسي إن النظام الفردي بيخزن كل خطوات التفكير بسياق واحد، بينما النظام المتعدد بيقسم السياق على رسائل محدودة بين الوكلاء. إذا كانت الرسائل ما فيها قيود، النظام المتعدد يقدر يقلد النظام الفردي، بس لما تكون الرسائل محدودة بيصير في موازنة بين تقليل الزحمة وفقدان معلومات مهمة. الدراسة جربت 18 تجربة على خمس مجموعات اختبار بثلاث أحجام نماذج لتأكد الفكرة، ولاحظوا إن الفائدة بتظهر أكتر لما تكون الرسائل تقريباً كافية، خصوصاً للنماذج الأضعف.