شو في AI؟ | تجميع الأسبوع 15 أغسطس — نظام متعدد الوكلاء

الفريق بيحكي إنو الـ LLMs عم تتعلم من بيانات ثابتة، فالمعرفة فيها بتصير قديمة بسرعة. هالمرة الباحثين قدموا طريقة جديدة اسمها HPSE، بتخلّي الموديل يعلّم حاله من داخل نفسه عبر "self-distillation" وبيضيف معلومات جديدة بطريقة "hybrid rollout" لتغطي الفجوات. النتيجة إنو الموديل ما بس بيحفظ الفقرة الجديدة، بل بيقدر يجاوب أسئلة بسيطة ويجمع المعلومات لتفكير متعدد الخطوات، يعني بيصير أكتر تركيبة وفاعلية.

الفريق بنى مجموعة من 4,200 ورقة كاملة مستخلصة من 120 مشاركة مجهّية بـ ICLR 2026، واستخدم ستة أبعاد بلاغية غيرت النص باتجاهين مختلفين عن طريق LLM rewriters. بعدين خلى خمسة LLM reviewers يقيموا هالمقالات تحت بروتوكولات قياسية وصارمة. لقوا إنّ إطار الأدلة وموقف الجدة بيأثروا أقوى على التقييم، بينما باقي الأبعاد إله تأثير أقل أو غير مستقر. كمان اكتشفوا إنّ تأثير البلاغة بيختلف حسب النقطة الأصلية للمراجع، والكتابة المشتركة أو المتكررة ما بتعطي مكاسب ثابتة.

الفريق قدم مجموعة من النماذج العلمية الوكيلية اللي بتدعم الفهم المتعدد الوسائط، الاستدلال، والتوليد على مهام طويلة المدى. التدريب بلّش بpre‑training على مستندات علمية مصوّرة وبيانات نص‑صورة، وبعدها استعملوا pipeline موحد للـ fine‑tuning، reinforcement learning متعدد المهام، وdistillation على‑policy. بالمستوى المعماري، Intern‑S2‑Preview‑397B ضاف موديل لتوقع السلاسل الزمنية، وMemory Decoder اتعمل كمسار مذكّرة لتخصيص سريع للبيولوجيا من غير ما يغيّر ال‑backbone. التجارب على benchmarks علمية ومتعددة الوسائط أظهرت نتائج تنافسية أو متصدرة.

الورقة بتوضح إنّ تفسير المشاهد الأرضية على فترات طويلة بيحتاج نماذج تنظم تطور جغرافي متعدد المراحل وتحدد تغيّر الأماكن وتكتشف شذوذات زمنية وتستنتج المستقبل من سلاسل صور طويلة. الباحثين قدموا LongEarth-Bench، benchmark فيه حوالي 120 000 سؤال‑جواب مأخوذة من 117 000 صورة، وسلسلتها متوسطها 15.14 إطار وبتوصل لـ30 إطار، وبيغطي 12 مهمة من تلخيص التطور لتنبؤ منطقي. بعدين سووا LongEarth بالتدريب المراقب مع معرفات السلسلة وسلسلة تفكير منطقية، وطبقوا LongEarth-R1 مع group relative policy optimization باستخدام مكافآت صيغية وزمنية ومكانية، وحققوا أفضل أداء على كل المهمات الطويلة مع الحفاظ على تنافسية على benchmarkات الاستشعار عن بُعد التقليدية.

الفريق قدم full-bandwidth transformer، وهو محوّل autoregressive بيضيف قناة تغذية راجعة أوسع بين خطوات التوليد. بدال ما يروح حالة الطبقة العليا بعد كل توكن، بيخلط الحالة العليا السابقة مع تمثيل التوكن اللي انولد عبر gated linear unit وبيرجعها كمدخل للخطوة الجاية. التدريب بيستخدم هدف multi-pass مجدول بيضيف هالتغذية المتأخرة بعد ما يبدأ التدريب، وبيخلط نسبة صغيرة من خطوات التغذية العميقة لاستقرار. التجارب على نموذج ب١ مليار بارامتر لحد ٤٠٠ مليار توكن أظهرت تحسين في خسارة التحقق وتقييم 5-shot وتوليد الرياضيات والبرمجة وأداء التعليمات، مع تكلفة حسابية تقريباً ما تتغير.

الورقة بتجمع ثلاث أطر جاهزية موجودة وبتنشئ مقياس موحد اسمه Unified AI Readiness Level (AIRL) بيضم تسعة مستويات ومعايير للبيانات، الخبرة، والنموذج. بعدين بيقدّموا RAIL، وهو مصنّف بيستند على مجموعة من الـLLM‑agents كل واحد مختص بجانب من الجوانب، وبيلتقط verdict من كل واحد وبعدين يجمعهم بقاعدة حتمية. فيه كمان خبير رئيسي بيراجع التوصية وما بيزيدها فوق الحدود المحددة. الاختبار على عدة أبحاث بيظهر إن الطريقة بتعطي تقييم ثابت وبتتفادى التقدير الزايد اللي ممكن يحصل مع مصنّفات LLM موحدة.

الفريق Dingzhan Nong وزملاؤه قدموا إطار جديد لتوليد فيديوهات لغة الإشارة باستخدام GAN متعدد الخبرات. النموذج فيه ثلاث discriminators متخصصة – عالمية، يد، ورأس – كل وحدة بتوجه فرع خاص بالمولد لتوليد تفاصيل المنطقة المعنية. بدنا نولّد إشي واقعي، عشان يثبت التدريب استعملوا آلية United Loss بتخلي كل discriminator يلتزم بمتوسط المجموعة بوزن 10٪، وكمان دمجوا convolution مع transformer عبر AdaptiveFeatureFusion. التجربة على مجموعة بيانات 156 GB أظهرت إن النسخة الصغيرة (0.2 B باراميتر) وصلت PSNR 29.8 والنسخة الكبيرة (1.3 B باراميتر) وصلت 30.7، ومع استهلاك VRAM قليل ممكن نشغلها على كمبيوتر شخصي.

الفريق قدم MatrAIx، بنية تحتية لتقييم الأنظمة الرقمية عن طريق محاكاة ملايين المستخدمين المتنوعين. بيحتوي على Persona 8B اللي فيه 8.3 مليار سجل شخصي موزّع على 1,290 صفة، ومنه أطلقوا نسخة مُصفّاة فيها حوالي مليون شخصية. كمان في MatrAIx Playground فيه أربع بيئات (Survey، AI Chatbot، Web، App) و1,010 مهمة تطبيقية عبر 25 مجال. الوكلاء بيشتغلوا على LLMs مثل Claude Opus 4.8 وGPT 5.5 وClaude Haiku 4.5 لتوليد ردود تعكس سلوك وتفضيلات شخصيات مختلفة.

فريق Bobo Li وزملاؤه قدموا OmniScientist، نظام AI بيشتغل من أول الفكرة لحد كتابة الورقة، وبيستقبل أدلة من صور، صوت، فيديو، جداول وغيرهم. النظام فيه طبقة perception و3 agents مستقلين للتفكير، التجربة، والكتابة، وكل خطوة بتتحدد من الملاحظات اللي بيشوفها. جربوه على 36 حالة من خمس مجالات علمية، وقدروا يكمّلوا كل دورة بحث من البيانات الخام للمنشور بنجاح، وسجلوا متوسط تقييم 6.3. المقارنة مع نسخة ما بتشوف إلا ميزات مسبقة أظهرت إن الفهم المباشر للبيانات بيحسّن كل الجوانب البحثية بنسبة 85%.

الفريق قدم MARC، إطار مفتوح المصدر بيستبدل استدعاء LLM الأحادي بتنسيق متعدد الوكلاء للقرارات السريرية. MARC بيرتب وكلاء متخصصين بمهام استخراج، تفكير، توليد إجابة وتقييم، وبيمرّر السياق بيناتهم بهيك طريقة كل خطوة بتصير واضحة وبتسمح نعرف وين صار العطل. كمان أضافوا وحدة Decomposer اللي بتولّد توجيهات الوكلاء من وصف نصّي بسيط، فبدّنا ما نضيع وقت بالـ prompt engineering. الإطار بيشتغل على API أو على جهاز CPU المحلي، وممكن نضبطه كله بملف YAML من غير ما نكتب كود.

الفريق قدم Business Arena، بيئة محاكاة فيها وكيل LLM يدير محل عابر للحدود يشتري من الموردين ويبيع للمشترين على مدار وقت طويل. البيئة مبنية على بيانات Alibaba.com الحقيقية وشروط السوق من مصادر موثوقة، والنتيجة تُقاس بالربح الصافي. الباحثين قارنوا 15 نموذج متقدم مع استراتيجيات صممتها بشر، ولاحظوا فرق تسعة أضعاف بالثروة النهائية، وأظهروا إن حتى أقوى نموذج لسا ما بيقدر ينافس الإنسان. كمان حطوا مقاييس مستوى المهارة لتفصيل أساليب الوكلاء وتحديد أي قرارات بتخلق أو بتدمّر القيمة.

الورقة بتقدّم benchmark جديد اسمه MMOOC لتقييم قدرة الموديلات الكبيرة المتعددة الوسائط (MLLMs) على رفض الأسئلة اللي بتكون خارج السياق (OOC) والإجابة على أسئلة shifted in-context (Shifted IC). البنشمارك فيه أكتر من 41 ألف صورة-سؤال، وبيغطي تلات صيغ سؤال، تمانة أنواع تحويل، وستة سيناريوهات بصرية، مع تصفية آلية من MLLM وتحقق بشري. الباحثين استخدموا مقاييس Accuracy وRefusal Rate، وكمان جابوا metric جديد اسمه LLM-as-a-Judge لتقييم صحة التفكير. التجارب بينت إن الموديلات الحالية لسا بتعاني من موازنة بين الرد والإجابة تحت تغيّر السياق، لكن التدريب الإضافي ممكن يحسّن الصلابة.