شو في AI؟ | تجميع الأسبوع 29 أغسطس — تطور وكلاء الذكاء

الفريق بيقترح إنو لتوسيع نماذج العالم ما بنحتاج نزيد بس الفيديو والمعالجة، لازم يكون عنا محرك بيانات يقدّم إشارات مكافأة ثابتة. استغلوا فكرة تطوير الألعاب لأنو المشهد اللي بيصير داخل محرك اللعبة بيكون مواصفات قابلة للتنفيذ، فالمحرك بيفحص التصادم، الفيزياء، واللعب القابل للحد، والمطوّر بيعطي إشارة القبول العامة. بناءً على هالشي، قدموا نهج RLHEV اللي بيجمع إشارات المحرك الكثيفة مع ملاحظات البشر خلال عملية التطوير. هالنهج بيساعد على تدريب LLMs بعد التدريب الأساسي باستخدام مكافآت أكثر دقة من الألعاب.

الفريق قدم BALMS، أول benchmark بيركّز على الوكلاء اللغويين (LLM) اللي بيحلّل إشارات من الأجهزة القابلة للارتداء على طول الوقت لتوقع درجات الرفاهية النفسية. الورقة بتغطي 3 مجموعات بيانات واقعية و2 عائلات مهام: توقع النتيجة وإنتاج تبرير مدعّم، وبتقارن 5 نماذج LLM مفتوحة ومغلقة. لقوا إن الوكلاء zero-shot نادراً ما بيتفوقوا على المتوسط البسيط، إلا إذا استُخدموا نماذج أقوى أو ميزات سلوكية ذات معنى. كمان جربوا chain-of-thought prompting، ولقوا إنه بيساعد على التفكير لكن ما بيضمن دقة الزمن أو الأرقام.

الفريق قدم طريقة جديدة اسمها CritICL لتقوية أداء التفكير عند الـLLMs وقت الاستدلال، من غير ما نحتاج نعيد توليد النصوص كتير أو نستعمل أدوات تحقق خارجية. الفكرة إنو الأخطاء اللي بتظهر عند النماذج الضعيفة بتكون نمطية، فبدلاً من نتجاهلها بنستغلها كدليل لتوجيه النماذج القوية. في نسختين: CritICL‑dynamic بتتوقع الأخطاء الخاصة بكل مدخل وتسترجع النقد المناسب، وCritICL‑static بتعتمد على ملف أخطاء عام لتوفير توجيه ثابت. التجارب أظهرت إنو الطريقة بتتفوق على التعلم داخل السياق التقليدي وبتوصل لأداء ينافس أو بيتفوق على أساليب التوسيع وقت الاختبار، وكل هاد بأقل عدد توليدات وتكلفة توكنات.

الفريق اكتشف إنو الطرق التقليدية لتدريب نماذج اللغة بعد ما تنتهي من التدريب، مثل Reinforcement Learning وOn-Policy Self-Distillation، بتحتاج لتسميات صحيحة، وهذا بيمنع التدريب وقت الاختبار. فبدّلوا التسميات الحقيقة بتصويت الأغلبية للوسوم الزائفة، بس هالطريقة كانت هشة لأنو أي تصويت غلط بيخرب المعلم. من هون، اقترحوا Test-Time Policy Optimization (TTPO) اللي بيفصل بين الـ rollouts المتوافقة مع التصويت واللي ما بتتوافق، وبينضف الأولى بـ OPSD ويعاقب الثانية بـ Grouped RL، مع اختيار على مستوى كل كلمة لتقليل الأخطاء. النتيجة إنو بدون أي تسميات، TTPO وصل لأداء يوازي الطرق المدربة بتسميات، ورفع نسبة النجاح على عدة مسابقات.

فريق Gramopadhye وزملاؤه قدموا طريقة جديدة اسمها STEP لتخلي الروبوتات تفهم حالة النظام وتعرف شو رح يصير بعد كل خطوة. الطريقة بتطلب من MM-LLM يقدّر الحالة الحالية ويتنبأ بالتحولات اللي بتصير بعد تنفيذ الأفعال، فبيصير التخطيط أقرب للهدف وما بيضل يخلّف أخطاء. جربوها على مهمة تجميع صناعية بالبيئة المحاكاة، وطلعت أحسن من الطرق السابقة بـ 32.8% من حيث تنفيذ الأفعال و14.8% من حيث الخطأ بالحالة النهائية.

فريق Liu و Ye و Chen قدموا PACE، إطار عمل ما بحتاج تدريب لتسريع استنتاج نماذج الرؤية‑اللغة. الفكرة إنو بيقسموا العملية لمرحلتين: Condense باستخدام Adaptive Pixel Compressor بيقلل عدد البكسلات الزايدة قبل ما تدخل المشفر البصري، وExtract باستخدام Dynamic Dual‑Attention Extractor بيختار الرموز البصرية المهمة بالاعتماد على إشارات المشفر والـLLM. لما دمجو PACE مع Qwen2.5‑VL‑7B، حافظوا على 93.8 % من الأداء الأصلي وبنفس الوقت استخدموا 10 % بس من الرموز، يعني تسريع 3.1× للـTTFT.

الفريق Jin Mu و Guanhua Chen قدموا طريقة جديدة اسمها CAST، بتستغل Sparse Autoencoders لتطلع ميزات نادرة من الـTransformer داخل النصوص السريرية. بعدين بيصنّف هالميزات باستخدام LLM وقيود استرجاع ICD‑10، وبقمع اللي بتبين إنّها مجرد قوالب أو فواصل ما إلها علاقة بحالة المريض خلال fine‑tuning. النتيجة إنّ النموذج بيضل يعطي دقة عالية على توقع الوفاة من ملاحظات الخروج في MIMIC‑IV، وبنفس الوقت بيترك أثر تدقيقي يوضح أي مفاهيم إشي تم إهمالها.

الفريق بيستكشف مشكلة عدم توافق الوكلاء، يعني النماذج الكبيرة اللي تصرف بحكم نفسها ممكن تتصرف بطريقة ضارة إذا كان فيه صراع أهداف. لقوا إن إشارات النية بتظهر قبل ما ينفذوا الفعل الضار، بس العلامات التقليدية ما بتوضح كيف بتتغيّر النية خلال التفكير. قدموا طريقة INTENT‑AS‑A‑TOOL، اللي بتضيف أداة مخصّصة تعطي النموذج قناة خاصة يعبر فيها عن التزامه بسلوك معين. نسبة استدعاء هالأداة بتعطي إشارة دقيقة بدون الحاجة لحكم بشري، وبتكمل مراقبة التفكير المتسلسل لتوضح مسار النية وتساعد بالتدخل الفوري.

الفريق قدم GameWAM، أول نموذج بيوحد توليد المشاهد البصرية وتوليد حركات الكيبورد‑ماوس داخل اللعبة. النموذج يشتغل بعملية توليد موازية مع block‑causal conditioning وflow matching، وبيحدّد وضعية التحكم (اللعب أو الواجهة) قبل ما يولّد الحركة. كمان بيستعمل block‑cycle control ليخطط لأكتر من خطوة بس ينفّذ جزء قصير وبعدين يعيد التخطيط من المشاهد الجديدة. التجارب أظهرت إنّو يقدر ينجز المهمات بنجاح وبعدد أقل من الأفعال التنفيذية مقارنةً بالوكلاء التانيين.

هالورقة بتقدّم طريقة اختيار بيانات التدريب على مرحلتين وبأحجام متعددة لتقليل الضوضاء وتحسين جودة الإشراف على نماذج اللغة الكبيرة. المرحلة الأولى بتفرّز المسارات على مستوى العملية والنتيجة وتمثيل البيانات، وتختار مجموعة صغيرة من المسارات الناجحة بس ذات جودة عالية. المرحلة الثانية بتقسّم الخطوات المتتابعة إلى قطاعات معنوية وبتقيم كل قطاع حسب مساهمته بالحل، وقابليته للتعلم، ومخاطره، وبتخلّي فقط القطاعات المختارة تحسب ضمن خسارة التدريب. التجارب على SWE‑Bench Pro وSWE‑Bench Verified تبين إن التدريب على 10٪ من المسارات المختارة يرفع الأداء بنسبة توصل لـ12.2٪ و24.2٪ مقارنةً بالبيانات الكاملة.

الفريق قدموا BrailleBench، benchmark جديد بيقيس قدرة النماذج الكبيرة للغة على فهم نصوص برايل من خمس مجموعات بيانات فيها رياضيات، أسئلة عامة، وأسئلة متعددة الخطوات، وباللغتين الإنجليزية وبرايل الدرجة ١ والدرجة ٢. صمموا سيناريوهات لتشوف إذا النماذج بتقدر تقرأ محتوى مكتوب ببرايل، وتعطي إجابات بنفس الشكل، وتتعامل مع طلبات كاملة ببرايل. قيموا ست نماذج LLMs ولاحظوا فجوة واضحة بين الفهم بالإنجليزي والقدرة على التعامل مع برايل، خصوصًا مع الدرجة ٢ والطلبات الكاملة ببرايل. النتائج بتعطي إرشادات لتطوير أنظمة AI أكتر شمولية للمكفوفين.

Youtian Lin وزملاؤه قدموا Procedura، إطار عمل وكيل بيكتب شكل 3D ككود إجرائي. الوكيل يخطط التجميع من خلال رسم بياني للأجزاء، ويكتب برنامج كل جزء بنظام mates اللي بتتحقق آلياً، وبعدها ينتقل الـ vision critic لتصحيح التجميع خطوة بخطوة. النتيجة إنو بيطلع نماذج بحدود حادة، مع مواد لكل جزء وحركة موثقة بالمحاكاة، وبتتفوق على باقي المولدات على Benchmarks P3D-Bench وMechBench-36.