383 المواد
في العمل الجديد، تم اقتراح بنية ADN-Agent، حيث يتولى نموذج لغوي كبير دور المنسق لمجموعة من النماذج المتخصصة المستخدمة في إدارة شبكات التوزيع. يقوم النظام بنفسه بتحديد معنى الطلب، وتقسيمه إلى مراحل، واختيار الأدوات المناسبة، وربطها عبر واجهة موحدة، ولتبسيط المهام النصية الفرعية، يتم استخدام ضبط دقيق آلي لنماذج LLM المدمجة.
في هذا العمل العلمي، يُقدَّم Align-LoRA — وهو مخطط بسيط للضبط الدقيق يعتمد على مواءمة السمات المشتركة بين المهام، بدلاً من الاعتماد على فروع منعزلة في النموذج. هذا النهج يسرّع عملية الاستدلال ويتيح دمج الأوزان، مع تحقيق نتائج أقوى من الإعدادات المعقدة متعددة المهام.
DeepMind وFenris Creations يستعدان لإصدار نسخة مستقلة من EVE Online، حيث ستعمل الشبكات العصبية في ظل اقتصاد ألعاب متغير باستمرار. ستختبر التجربة ما إذا كانت النماذج قادرة على الاحتفاظ بالمعرفة، واستخدام الذاكرة طويلة المدى، وبناء خطط تمتد لأسابيع دون إمكانية إعادة بدء المباراة.
تحوّل خدمة من شركة Minimax الصينية وصفًا نصيًا إلى مقطع فيديو قصير يبلغ طوله نحو ست ثوانٍ — نستعرض كيفية إتمام التسجيل، وأين تجد إعدادات النمط، وما الذي تستند إليه عند صياغة الأمر النصي (prompt) ليتطابق الناتج مع ما تتخيله.
قدم الباحثون نموذجًا لغويًا طبيًا شاملًا، تم تدريبه على 20,000 سجل سريري حقيقي. في معيار MedBench-Hard، أظهر نتائج تفوق GPT-4o باللغة الصينية، وقابلة للمقارنة مع GPT-4 في السيناريوهات الناطقة بالإنجليزية.
يتيح الإطار عدم تدريب النموذج لكل مهمة على حدة: حيث يتم تحليل الاستعلامات المعقدة إلى وحدات قابلة للتفسير، تنفذها نماذج مكانية-زمانية ونماذج لغوية كبيرة (LLM). يقدم هذا النهج نتائج رقمية قابلة للتحقق مع تفسيراتها، مما يقلل من خطر الهلوسة، وفي الاختبارات يتفوق بشكل ملحوظ على خطوط الأساس المعتادة لنماذج LLM.
تخصص Anthropic مبلغ 5 ملايين دولار لفرق مستقلة لدراسة تأثير النماذج على الحالة العاطفية للمستخدمين، مع نشر منهجيات التقييم الخاصة بهم علنًا. يتيح البرنامج أيضًا الوصول إلى النماذج والدعم الفني، وتُقبل طلبات الباحثين حتى 21 سبتمبر.
أصدر المتحمسون ثغرة استغلال تمنح صلاحيات الجذر على سماعة Quest الأصلية عبر الواجهة الإلكترونية. هذا يزيل الاعتماد على خوادم Meta ويتيح تثبيت التطبيقات دون حساب مطوّر.
إطار عمل جديد ScienceFlow يساعد وكلاء الذكاء الاصطناعي على عدم فقدان الهدف في المهام البحثية التي تستغرق ساعات طويلة: يتم تقسيم العمل إلى أجزاء قابلة للاستئناف، وتُوزَّع الموارد بناءً على التقدم المُثبَت فعليًا. وقد أظهر أفضل نتيجة بين الأساليب المنشورة على MLE-bench.
