41 المواد
في يوم الثلاثاء، ارتفع مؤشر S&P 500 بنحو 0.2%، وناسداك بنسبة 0.5%، وداو بنسبة 0.1%: تصدرت أسهم شركات صناعة الرقائق التي انخفضت في اليوم السابق قائمة الرابحين. ارتفعت أسهم Nvidia بنسبة 2.3% قبل تقريرها الربعي، ولم تمنع البيانات الضعيفة بشأن ثقة المستهلكين ومبيعات المساكن المزاج الإيجابي للسوق.
نشر المهاجمون في ملف جينر روابط لعملة ميم، ليقفز سعرها إلى تقييم سوقي يبلغ نحو 1.19 مليون دولار، ثم فقدت جزءًا من قيمتها بسرعة. وعلى الفور ظهرت على سولانا رموز مقلدة تستخدم أسماء وتصاميم مشابهة.
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.
يقترح الباحثون النظر إلى مجال Text-to-SQL باعتباره لوحة صدارة شاملة، حيث تُوزَّع النتائج وفقًا لدرجة استقلالية النموذج في توليد استعلامات SQL. ويجرون قياسات على Spider ويُظهرون أن النجاحات لا تنتقل دائمًا إلى معايير أخرى، وأن الاستقلالية تمنح متانةً لكنها تتطلب موارد حاسوبية ملحوظة.
معيار جديد يقترح 100 سيناريو للأسئلة والأجوبة باللغتين الإنجليزية والعربية، مبنية حول بيانات حقيقية للمشغل: الموقع الإلكتروني، وقاعدة بيانات SQL، وأرشيف الويب. أظهر الاختبار على 12 نموذجًا أن حتى أفضل نموذج يحل 71% فقط من المهام، بينما تنخفض النتائج في الفئات البصرية إلى أقل من 30%.
اقترح باحثون نهجًا لتقييم النماذج لا يعتمد على حجم المعرفة أو بمعزل عن الواقع، بل عبر مهام تتطلب في آنٍ واحد التفكير المنطقي، وضبط السياق، والعمل ضمن قيود. تضمّن المعيار 820 مهمة أصلية، كما درس مؤلفوه تأثير إعدادات "التفكير" وغيرها من معايير النماذج على النتائج.
اكتشف الباحثون انحيازاً لغوياً خطيراً في سلامة نماذج اللغة الكبيرة: فمواءمتها مضبوطة بشكل أساسي على اللغة الإنجليزية، مما يجعل النماذج أكثر قدرة على تجاوز القيود وإعادة إنتاج تحيزات ضارة باللغات الأخرى. وأظهر معيار INCLUDE الجديد، الذي اختُبر على عشرة نماذج وست لغات هندية، أن مستويات التحيز تختلف بشكل ملحوظ حسب اللغة ونوع النموذج.
اقترح المؤلفون نموذجًا أوليًا لنظام دعم القرارات يحلل ستة مؤشرات من سجلات الطيران ويحوّلها إلى مؤشر تحولي لحالة المراوح. في تجربة استرجاعية على بيانات DronePropA، فصل النظام بشكل صحيح الحالة السليمة عن ثلاثة مستويات من الأعطال، وأشار إلى الوقت الذي يتطلب فيه الأمر فحصًا أو صيانة.
يصف رئيس Stripe الصفقة بأنها خطوة نحو التفرد، لكن الدافع الحقيقي أكثر واقعية: من خلال موجه النماذج، تحصل الشركة على وصول إلى ميزانيات الذكاء الاصطناعي للمطورين ومركز جديد لتدفقات الأموال.
