390 المواد
أطلقت هيئة التنمية الرقمية في الهند مجموعة إضافية من موردي الذكاء الاصطناعي وتعلم الآلة ضمن لوحة الشركاء الحالية لبرامج الهند الرقمية. سيعمل الأعضاء الجدد وفق الشروط المحددة في الاختيار السابق، وتُقبل الطلبات حتى 7 سبتمبر.
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.
تقترح طريقة RARRL المقترحة، باستخدام التعلم المعزز، تعليم الروبوت اختيار اللحظات المناسبة للتفكير، وصيغتها، وميزانية الحوسبة بشكل تكيفي. أظهرت التجارب على ALFRED زيادة في معدل النجاح والمتانة مع زمن استجابة أقل مقارنة بالاستراتيجيات الثابتة.
يسمح النهج الجديد لوكلاء LLM ليس فقط بتغيير بنية التواصل وفقًا للمهمة، بل أيضًا بإعادة هيكلتها أثناء الحوار مع تراكم الخبرة. على تسعة معايير قياس، أظهر ST-EVO زيادة في الدقة تتراوح بين 5% و25% مقارنة بالطرق السابقة.
كونستانتين مارونشينكو، الذي بنى خطوط معالجة الذكاء الاصطناعي المؤسسية في Echelon، مقتنع بأنه لكي يتجاوز الذكاء الاصطناعي حدود الشاشة، لا نحتاج إلى نماذج ضيقة، بل إلى وكلاء مرنين قادرين على التخطيط والتحكم في العمليات الحقيقية. وهو يدعو إلى التعامل مع المادة ككود يمكن «تحريره»، لكنه يحذر: ثمن الخطأ هنا أعلى بكثير.
اقترح باحثون نهجًا يجمع بين قيود قائمة على الفيزياء وبيانات القيادة الحقيقية: نموذج Transformer يتنبأ أولاً بكيفية تأثير السيارات على بعضها البعض، ثم يبني المخطط مناورات شبيهة بسلوك البشر. في الاختبارات، قلل الأسلوب بشكل ملحوظ من أخطاء التنبؤ بالمسارات وعدد الاصطدامات مقارنة بالتعلم المعزز.
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.
