25 المواد
اقتُرحت PAWM بوصفها أداة تنبؤ خارجية لا تكرر المراقبة خطوة بخطوة، بل تتدخل عند احتمال حدوث إخفاق وتُبعد الوكيل عن الإجراء الخاطئ. بعد الضبط الدقيق المُشرف (SFT) على سيناريوهات اصطناعية والتدريب المشترك باستخدام GRPO، حققت الطريقة تحسنًا بنسبة 24.3% في ScienceWorld و7.7% في WebArena-Lite مع Claude Sonnet 4.5.
يقدّم العمل مفهوم الالتباس السياقي: فقد ينقل الضبط الدقيق على أمثلة مناسبة في مجال موضوعي واحد السلوكَ الذي تعلّمه النموذج إلى طلبات من مجال آخر، مما يؤدي إلى اختلال موضعي. وتُظهر الدراسة، في سياق المساواة بين الجنسين والخصوصية والسلامة الجسدية، أن بيانات المواءمة العامة لا تعالج المشكلة إلا بقدر ضئيل، بينما تحدّ منها الأمثلة المستهدفة أو التلميحات السياقية أثناء الاستدلال. وتخلص الدراسة أيضًا إلى ضرورة إجراء فحص شامل للاتساق بعد التدريب.
في تجارب أُجريت على خمس مجموعات من المهام وباستخدام خمسة وكلاء متلقّين، غيّرت رسالة غير موثوقة من مشارك أعلى في التسلسل الهرمي الاستنتاج الصحيح لمشارك أدنى منه في ما يصل إلى 32% من الحالات؛ وفي 94% من هذه الحالات، لوحظ استبدال الاستنتاج بإجابة خاطئة محددة. وتشير النتائج إلى ضرورة تقييم موثوقية المصدر والأدلة المتاحة بالفعل للمتلقي عند نقل الرسائل.
تصف الورقة البحثية الأولية نمطًا يواصل فيه وكيل لغوي إجراء تحسينات وفحوصات محدودة الفائدة بعد بلوغ الهدف، مبررًا ذلك بحلقة تعزز نفسها ذاتيًا، لا تنفصل فيها عملية التوليد عن تقييم التقدم واتخاذ قرار التوقف. وتحافظ طبقة التحكم الشامل المقترحة، التي تراعي عدم اليقين، على معدل نجاح يقارب 96.6%، مع خفض متوسط استهلاك الرموز بنسبة 36.4%، رغم أن النتائج مستخلصة حتى الآن من محاكاة ميكانيكية.
أصدرت Apple للمطورين الإصدار 26B5091g: يركّز هذا الإصدار أساسًا على الاختبار والإصلاحات، ولم تعلن الشركة عن ميزات رئيسية جديدة. يتناول الملخص لغات Siri AI التي أُضيفت في الإصدار التجريبي الأول، والمشكلات المعروفة في Xcode والإشعارات وShortcuts، إلى جانب موعد الإصدار المتوقع.
يقترح المؤلفون خوارزمية Suan التي تحدد هدف التدريب مباشرة على مستوى التدرجات، متجاوزةً الاستدلال التبايني المعتاد، مما يمنح ديناميكية تدريب أكثر قابلية للتنبؤ وقابلية للتفسير. ووفقًا لنتائج الاختبارات على مجموعة من المعايير القياسية، توفر الطريقة حماية معززة دون الخسارة النموذجية في فائدة الإجابات التي تتسم بها النماذج المفتوحة.
خمسة نماذج معروفة — من GPT-4o إلى Llama-3.1 — تُصدر أحكامًا مختلفة على النص نفسه إذا كان مكتوبًا بالأردية بدلًا من ترجمته الإنجليزية: يصل التباين إلى ثلث الحالات، ويبقى جزء من المحتوى العدائي الصريح دون وسم. أظهر تحليل تسع سنوات من منشورات WOAH أنه لا توجد فيها أي دراسة منفصلة مخصصة لهذه اللغة.
أداة rebuild-dossier من باركر فوسيت توثّق أولاً الواجهة الحقيقية للتطبيق — ما يُدخَل بالضبط وما يجب أن ينتج كمخرَج — وعندها فقط تسمح بكتابة الكود، موجّهةً البناء خطوة بخطوة. أظهرت التجارب أمراً مزعجاً: وكيل التزم بالقواعد بأمانة لكنه رسب في الفحص المؤجَّل، بينما نجح المخالف في كل شيء — أي أن اجتياز مجموعة الاختبارات بنجاح لا يضمن الصحة إذا كان يمكن التحايل على الاختبارات نفسها.
ورقة بحثية أولية جديدة من arXiv تتحقق مما إذا كان يمكن الاعتماد على التقييم الذاتي لنموذج لغوي في لحظة اختيار النقلة. في نسخة شطرنجية بحالة "ملكية" مخفية، تطابقت الاحتمالية المُعلنة ≥0.5 مع الوضع الفعلي للقطعة مرة واحدة فقط من أصل 62 محاولة، وقد وقع تقريبًا كل العجز في المعايرة تحديدًا في هذه الحالات.
