OpenAI توسّع الوصول المجاني إلى ChatGPT مع تحسينات GPT-5.6 Sol
أعلنت OpenAI عن تحديثات جديدة لـ ChatGPT تشمل تحسين GPT-5.6 Sol لمستخدمي Plus وPro، وتوسيع الوصول المجاني عبر GPT-5.6 Luna ومحادثات نصية غير محدودة تدريجياً.
بحث علمي
أوراق وتجارب تغيّر فهمنا لقدرات النماذج وحدودها.
آخر الأخبار
معمارية متعددة المراحل لتصنيف إعلانات Meta
Meta طرحت نموذجاً متعدد المراحل وطرق تعلم جديدة لدمج سلوك المستخدم مع معرّفات sparse. تقارير الشركة تشير إلى زيادات تحويلية تصل إلى 6% على Instagram.
OpenAI تشرح حوادث تقييمات أمنية خارجية وتعلن تدابير
أوضحت OpenAI حوادث في تقييمات أمنية لطرف ثالث وأعلنت تدابير جديدة لتعزيز اختبارات النماذج. النشر: 4 أغسطس 2026.
ParVL: إطار موازٍ لتوسيع حسابات النماذج متعددة الوسائط
ParVL إطار يوسع الحساب الموازي في MLLMs عبر تكرار استخدام ViT وLLM مع بادئات فرعية؛ أظهر تحسناً مقابل أسلوب فرعٍ واحد، والتخصيص الأمثل يختلف حسب المهمة.
SocietyBench: معيار جديد لتقييم قدرة النماذج على توقع تطورات العالم الاجتماعي في إطار «عوالم مضادة للواقع»
SocietyBench إطار تقييمي يحول تغطية الأخبار ووسائل التواصل إلى جداول زمنية مؤرخة ثم يُجهّلها عبر استبدال الكيانات وتحريك التواريخ لإنتاج «عوالم مضادة». ينتج عن ذلك بنوك أسئلة تنبؤية تُقَيَّم على معايرة الاحتمال والدقة الزمنية؛ أفضل من بين ستة LLMs حقق 75/100 مقابل مرجع بسيط 50. جميع البيانات والشفرات منشورة على arXiv.
تقييم مُسبق وخالٍ من التسرب لنماذج LLM أثناء مونديال 2026
ورقة قيمت ستة frontier LLMs خلال 39 يوماً من كأس العالم 2026 بشكل مُسبق وخالٍ من التسرب، وجمعت 4,494 تنبؤاً مسجلاً وأصدرت البيانات والرمز.
TurnSight: إشراف بأثر رجعي على مستوى الدور لـ TIR
TurnSight يقترح إشرافًا بأثر رجعي على مستوى الدور لتحسين تدريب وكلاء LLM عند استخدام أدوات. الكود متاح على GitHub. الاختبارات أفادت بتحسّن على ثلاث مجموعات معيارية.
PAST-Bench: قياس تحسّن الوكلاء الشخصيين عبر الخبرة المحتفظ بها
PAST-Bench يقيس ما إذا كانت الخبرة المحتفظ بها تُحسن أداء الوكلاء الشخصيين. التجربة تُشغّل مهام متسلسلة مع إيقاف/تشغيل الذاكرة وHermes+ يحسّن النتائج بحسب الورقة ومستودع الكود.
بحث جديد يوضّح «توسيع الاختبار» في نماذج اللغة: تعريف منهجي، مقاييس قابلة للتكرار وإطلاق أثرية ضخمة
ورقة بحثية (arXiv) تؤطّر "test-time scaling" كاستدلال بميزانية على شجرة البادئات الضمنية لنماذج autoregressive، تميّز ثلاث نظم (مسار واحد، أوراق مع تجميع، ومستوى البادئات)، تقترح ملف تقييم ومواصفات قابلة للتكرار، وتعلن عن تجميع أكثر من 2 مليار أثر استدلالي للإصدار.
تقييم نماذج الانتشار الشرطي لصور الباثولوجيا التركيبية
دراسة تقترح تعديل FID وIS باستخدام foundation models للباثولوجيا وتظهر ارتباطًا أعلى للمقياس المعدل مع آداء تجزئة النوى.
بحث جديد: هل تستعيد نماذج اللغة الكبيرة قواعد تحسين يغفِلها المجمعون؟
ورقة arXiv تُقدّم SeGaBench، معيارًا تجريبيًا يختبر قدرة نماذج اللغة الكبيرة على استعادة «الدلالات المُمكنة» التي يغفلها تمثيل البرنامج لدى المجمع، وإنتاج تحويهات مُتحقّق منها تحسّن الأداء. أقوى نموذج حقق نسبة صحّة 94.8% وسرعات محسّنة في 83.3% من الإجابات، لكن النتائج غالبًا تغلق جزءًا فقط من الفجوة المثالية.
Video-DeepResearch: وكيل متعدد الوسائط لفهم الفيديو مع بحث ويب مرحلي—مقتطفات من ورقة على arXiv
ورقة على arXiv تعرض Video-DeepResearch (Video-DR)، إطارًا لوكلاء يتعاملون مع تدفقات الفيديو المتصلة ويجبرون الوكيل على التأريض عبر الإطارات قبل استخدام بحث الويب. تقدم أيضاً مرجعية Video-DR-Bench (200 حالات VQA متعددة القفز) ووصفة تدريب: ضبط خاضع للإشراف يليه Group Relative Policy Optimization (GRPO). المؤلفون يبلغون عن أداء رائد على المعيار المخصص.