الإحصائيات والتقارير
-
أوبنأي تكشف: 30% من مهام SWE-Bench Pro معطوبة وتُضلّل تقييم النماذج
أوبنأي تُثبت أن 30% من المهام العامة في SWE-Bench Pro معطوبة وتُشوّه قياس قدرات البرمجة والسلامة في نماذج الذكاء الاصطناعي
أكمل القراءة » -
Jailbreak: تجاوز قواعد البيانات بسرعة 27 ضعفاً باستخدام الذكاء الاصطناعي
نظام Jailbreak يستخدم LLMs لتوليد قارئات تخزين تتجاوز JDBC وODBC وتحقق تسريعاً 27 ضعفاً في أعباء التحليل
أكمل القراءة » -
STRACE إطار يكشف الأسباب الجذرية لفشل وكلاء الذكاء الاصطناعي
STRACE إطار بحثي جديد يحلّل آثار تنفيذ الوكلاء سببياً ويرفع معدل النجاح من 42.5% إلى 58.5% على معيار VeruSAGE-Bench
أكمل القراءة » -
تحويل المحولات الضخمة إلى نماذج خطية دون خسارة الجودة
ورقة بحثية تكشف المفتاح الرياضي لتحويل Transformer إلى نموذج خطي عبر تحليل softmax وتطبيقه على LLaMA وQwen حتى 32 مليار…
أكمل القراءة » -
Co-LMLM: نموذج 360 مليون معامل يتفوق على بيانات تدريب أضخم بـ 40 مرة
Co-LMLM نموذج لغوي محدود الذاكرة يستخدم استعلامات متجهية مستمرة ويتفوق على GPT-4o-mini بحجم 360 مليون معامل فقط
أكمل القراءة » -
SciReasoner يُحقق 67 تفوقاً من 86 معياراً في العلوم الجزيئية
SciReasoner نموذج ذكاء اصطناعي متعدد الوسائط يحقق أداءً متصدراً في 67 من 86 معياراً علمياً عبر البيولوجيا والكيمياء وعلم المواد…
أكمل القراءة » -
Grok 4.5 ضد GPT-5.5 ضد Claude: من يبني التطبيقات أفضل وأسرع؟
مقارنة مباشرة بين Grok 4.5 وGPT-5.5 وClaude Opus 4.8 وFable 5 في بناء تطبيقات HTML حقيقية من مطالبة واحدة، مع…
أكمل القراءة » -
Nemotron 3 Ultra يعادل النماذج المغلقة بعُشر التكلفة عبر LangChain
نيموترون 3 ألترا يحقق تعادلاً في أداء مهام الأعمال مع أفضل النماذج المغلقة بتكلفة استدلال أقل بـ 10 أضعاف، دون…
أكمل القراءة » -
ستة شركات ذكاء اصطناعي تكسر أرقامها القياسية في أشهر لا سنوات
تسارع إيرادات شركات الذكاء الاصطناعي يُعيد رسم قواعد السوق — Anthropic من 4 مليارات إلى 47 ملياراً في أقل من…
أكمل القراءة » -
PACE: تقييم وكلاء الذكاء الاصطناعي بدقة عالية وبأقل من 1% من التكلفة
إطار PACE يتنبأ بأداء وكلاء LLM على SWE-Bench وGAIA بخطأ أقل من 4% وارتباط سبيرمان فوق 0.80 وبأقل من 1%…
أكمل القراءة »