أعلن فريق ديفيد بيكر عن تحديث رئيسي: يتيح RFantibody تطوير أجسام مضادة مخصصة لأهداف محددة؛ يدفع VisualOverload حدود الفهم البصري، مما يؤدي إلى تحقيق اختراقات جديدة في التفكير في المشاهد المعقدة.
تُعدّ الأجسام المضادة الركيزة الأساسية للعلاجات البروتينية الحالية. عالميًا، تمت الموافقة على تسويق أكثر من 160 دواءً من أدوية الأجسام المضادة، ومن المتوقع أن يصل حجم السوق إلى 445 مليار دولار أمريكي في السنوات الخمس المقبلة.ومع ذلك، لا يزال تطوير الأجسام المضادة العلاجية يعتمد بشكل أساسي على تحصين الحيوانات أو فحص الجزيئات المرشحة من مكتبات الأجسام المضادة الكبيرة.لا تتطلب هذه الأساليب الكثير من الوقت والجهد فحسب، بل إنها تجعل من الصعب في كثير من الأحيان تصميم أجسام مضادة جديدة بدقة تتوافق مع النمط الجيني المحدد للهدف.
وبناء على هذا،أصدر فريق ديفيد بيكر الجيل الجديد من أدوات تصميم الأجسام المضادة والأجسام المضادة النانوية RFantibody، والتي تم تحسينها بدقة على أساس انتشار RF.تم تصميم هذه الأداة لتزويد الباحثين ومهندسي التكنولوجيا الحيوية بطريقة تصميم جديدة فعالة، حيث تستخدم التعلم العميق لإنشاء هياكل الأجسام المضادة (وخاصة مناطق CDR)، ثم تستخدم ProteinMPNN لتصميم التسلسلات، ثم تستخدم RF2 (RoseTTAFold2) للتحقق من طيها في الهيكل المتوقع.
باعتبارها أداة فعالة لتصميم البروتين، يتم استخدام الأجسام المضادة RF على نطاق واسع في البحث الطبي الحيوي وتطوير الأدوية وتصميم اللقاحات وغيرها من المجالات، مما يوفر أداة جديدة للبحث الطبي الحيوي.
أطلق الموقع الرسمي لشركة HyperAI أداة "RFantibody: أداة تصميم الأجسام المضادة والأجسام النانوية". جربها الآن!
الاستخدام عبر الإنترنت:https://go.hyper.ai/sO07A
من 15 سبتمبر إلى 19 سبتمبر، إليك نظرة عامة سريعة على تحديثات الموقع الرسمي لـ hyper.ai:
* مجموعات البيانات العامة عالية الجودة: 10
* مجموعة مختارة من الدروس التعليمية عالية الجودة: 7
* الأوراق الموصى بها لهذا الأسبوع: 5
* تفسير المقالات المجتمعية: 5 مقالات
* إدخالات الموسوعة الشعبية: 5
* أفضل المؤتمرات مع الموعد النهائي في سبتمبر: 1
قم بزيارة الموقع الرسمي:هايبر.اي
مجموعات البيانات العامة المختارة
1. مجموعة بيانات صور موقع البناء ConstructionSite
ConstructionSite هي مجموعة بيانات مرجعية متعددة الوسائط لسيناريوهات مواقع البناء، مصممة لتقييم وتحسين فهم الصور وقدرات الاستدلال لنماذج لغة الرؤية في بيئات سلامة البناء. تتميز هذه المجموعة بمشاهد معقدة، وشروح توضيحية متنوعة، وهي قريبة من عمليات تفتيش سلامة البناء الفعلية. وهي مناسبة لمهام مثل إضافة تسميات توضيحية للصور، والإجابة على الأسئلة بصريًا، وكشف الأجسام، وتحديد المواقع البصرية، والاستدلال متعدد الوسائط.
الاستخدام المباشر: https://go.hyper.ai/ZRy12
2. مجموعة بيانات HTSC-2025 المعيارية للموصلات الفائقة عالية الحرارة والضغط الجوي
HTSC-2025 هي مجموعة بيانات مرجعية للتنبؤ بدرجة الحرارة الحرجة للموصلات الفائقة عالية الحرارة والضغط المحيط. تهدف إلى توفير عينات اختبار موحدة وقابلة للمقارنة للنماذج، مما يُعزز تقدم تنبؤات الموصلات الفائقة والتحقق من صحتها. تحتوي مجموعة البيانات على حوالي 140 مادة، وهي مُخزّنة بصيغة JSON/Parquet لسهولة المعالجة.
الاستخدام المباشر: https://go.hyper.ai/G2bJB
3. مجموعة بيانات فهم صور المشهد VisualOverload
VisualOverload هي مجموعة بيانات لتقييم فهم صور المشاهد، مصممة لاختبار قدرة النموذج على الفهم البصري والتفكير في تفاصيل المشاهد المعقدة دون الاعتماد على معلومات خارجية. تحتوي مجموعة البيانات على 2720 زوجًا من الأسئلة والأجوبة، تتكون من لوحات عالية الدقة متاحة للعامة، غالبًا ما تتضمن شخصيات وأحداثًا وحبكات فرعية وخلفيات معقدة.
الاستخدام المباشر: https://go.hyper.ai/Acce1
4. مجموعة بيانات استرجاع معلومات ضمان الجودة في WebExplorer-QA والإجابة على الأسئلة
WebExplorer-QA هي مجموعة بيانات مخصصة لاسترجاع المعلومات ومهام تصفح الويب. تهدف إلى تحسين أداء النموذج في عمليات التفكير المعقدة متعددة الخطوات والتنقل عبر الويب طويل المدى، وذلك من خلال توليد أزواج أسئلة وإجابات مترابطة بشكل منهجي. وهي مناسبة لتدريب وتقييم وكلاء الشبكة أو نماذج اللغات الكبيرة للبحث عن المعلومات، والتفكير السياقي متعدد القفزات/المعقد، ومعالجة المطالبات طويلة السياق، واستدعاء الأدوات، والتنقل عبر الويب.
الاستخدام المباشر:https://go.hyper.ai/I58Ry
5. مجموعة بيانات AnonyRAG للإجابة على أسئلة الروايات الكلاسيكية
AnonyRAG هي مجموعة بيانات للإجابة على الأسئلة لمهام إخفاء هوية الكيانات، أصدرها مختبر Tencent YouTube وجامعة موناش وجامعة هونغ كونغ للفنون التطبيقية. تهدف هذه المجموعة إلى تقييم مدى اعتماد نظام الاسترجاع المعزز (RAG) على الاسترجاع للحصول على أدلة عند إخفاء هوية الكيان.
الاستخدام المباشر: https://go.hyper.ai/jzqD9
6. مجموعة بيانات الإجابة على أسئلة الكيمياء العضوية RxnBench
RxnBench هي مجموعة بيانات مرئية للإجابة على الأسئلة لفهم صور التفاعلات الكيميائية متعددة الوسائط. تهدف إلى تقييم قدرات نماذج اللغة المرئية في مهام مثل فهم صور التفاعلات الكيميائية، والتفكير متعدد الوسائط، والإجابة على الأسئلة العلمية. تحتوي مجموعة البيانات على 1525 سؤالاً من نوع الاختيار من متعدد حول فهم التفاعلات الكيميائية العضوية، وهي متوفرة باللغتين الصينية والإنجليزية.
الاستخدام المباشر: https://go.hyper.ai/Utkdo
7. مجموعة بيانات عرض ثلاثي الأبعاد للمشهد الداخلي SceneSplat-7K
SceneSplat-7 هي أكبر مجموعة بيانات Gaussian Splats ثلاثية الأبعاد (3DGS) وأكثرها جودةً للمشاهد الداخلية. تهدف إلى تطوير فهم نماذج لغة الرؤية المُدرَّبة مسبقًا وقدرات الاستدلال الدلالي على المشاهد الداخلية ثلاثية الأبعاد الحقيقية.
الوصول المباشر: https://go.hyper.ai/HISAa
8. مجموعة بيانات الإجابة على الأسئلة الجدولية شبه المنظمة SSTQA
SSTQA هي مجموعة بيانات مرجعية لمهام الإجابة على أسئلة الجداول شبه المنظمة، أصدرتها جامعة شنغهاي جياو تونغ بالتعاون مع جامعة سيمون فريزر وجامعة تسينغهوا ومؤسسات أخرى. تهدف إلى اختبار قدرات فهم نماذج اللغات الكبيرة وأنظمة الإجابة على أسئلة الجداول وإجاباتها عند التعامل مع تخطيطات معقدة في الجداول الفعلية (مثل الخلايا المدمجة، والعناوين الهرمية، والتداخل متعدد المستويات، وما إلى ذلك).
الاستخدام المباشر: https://go.hyper.ai/JoZyB
9. مجموعة بيانات معيارية للاستدلال المكاني البانورامي الشامل
OmniSpatial هي مجموعة بيانات مرجعية موحدة شاملة وصعبة الاستخدام للاستدلال المكاني البانورامي، مصممة لسدّ ثغرة في تقييم الفهم المكاني في نماذج الرؤية واللغة. وهي مناسبة لتدريب وتقييم قدرات الاستدلال المكاني للنماذج متعددة الوسائط الكبيرة، لا سيما في تطبيقات مثل الملاحة الذكية، والواقع المعزز/الافتراضي، وفهم المشاهد المعقدة.
الاستخدام المباشر: https://go.hyper.ai/a6ep8
10. القضايا الحضرية مجموعة بيانات صور القضايا الحضرية
"القضايا الحضرية" هي مجموعة بيانات لتصنيف الصور العامة، مصممة لمساعدة أنظمة الرؤية الآلية والآلية على تحديد مشاكل البنية التحتية العامة والبيئة في البيئات الحضرية. تُصنف الصور في هذه المجموعة حسب الفئة، حيث تُصنف كل صورة بفئة واحدة، وتُعرض في ظروف خلفية وإضاءة وزوايا رؤية متنوعة.
الاستخدام المباشر: https://go.hyper.ai/2id2J
دروس تعليمية عامة مختارة
1. HiDream-E1.1: محرر صور قائم على الأوامر
نموذج HiDream-E1.1 هو نموذج تحرير صور مفتوح المصدر، أصدرته شركة Zhixiang Future. يعتمد النموذج على بنية Sparse Diffusion Transformer الخاصة به، ويدعم دقة الميجابكسل، وهو مرخص بموجب ترخيص MIT مفتوح المصدر. يطبق هذا النموذج إمكانيات تحرير الصور بلغة طبيعية "التحدث والتغيير". يمكن للمستخدمين تنفيذ مهام معقدة، مثل تعديل الألوان، ونقل الأنماط، وإضافة العناصر وطرحها، من خلال أوامر لغوية بسيطة دون الحاجة إلى مهارات برمجية متخصصة.
تشغيل عبر الإنترنت: https://go.hyper.ai/P9C3R
2. الأجسام المضادة للترددات الراديوية: أداة تصميم الأجسام المضادة والأجسام النانوية
RFdiffusion2 هي أداة لتصميم الأجسام المضادة والأجسام النانوية، طوّرها فريق ديفيد بيكر. تهدف هذه الأداة إلى تزويد الباحثين ومهندسي التكنولوجيا الحيوية بمنهج تصميم جديد وفعّال. تعتمد الأداة في جوهرها على تقنيات التعلم العميق للتنبؤ بالبنية ثلاثية الأبعاد وتسلسل الأحماض الأمينية للأجسام المضادة وتصميمها، باستخدام المعلومات البنيوية، مما يُمكّن من تطوير أجسام مضادة مُخصصة تستهدف أهدافًا محددة.
تشغيل عبر الإنترنت: https://go.hyper.ai/sO07A
3. FastVLM: نموذج لغة بصرية سريع للغاية
FastVLM هو نموذج لغة بصرية (VLM) عالي الكفاءة، طوّره فريق Apple. يُحسّن هذا النموذج كفاءة وأداء معالجة الصور عالية الدقة. يدمج النموذج مُشفّر الرؤية الهجين الجديد FastViTHD، مما يُقلّل عدد الرموز البصرية بشكل فعّال ويُقلّل وقت التشفير بشكل كبير.
تشغيل عبر الإنترنت: https://go.hyper.ai/xg8wa
4. SEED-X-PPO-7B: نموذج ترجمة متعدد اللغات مُحسَّن باستخدام التعلم التعزيزي
SEED-X-PPO-7B هو نموذج ترجمة متعدد اللغات من الجيل التالي، أصدره فريق ByteDance Seed. يعتمد هذا النموذج على التحسين التكراري باستخدام خوارزمية التعلم المعزز لتحسين السياسات القريبة (PPO)، ويهدف بشكل أساسي إلى تلبية الحاجة إلى نقل دلالي عالي الدقة في سيناريوهات الترجمة بين اللغات. يتغلب هذا النموذج على قيود نماذج الترجمة التقليدية في التكيف مع لغات الأقليات، واستعادة السياق الثقافي، وضمان التماسك في النصوص الطويلة، ودعم الترجمة بين 28 لغة رئيسية، بما في ذلك الصينية والإنجليزية والألمانية.
تشغيل عبر الإنترنت: https://go.hyper.ai/aw5oS
5. SRPO: قل وداعًا لتوليد الصور بأسلوب الذكاء الاصطناعي!
SRPO هو نموذج لتوليد النصوص إلى صور، طُوّر بالتعاون بين فريق Tencent Hunyuan، وكلية العلوم في جامعة هونغ كونغ الصينية، شنتشن، وكلية شنتشن الدولية للدراسات العليا بجامعة تسينغهوا. بتصميم إشارة المكافأة كإشارة نصية مشروطة، يُمكّن هذا النموذج من تعديل المكافأة إلكترونيًا، ويُقلّل الاعتماد على ضبط المكافأة دون اتصال بالإنترنت.
تشغيل عبر الإنترنت: https://go.hyper.ai/8OQxS
6. ERNIE-4.5-21B-A3B-Thinking: تم تطوير قدرات التفكير النموذجي البسيط
ERNIE-4.5-21B-A3B-Thinking هو نسخة تفكيرية خفيفة الوزن من نموذج الاستدلال الذي أصدره فريق Baidu Wenxin Yiyan. يستخدم هذا النموذج بنيةً مُختلطةً من الخبراء (MoE)، ويبلغ حجم مُعاملاته الإجمالي 21B، ويُفعّل كل رمز 3B مُعامل. يتم تدريبه من خلال ضبط التعليمات والتعلم المُعزّز.
تشغيل عبر الإنترنت: https://go.hyper.ai/bQmlo
7. RFdiffusion2: أداة تصميم البروتين
RFdiffusion2 هو نموذج تصميم بروتينات قائم على التعلم العميق، أصدره معهد تصميم البروتينات بجامعة واشنطن. لا يقتصر هذا النموذج على توليد هياكل إنزيمية بمواقع نشطة مخصصة بناءً على أوصاف تفاعلات كيميائية بسيطة، بل يتغلب أيضًا بشكل ملحوظ على العوائق التقنية السابقة في تصميم المحفزات، موفرًا دعمًا تقنيًا قويًا لتطبيقات مهمة مثل تحلل البلاستيك.
تشغيل عبر الإنترنت: https://go.hyper.ai/9YInD
💡لقد قمنا أيضًا بتأسيس مجموعة تبادل تعليمية حول الانتشار المستقر. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة والتعليق على [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق ~
توصيات الورقة البحثية لهذا الأسبوع
1. OmniWorld: مجموعة بيانات متعددة المجالات والأنماط لنمذجة العالم رباعي الأبعاد
تقدم هذه الورقة البحثية OmniWorld، وهي مجموعة بيانات واسعة النطاق، متعددة المجالات والأنماط، مصممة لنمذجة العوالم رباعية الأبعاد. تتكون هذه المجموعة من مجموعة بيانات OmniWorld-Game التي جُمعت حديثًا، بالإضافة إلى عدة مجموعات بيانات عامة مختارة، تغطي مجموعة متنوعة من سيناريوهات التطبيق.
رابط الورقة: https://go.hyper.ai/SbW2Y
٢. WebWeaver: هيكلة الأدلة على نطاق الويب باستخدام مخططات ديناميكية لأبحاث متعمقة مفتوحة النهاية
تقترح هذه الورقة إطار عمل جديد ثنائي الوكيل، وهو WebWeaver، مُصمم لمحاكاة عملية البحث البشري. يعمل وكيل التخطيط في حلقة ديناميكية، متداخلًا بشكل متكرر بين جمع الأدلة وتحسين المخطط التفصيلي لإنتاج مخطط تفصيلي شامل، قائم على المصدر، ومنظم، ومرتبط بذاكرة الأدلة. بعد ذلك، يُنفذ وكيل الكتابة عملية استرجاع وكتابة هرمية، مُكملًا بناء التقرير قسمًا تلو الآخر.
رابط الورقة: https://go.hyper.ai/lqMvM
3. وكلاء التوسع من خلال التدريب المسبق المستمر
تقترح هذه الورقة البحثية، لأول مرة، دمج التدريب المسبق المستمر للوكيل (Agent CPT) في عملية تدريب وكلاء التعلم العميق لبناء نموذج قوي قائم على الوكيل. بناءً على هذا النهج، طوّر الباحثون نموذج وكيل تعلم عميق يُسمى AgentFounder.
رابط الورقة: https://go.hyper.ai/6lyWG
4. WebSailor-V2: سد الفجوة بين الوكلاء الملكية من خلال البيانات الاصطناعية والتعلم التعزيزي القابل للتطوير
تقترح هذه الورقة منهجية شاملة لما بعد التدريب، تُسمى WebSailor، تُولّد مهامًا جديدة عالية عدم اليقين من خلال أخذ العينات المُهيكلة وتضليل المعلومات. تستخدم هذه المنهجية استراتيجية البدء البارد لـ RFT، وتدمجها مع خوارزمية تدريب عالية الكفاءة قائمة على الوكلاء، وهي خوارزمية تحسين سياسة أخذ العينات المتكررة (DUPO). من خلال هذه العملية المتكاملة، يتفوق WebSailor بشكل ملحوظ على جميع الوكلاء مفتوحي المصدر الحاليين في مهام استرجاع المعلومات المعقدة، مقتربًا من أداء الوكلاء الحصريين، ومُضيّقًا بذلك فجوة القدرات بفعالية.
رابط الورقة: https://go.hyper.ai/biWLb
5. تقرير فني من هلا: بناء نماذج تعليمية وترجمة تركز على اللغة العربية على نطاق واسع
تقدم هذه الورقة البحثية "هلا"، وهي مجموعة من نماذج التعليم والترجمة التي تركز على اللغة العربية. بُنيت "هلا" على خط أنابيب خاص لضبط الترجمة بدقة، وحققت أداءً متطورًا في فئتي "النانو" (≤ 2 مليار معلمة) و"الصغير" (7-9 مليارات معلمة) على معايير اللغة العربية الأساسية، متفوقةً بشكل ملحوظ على نموذجها الأساسي.
رابط الورقة: https://go.hyper.ai/KI73S
مزيد من أوراق البحث الرائدة في مجال الذكاء الاصطناعي:https://go.hyper.ai/iSYSZ
تفسير مقالة المجتمع
اقترحت فرق بحثية من الأكاديمية الصينية للعلوم، وجامعة شمال شرق الزراعة، وجامعة ماكاو، وجامعة جيلين، إطار عمل جديد لتجميع التوائم، scSiameseClu، لتفسير بيانات تسلسل الحمض النووي الريبوزي أحادي الخلية. يُسهم هذا الإطار بشكل فعال في حل مشكلة انهيار التمثيل، وتحقيق تصنيف أوضح لتجمعات الخلايا، وتوفير أداة فعّالة لتحليل بيانات تسلسل الحمض النووي الريبوزي أحادي الخلية.
شاهد التقرير الكامل: https://go.hyper.ai/hyDFA
في سبتمبر 2025، أطلق فريق Tencent Hunyuan نموذج الترجمة خفيف الوزن Hunyuan-MT-7B، الذي يدعم الترجمة بين 33 لغة وخمس لغات/لهجات صينية عرقية. باستخدام 7 مليارات معلمة فقط، يحقق هذا النموذج ترجمة فعّالة ودقيقة. في مسابقة WMT2025 لجمعية اللغويات الحاسوبية (ACL)، فاز هذا النموذج بالمركز الأول في 30 فئة من أصل 31 فئة لغوية، محققًا أداءً رائعًا.
شاهد التقرير الكامل: https://go.hyper.ai/y2X2L
في السنوات الأخيرة، ازدادت وتيرة وشدة هطول الأمطار الغزيرة في مومباي بشكل ملحوظ. وتواجه أنظمة التنبؤ العالمية التقليدية، بسبب ضعف دقتها، صعوبة في رصد أنماط الطقس المحلية. ولمعالجة هذا الوضع، طوّر المعهد الهندي للتكنولوجيا في بومباي، بالتعاون مع جامعة ماريلاند، نموذج تنبؤ قائم على الشبكات العصبية التلافيفية وتقنية التعلم الانتقالي، مما يُمكّن من التنبؤ المبكر بحالات هطول الأمطار الغزيرة.
شاهد التقرير الكامل: https://go.hyper.ai/wYsSk
نُشرت نتائج بحث DeepSeek-R1 على غلاف مجلة Nature، مما أثار جدلاً واسعًا في الأوساط الأكاديمية العالمية. تكمن أهمية هذا المنشور في Nature في مراجعته من قِبل هذه المجلة المرموقة.
شاهد التقرير الكامل: https://go.hyper.ai/B12hL
تمكنت شركة جوجل ديب مايند، بالتعاون مع باحثين من جامعة نيويورك وجامعة ستانفورد وجامعة براون ومؤسسات أخرى، استناداً إلى إطار التعلم الآلي ومحسن غاوس-نيوتن عالي الدقة، من اكتشاف تفردات غير مستقرة جديدة في ثلاث معادلات سوائل مختلفة لأول مرة، وكشفت عن صيغة مقاربة تجريبية بسيطة تربط معدل الانفجار بترتيب عدم الاستقرار.
شاهد التقرير الكامل: https://go.hyper.ai/hq5og
مقالات موسوعية شعبية
1. دال-إي
2. دمج الفرز المتبادل RRF
3. جبهة باريتو
4. فهم اللغة متعدد المهام على نطاق واسع (MMLU)
5. التعلم التبايني
فيما يلي مئات المصطلحات المتعلقة بالذكاء الاصطناعي التي تم تجميعها لمساعدتك على فهم "الذكاء الاصطناعي" هنا:
تتبع شامل لأفضل المؤتمرات الأكاديمية في مجال الذكاء الاصطناعي:https://go.hyper.ai/event
إن ما ورد أعلاه هو كل محتوى اختيار المحرر لهذا الأسبوع. إذا كان لديك موارد تريد تضمينها على الموقع الرسمي لـ hyper.ai، فنحن نرحب بك أيضًا لترك رسالة أو إرسال مقال لإخبارنا بذلك!
نراكم في الاسبوع القادم!
حول HyperAI
HyperAI (hyper.ai) هي شركة رائدة في مجال الذكاء الاصطناعي والحوسبة عالية الأداء في الصين.نحن ملتزمون بأن نصبح البنية التحتية في مجال علوم البيانات في الصين وتوفير موارد عامة غنية وعالية الجودة للمطورين المحليين. حتى الآن، لدينا:
* توفير عقد تنزيل محلية سريعة لأكثر من 1800 مجموعة بيانات عامة
* يتضمن أكثر من 600 برنامج تعليمي كلاسيكي وشائع عبر الإنترنت
* تفسير أكثر من 200 حالة بحثية من AI4Science
* يدعم البحث عن أكثر من 600 مصطلح ذي صلة
* استضافة أول وثائق كاملة حول Apache TVM باللغة الصينية في الصين
قم بزيارة الموقع الرسمي لبدء رحلة التعلم الخاصة بك: