أظهرت نماذج اللغة الكبيرة (LLMs) إمكانات كبيرة في تحويل أنظمة التوصية من مطابقة الأنماط السلوكية الضمنية إلى استنتاج النوايا الصريحة. وقد نجح RecGPT-V1 في ريادة هذا النموذج من خلال دمج الاستدلال القائم على نماذج اللغة الكبيرة في استخراج اهتمامات المستخدم والتنبؤ بعلامات العناصر، ولكنه يعاني من أربعة قيود أساسية:

* انخفاض الكفاءة الحسابية والتكرار المعرفي عبر مسارات التفكير المتعددة؛

* عدم كفاية قابلية التفسير في إنشاء القوالب الثابتة؛

* قابلية تطبيق محدودة ضمن نموذج التعلم الخاضع للإشراف؛

* التقييمات البسيطة التي تركز على النتائج لا تفي بالمعايير الإنسانية.

للتغلب على القيود الحالية، أصدر فريق البحث في شركة علي بابا أحدث إصدار، وهو RecGPT-V2. يتضمن هذا الإصدار أربعة ابتكارات أساسية:

* قم ببناء نظام متعدد العوامل هرمي.

* اقتراح إطار عمل للتحفيز الفائق؛

* تقديم آلية التعلم المعزز القائمة على القيود؛

* تصميم إطار تقييمي يقوم على اعتبار الوكيل بمثابة قاضٍ.

لم يقتصر RecGPT-V2 على التحقق من الجدوى التقنية للاستدلال على النوايا بناءً على نماذج لغوية كبيرة، بل أثبت أيضًا جدواه التجارية في سيناريوهات صناعية واسعة النطاق، مما نجح في سد الفجوة بين الاستكشاف المعرفي والتطبيق الصناعي.

رابط الورقة:https://go.hyper.ai/wftNU

أحدث أبحاث الذكاء الاصطناعي:https://go.hyper.ai/hzChC

من أجل السماح لمزيد من المستخدمين بمعرفة أحدث التطورات في مجال الذكاء الاصطناعي في الأوساط الأكاديمية، أطلق الموقع الرسمي لـ HyperAI (hyper.ai) الآن قسم "أحدث الأوراق البحثية"، والذي يقوم بتحديث أوراق البحث المتطورة في مجال الذكاء الاصطناعي كل يوم.إليكم 5 أوراق بحثية شائعة حول الذكاء الاصطناعي نوصي بهادعونا نلقي نظرة سريعة على إنجازات الذكاء الاصطناعي المتطورة لهذا الأسبوع⬇️

توصيات الورقة البحثية لهذا الأسبوع

1. نيموترون 3 نانو: نموذج مامبا-ترانسفورمر هجين مفتوح وفعال لمزيج من الخبراء من أجل الاستدلال الفاعل

تقدم هذه الورقة البحثية نموذج اللغة الهجين Nemotron 3 Nano 30B-A3B، وهو نموذج Mamba-Transformer قائم على بنية Mixture-of-Experts. تم تدريب Nemotron 3 Nano مسبقًا على 25 تريليون علامة نصية، بما في ذلك أكثر من 3 تريليونات علامة فريدة أُضيفت مقارنةً بـ Nemotron 2، ثم خضع النموذج لعملية ضبط دقيق تحت الإشراف وتدريب معزز واسع النطاق في بيئات متنوعة. يُحسّن النموذج بشكل ملحوظ سلوك الوكيل وقدرته على الاستدلال والتفاعل الحواري، ويدعم أطوال سياق تصل إلى مليون علامة.

رابط الورقة:https://go.hyper.ai/LtmY3

2. العلوم الرائدة

تقترح هذه الورقة البحثية اختبار FrontierScience، وهو اختبار معياري لتقييم قدرة الذكاء الاصطناعي على الاستدلال العلمي على مستوى الخبراء. يتكون FrontierScience من مسارين: (1) مسار الأولمبياد، الذي يغطي مسائل من الأولمبياد الدولية (IPhO، IChO، وIBO)؛ و(2) مسار البحث، الذي يتضمن مسائل مفتوحة النهاية على مستوى الدكتوراه، تمثل مسائل فرعية نموذجية في البحث العلمي.

رابط الورقة:https://go.hyper.ai/XanPc

3. AutoGLM: وكلاء المؤسسة المستقلون لواجهات المستخدم الرسومية

تقترح هذه الورقة البحثية AutoGLM، وهي سلسلة جديدة ضمن عائلة ChatGLM، مصممة كوكلاء أساسيين لتمكين التحكم الذاتي في الأجهزة الرقمية عبر واجهات المستخدم الرسومية (GUIs). وقد قام فريق البحث ببناء AutoGLM باستخدام متصفحات الويب والهواتف المحمولة كسيناريوهات نموذجية لواجهات المستخدم الرسومية، مما أدى إلى إنشاء نظام وكيل أساسي عملي للتفاعل مع واجهات المستخدم الرسومية في العالم الحقيقي.

رابط الورقة:https://go.hyper.ai/SLjro

4. التقرير الفني لـ RecGPT-V2

تقترح هذه الورقة البحثية RecGPT-V2، الذي يتضمن أربعة ابتكارات أساسية: أولًا، بناء نظام متعدد الوكلاء هرمي؛ ثانيًا، اقتراح إطار عمل للتوجيه الفوقي؛ ثالثًا، تقديم آلية تعلم معزز مقيد؛ رابعًا، تصميم إطار عمل لتقييم الوكيل كحكم. لا يقتصر دور RecGPT-V2 على التحقق من الجدوى التقنية للاستدلال على النوايا استنادًا إلى نماذج لغوية ضخمة، بل يُظهر أيضًا جدواه التجارية في سيناريوهات صناعية واسعة النطاق، مما يُسهم بنجاح في سد الفجوة بين الاستكشاف المعرفي والتطبيقات الصناعية.

رابط الورقة:https://go.hyper.ai/TdjZJ

5. Deeper-GXX: تعميق الشبكات العصبية الرسومية العشوائية

تقدم هذه الورقة البحثية نموذج QwenLong-L1.5، الذي يحقق قدرات فائقة في الاستدلال السياقي الطويل من خلال ابتكارات منهجية بعد التدريب. وبالاستناد إلى بنية Qwen3-30B-A3B-Thinking، يُظهر QwenLong-L1.5 أداءً قريبًا من GPT-5 وGemini-2.5-Pro في معايير الاستدلال السياقي الطويل، مع تحسن متوسط قدره 9.90 نقطة مقارنةً بالنماذج الأساسية. وفي المهام فائقة الطول (من مليون إلى 4 ملايين رمز)، يحقق إطار عمل وكيل الذاكرة تحسنًا ملحوظًا قدره 9.48 نقطة مقارنةً بالوكيل الأساسي.

رابط الورقة:https://go.hyper.ai/vViJi

هذا هو محتوى توصيات البحث لهذا الأسبوع. لمزيد من أبحاث الذكاء الاصطناعي المتطورة، يُرجى زيارة قسم "أحدث الأبحاث" على الموقع الرسمي لـ hyper.ai.

نرحب أيضًا بفرق البحث لتقديم نتائج وأوراق بحثية عالية الجودة إلينا. يمكن للمهتمين إضافة حساب نيوروستار على وي تشات (معرف وي تشات: Hyperai01).

نراكم في الاسبوع القادم!