الأخبار

يحتوي قسم الدروس التعليمية في الموقع الرسمي لشركة HyperAI (hyper.ai) الآن على "أداة برمجة الوكلاء الأذكياء Qwen3.6-35B-A3B"، مما يوفر طريقة سهلة وسريعة لتجربة نماذج المصادر المفتوحة الشائعة!

يوفر نموذج dnaHNet الذي اقترحته جامعة تورنتو ومؤسسات أخرى نهجًا جديدًا لتحقيق التوازن بين الجدوى الحسابية والدقة البيولوجية.

4.11-4.17
أبرز أحداث الأسبوع

تُقدّم هذه المقالة ملخصًا لنماذج المصادر المفتوحة عالية الجودة المذكورة في تقرير التحليل الاصطناعي. تعالَ وجرّب بنفسك الأداء العالي الذي يُضاهي نماذج المصادر المغلقة!

استخدم فريق KAIST في كوريا الجنوبية التعلم العميق لتصميم بروتينات ربط الجزيئات الصغيرة من الصفر، مع NTF2 كنواة، وقاموا بتطوير مستشعر حيوي يعمل بالذكاء الاصطناعي يمكنه التعرف على الكورتيزول بناءً على ذلك.

لمساعدة المستخدمين على البدء بسرعة باستخدام DeepTutor وتطبيقه في سيناريوهات تعليمية واقعية، أطلق موقع HyperAI الرسمي (hyper.ai) "مساعد التعلم الشخصي DeepTutor" في قسم الدروس التعليمية. وقد تم إعداد بيئة التعلم مسبقًا، مما يسهل عملية البدء.

قام معهد باستور بتطوير ثلاثة نماذج: ALBERT_DF و ESM_DF و GeneCLR_DF، لتمكين التنبؤ واسع النطاق بوظيفة مضادات العاثيات.

قامت شركة HyperAl بتجميع سلسلة من الدروس التعليمية ومجموعات البيانات القيّمة للغاية والقابلة للتطبيق على نطاق واسع من الإصدار 4.06 إلى 4.10، والتي تغطي مجالات متعددة مثل توليد الكلام، ومعالجة النصوص إلى صور، والنماذج واسعة النطاق.

اقترح فريق بحثي من جامعة كورنيل منصة EMSeek، وهي منصة معيارية متعددة العوامل مزودة بإمكانيات تتبع المصدر. تُظهر نتائج التقييم على 20 نظامًا ماديًا وخمس فئات مهام أنها تحقق سرعةً تفوق ضعف سرعة ودقة Segment Anything في مهام التجزئة. علاوة على ذلك، وبمعايرة باستخدام بيانات مصنفة من نوع 2% فقط، فإنها تُضاهي أو تتجاوز أداء نماذج الخبراء الفردية القوية في ثلاثة معايير قياسية للتنبؤ بخصائص خارج التوزيع. يستغرق الاستعلام الكامل من دقيقتين إلى خمس دقائق فقط لكل صورة، أي أسرع بحوالي 50 مرة من سير عمل الخبراء.

أطلق قسم البرامج التعليمية في الموقع الرسمي لشركة HyperAI (hyper.ai) "نشر Gemma-4-31B-it بنقرة واحدة" لمساعدة المطورين على تجربة النماذج المتقدمة مع حواجز دخول منخفضة.

قامت شركة HyperAl بتجميع سلسلة من الدروس التعليمية ومجموعات البيانات القيّمة للغاية والقابلة للتطبيق على نطاق واسع من الإصدار 3.30 إلى 4.05، والتي تغطي مجالات متعددة مثل توليد الكلام، ومعالجة النصوص إلى صور، والنماذج واسعة النطاق.

اقترح باحثون في معهد ماساتشوستس للتكنولوجيا نموذج الانتشار المُحسَّن DRiffusion، الذي يجمع بين مزايا الأساليب على مستوى النظام والأساليب الرياضية لتحقيق تسريع ملحوظ دون المساس بجودة التوليد. يوفر هذا النموذج حلاً مبتكراً لتحقيق التوازن بين الدقة العالية وكفاءة أخذ العينات في نماذج الانتشار.

يتضمن قسم الدروس التعليمية على موقع HyperAI الإلكتروني (hyper.ai) الآن "نشر Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled بنقرة واحدة". انضم إلينا وجرّب نموذج الاستدلال عالي الأداء!

اقترح فريق بحثي من معهد ماساتشوستس للتكنولوجيا نموذجًا أساسيًا للتعلم الآلي، يُدعى DefectNet، قادرًا على التنبؤ مباشرةً بالأنواع الكيميائية وتركيزات عيوب النقاط الناتجة عن الاستبدال من الأطياف الاهتزازية، حتى في حالة وجود عناصر متعددة متعايشة. يُظهر النموذج قدرة تعميم جيدة في بلورات غير مرئية تحتوي على 56 عنصرًا، ويمكن ضبطه بدقة باستخدام البيانات التجريبية.

قامت جامعة هوا تشونغ للعلوم والتكنولوجيا ومختبر شياوهونغشو هي بشكل مشترك بفتح مصدر أداة تحليل المستندات متعددة الوسائط dots.mocr، والتي تتجاوز قيود التعرف الضوئي على الأحرف التقليدي وتحقق معالجة هيكلية موحدة للنصوص والرسوم البيانية والجداول والعناصر الأخرى في المستندات المعقدة، وتدعم تحويل رمز SVG.

اقترح فريق بحثي من جامعة وارويك نظام RAVEN، وهو عملية فرز وتقييم مبتكرة لمرشحي مهمة TESS. يُدخل هذا النظام مجموعة بيانات تدريبية اصطناعية، متجاوزًا الاعتماد فقط على بيانات تجاوز الحدود (TCE) الناتجة عن المهمة نفسها. يُوسّع هذا التحسين بشكل ملحوظ نطاق معلمات سيناريوهات الكواكب والنتائج الإيجابية الخاطئة التي يغطيها نموذج التعلم الآلي، ويُحسّنه. على مجموعة اختبار خارجية مستقلة تضم 1361 مرشحًا مُصنّفًا مسبقًا لمهمة TESS، حقق النظام دقة إجمالية بلغت 91%، مما يُثبت فعاليته في الترتيب التلقائي لمرشحي TESS.

اقترح فريق بحثي من معهد ماساتشوستس للتكنولوجيا وجامعة كارنيجي ميلون نموذج VibeGen، وهو نموذج ذكي لتوليد البروتينات، يُمكّن من تصميم البروتينات من الصفر من خلال الجمع بين توليد التسلسل والتنبؤ بالديناميكيات الاهتزازية. تُظهر النتائج أن البروتينات المصممة بواسطة هذا النموذج لا تقتصر على تكوين هياكل مستقرة وجديدة فحسب، بل تُعيد إنتاج خصائص توزيع سعات الاهتزاز المستهدفة على مستوى السلسلة الرئيسية.

قامت HyperAI بتجميع مجموعة من مجموعات بيانات الاستدلال عالية الجودة، والتي تغطي مجالات متعددة، واستدلال متعدد المهام، وبيانات تدريب الاستدلال الاصطناعي، ومعايير البحث العلمي، وبيانات الإجابة على الأسئلة واسعة النطاق، وتدعم تنزيل مجموعات البيانات أو استخدامها عبر الإنترنت.

اقترح باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) طريقةً جديدةً تُسمى Wave-Former، تُتيح إعادة بناء ثلاثية الأبعاد عالية الدقة لأجسام يومية متنوعة محجوبة تمامًا. لا تقتصر هذه الطريقة على معالجة تحديات ارتفاع نسبة الإشارة إلى الضوضاء والحجب الشديد، بل تُحقق أيضًا إعادة بناء عالية الدقة في بيئات العالم الحقيقي بالاعتماد على تدريب البيانات الاصطناعية من خلال إطار تدريب مبتكر للإدراك الفيزيائي. وبالمقارنة المباشرة مع أحدث الطرق الأساسية، تُحسّن Wave-Former معدل الاستدعاء من 541 TP3T إلى 721 TP3T مع الحفاظ على دقة عالية تبلغ 851 TP3T.

في مؤتمر GTC 2026، أطلقت NVIDIA ثلاثة مشاريع مفتوحة المصدر: NVIDIA Isaac GR00T وKimodo وSOMA-X. تعالج هذه المشاريع المشكلة نفسها من ثلاثة مستويات: اتخاذ القرار، والتوليد، والتمثيل - أي كيفية تمكين الآلات من أداء مهام معقدة بشكل أكثر سلاسة وكفاءة. كما أطلقت NVIDIA أيضًا FDFO، وهي طريقة تدريب لنماذج الانتشار، توفر دعمًا أساسيًا لهذه القدرات من منظور تحسين النماذج التوليدية.

طوّر فريق بحثي من جامعة مينيسوتا توين سيتيز نموذجًا مبتكرًا للتعلم الآلي قائمًا على المعرفة، مستوحى هيكله الخوارزمي مباشرةً من علم المياه، ويُطلق عليه اسم الشبكة العصبية الهرمية المُعَلَّمة (FHNN). تُظهر الدراسة أنه على مدى زمني يتراوح بين يومين وسبعة أيام بعد إصدار التنبؤات، يُحقق النموذج أداءً مماثلاً أو حتى أفضل من تنبؤات الفيضانات الصادرة عن هيئة الأرصاد الجوية الوطنية، ويتفوق على أساليب التعلم الآلي السائدة التي لا تُدمج المعرفة العلمية الفيزيائية في هيكلها.

اقترح فريق بحثي مشترك من شركة NVIDIA وجامعة أكسفورد ومعهد كيبيك للذكاء الاصطناعي ومؤسسات أخرى إطار عمل Proteína-Complexa، الذي يهدف إلى سد الفجوة بين الأساليب التوليدية والوهمية. فهو يوحد النموذج التوليدي الأساسي وآلية تحسين وقت الاستدلال في نظام واحد، مما يتيح تصميمًا مثاليًا للرابطات من الصفر دون الحاجة إلى خطوات إضافية لإعادة تصميم التسلسل.

لمساعدة المطورين على تجربة إمكانيات OpenClaw في تطبيقات العالم الحقيقي، أطلقت HyperAI "🦞 OpenClaw: تشغيله باستخدام واجهة برمجة التطبيقات عبر Free-CPU" و "🦞 OpenClaw GPU Running Tutorial"، حيث دمجت OpenClaw في تطبيقات اجتماعية مختلفة لتحقيق مجموعة واسعة من المهام الآلية.

حظي مشروع مفتوح المصدر يُدعى "دورة ماجستير القانون" باهتمام واسع منذ إطلاقه، حيث نال 77 ألف نجمة حتى الآن. يُعيد هذا المشروع تنظيم المعرفة المتناثرة بين الأبحاث والمدونات وممارسات البرمجة في نظام تعليمي واضح ومنظم. وقد قامت شركة HyperAI بتحميل الجزء التجريبي من "دورة ماجستير القانون" (المُسمى "دفتر الملاحظات") إلى قسم "الدروس التعليمية"، مع تهيئة جميع بيئات التشغيل بالكامل وجاهزيتها للاستخدام الفوري.

أصدرت جوجل للأبحاث مجموعة بيانات الفيضانات مفتوحة المصدر "جراوند سورس"، التي تستخلص معلومات أرضية موثقة من بيانات غير منظمة لرسم خرائط آثار الكوارث التاريخية بدقة غير مسبوقة. وقد قام الباحثون بأتمتة معالجة أكثر من 5 ملايين تقرير إخباري من أكثر من 150 دولة، ليجمعوا في نهاية المطاف أكثر من 2.6 مليون سجل لأحداث الفيضانات التاريخية، مما يوفر نطاقًا وتغطية بيانات غير مسبوقين لأبحاث الفيضانات العالمية.

قدم جنسن هوانغ عرضاً حماسياً لمدة ساعتين في مؤتمر GTC 2026، حيث كشف عن سلسلة من المنتجات الجديدة والإنجازات في مجال المصادر المفتوحة.

اقترح فريق بحثي مشترك من جامعة كارنيجي ميلون، وجامعة فروتسواف في بولندا، وجامعة فلوريدا، طريقةً لتحسين الكمّ مدعومة بالذكاء الاصطناعي تُسمى AQuaRef. تعتمد هذه الطريقة على خوارزمية AIMNet2 للتعلم الآلي لوظائف الجهد الذري، وقد تم تدريبها خصيصًا لمهام التحسين. مع الحفاظ على كفاءة حساب مجال القوة شبه الكلاسيكية، يمكنها تقريب نتائج حسابات ميكانيكا الكمّ بدقة، مما يوفر مسارًا تقنيًا جديدًا لتحسين الكمّ الذري الكامل للجزيئات الحيوية.

قامت شركة HyperAl بتجميع سلسلة من الدروس التعليمية ومجموعات البيانات القيّمة للغاية والقابلة للتطبيق على نطاق واسع في الفترة من 9 مارس إلى 13 مارس، والتي تغطي مجالات متعددة مثل توليد الكلام، ومعالجة النصوص إلى صور، والنماذج واسعة النطاق.

اقترح فريق بحثي في جامعة ستانفورد نموذج Merlin، وهو أول نموذج لغة بصرية ثلاثي الأبعاد أصلي لفحوصات التصوير المقطعي المحوسب للبطن، إلى جانب مجموعة بيانات تحتوي على 25494 فحصًا متطابقًا للتصوير المقطعي المحوسب للبطن وتقارير الأشعة.

اقترحت الجامعة الصينية في هونغ كونغ، بالتعاون مع جامعة ماكاو للفنون التطبيقية، وجامعة تشجيانغ، ومستشفى شيانغيا الثاني التابع لجامعة وسط جنوب الصين، وجامعة العلوم والتكنولوجيا الإلكترونية في الصين، نموذجًا للدمج الانتقائي. وانطلاقًا من فهم أن "التغير الكيميائي هو اضطراب موضعي في الفضاء الدلالي البيولوجي"، صمموا إطارًا عامًا، Bi-TEAM، لإدخال التغير الكيميائي الموضعي في الخلفية البروتينية العامة.