قناة
يتتبع إطلاقات النماذج المتقدمة والاختبارات وتقييمات السلامة والنماذج المفتوحة والأنظمة متعددة الوسائط وتغيرات القدرة المهمة للمشترين.
تنشر Nature مقالة رأي تقترح أن فهم نماذج اللغة الكبيرة يتطلب التمييز بين الإسقاط البشري والإدراك الآلي، وأن إطار التجريبية الآلية قد يغير منطق البحث والتطوير والاستثمار والتقييم في صناعة الذكاء الاصطناعي.
أطلقت NVIDIA منصة RoboLab للمعايرة والمحاكاة، والتي توفر مجموعة أدوات تحليلية مستقلة عن الروبوتات وقابلة للتوليد السريع للمهام، لمعالجة المشكلات الرئيسية في تقييم استراتيجيات الروبوتات الحالية مثل تداخل المجالات البصرية، تشبع المعايير، نقص التشخيص، وانخفاض الثقة الإحصائية، مما يدفع استراتيجيات الروبوتات العامة نحو التنفيذ الفعلي.
أحدث نموذج Hy3 من Tencent، بمعمارية MoE تضم 29.5 مليار معامل و2.1 مليار معامل نشط، يركز على وكلاء AI المؤسسيين وكفاءة النشر، دون السعي الأعمى للحجم. تظهر التقييمات المستقلة أنه يقترب من Claude Opus 4.8 وGPT-5.5 في البحث الوكيل وتنسيق الأدوات، لكنه أقل قليلاً في قدرات البرمجة. يعكس هذا استراتيجية الصين في إعطاء الأولوية للتسويق والمنتجات تحت قيود الأجهزة.
تحليل التقدم الذي أحرزته Meta في إعادة بناء منظمة الذكاء الاصطناعي بعد فشل Llama 4، مع التركيز على المزايا الثلاثية للبيانات والمواهب والحوسبة وتأثيرها على المشهد التنافسي لصناعة الذكاء الاصطناعي.
اقترحت دراسة جديدة إطارًا للاستدلال القائم على LLM باستخدام التلقين متعدد المراحل، والذي يمكنه توليد تقارير دوائية سريرية منظمة تلقائيًا، مما يقلل بشكل كبير من وقت التجميع اليدوي. تحلل هذه المقالة تأثيره على صناعة الأدوية وسوق الرعاية الصحية بالذكاء الاصطناعي وتطبيقات الذكاء الاصطناعي على مستوى المؤسسات.
دراسة نُشرت في npj Digital Public Health قامت بتقييم منهجي لأداء خمس بنى رئيسية من نماذج اللغة الكبيرة (LLM) في محاكاة قرارات التطعيم، ووجدت تحيزات ملحوظة بين النماذج، حيث أظهر بعضها ميلاً مؤيداً للعلم. لهذه النتائج دلالات مهمة على تطبيقات الذكاء الاصطناعي في نمذجة الصحة العامة ومحاكاة القرارات التجارية.
ستعرض Nexdata في مؤتمر ICML 2026 أربعة حلول رئيسية للبيانات في مجال الذكاء الاصطناعي، تشمل GenAI/VLM وPhysical AI وSpeechLLM وLLM، لتسليط الضوء على الدور الحيوي للبيانات عالية الجودة في تدريب النماذج وتطبيقها، مع تركيز الصناعة على الاستثمار في البنية التحتية للبيانات.
كشفت دراسة حديثة في مجلة Nature Medicine أن النماذج المتقدمة مثل GPT-5 وGemini أظهرت أداءً ممتازًا في الاختبارات الطبية المعيارية، لكن من خلال اختبارات الإجهاد العدائية تم اكتشاف نقاط ضعف منهجية لديها، بما في ذلك القدرة على تخمين الإجابة الصحيحة حتى بعد إزالة المدخلات الرئيسية، والتسبب في استدلالات خاطئة نتيجة لتغييرات طفيفة في التعليمات. تحلل هذه المقالة تأثير هذه الدراسة على صناعة الذكاء الاصطناعي، والتطبيقات الطبية، وتأثيرها على الاستثمارات.
أطلقته z.AI، النموذج مفتوح المصدر GLM-5.2 الذكي الكبير، بفضل نافذة السياق التي تضم مليون رمز وقدرته القوية على البرمجة، مما أثار جدلاً واسعًا في أوساط التكنولوجيا في وادي السيليكون. تحلل هذه المقالة النقاط البارزة التقنية للنموذج، وتأثيره في السوق، والتغيرات في المنافسة بين الذكاء الاصطناعي الصيني والأمريكي.
أعلنت OpenAI عن طريقة جديدة لمحاذاة سلامة الذكاء الاصطناعي تُسمى "محاكاة النشر"، حيث تحاكي prompts في المحادثات الحقيقية التي قد تؤدي إلى سلوكيات ضارة، مما يجبر الذكاء الاصطناعي على إظهار ميوله الحقيقية أثناء الاختبار، وتجنب أدائه الجيد المتعمد في الاختبارات التقليدية. من المتوقع أن تعزز هذه التقنية دقة تقييم المخاطر قبل إطلاق الذكاء الاصطناعي، ولكنها تثير أيضًا نقاشًا حول حلقة التغذية الراجعة في الاختبار وإمكانية التنبؤ بسلوك النموذج.
فيفا تيك 2026 ستركز على الذكاء الاصطناعي للمؤسسات، حيث تتحول الشركات الناشئة الأوروبية من النماذج الأساسية إلى تكامل الذكاء الاصطناعي في القطاعات الرأسية مثل التصنيع والخدمات اللوجستية والرعاية الصحية. كما بدأ المستثمرون في الاهتمام بالعائد الفعلي على الاستثمار والقدرة على الامتثال.
تشير الدراسات إلى أن النماذج الأساسية لعلم الأمراض الحالية تفتقر إلى المتانة تجاه السمات غير البيولوجية (مثل اختلافات إجراءات المختبر)، مما قد يؤثر على سلامة التشخيص السريري. يوفر معيار PathoROB معيارًا جديدًا لتقييم النماذج.
تمثل مشكلات الصحة النفسية النادرة تحديًا نموذجيًا في التعرّف ذي الندرة المنخفضة للنماذج اللغوية العامة واسعة النطاق. تحلل هذه المقالة، من منظور بيانات تدريب النموذج، وآليات سوء التصنيف، ومسؤولية الشركات، وحوكمة الذكاء الاصطناعي، تأثير هذه المشكلة على منتجات الذكاء الاصطناعي، والامتثال الأمني، والمنافسة الصناعية.
أصدرت مايكروسوفت إطار العمل مفتوح المصدر ASSERT، الذي يحوّل الأوصاف باللغة الطبيعية للسلوك المتوقع للذكاء الاصطناعي إلى اختبارات قابلة للتنفيذ، مما يعكس أن الذكاء الاصطناعي على مستوى المؤسسات ينتقل من مرحلة «سباق قدرات النماذج» إلى مرحلة «التحقق من سلوك التطبيقات».
تشير أبحاث Cisco إلى أن الحواجز الأمنية في النماذج الكبيرة الرائدة، بما في ذلك OpenAI وAnthropic وGoogle وAmazon وxAI، قد يمكن تجاوزها في سيناريوهات الحوار متعدد الجولات. وهذا يعني أن الشركات، عند تقييم أمان الذكاء الاصطناعي، لم يعد يكفيها الاكتفاء بنتائج الاختبارات ذات الجولة الواحدة، بل ينبغي أن تدرج التفاعل متعدد الجولات، وسير العمل الوكالي، ومسارات الهجوم الواقعية ضمن إطار الحوكمة.
تستند هذه المقالة إلى وجهة نظرٍ في الصناعة حول «بيانات التقييم (eval data)»، وتُحلّل لماذا تتجه المنافسة في مجال الذكاء الاصطناعي من قدرات النماذج إلى سير العمل، ووصول المستخدمين، وحلقة التغذية الراجعة المغلقة، كما تناقش تأثير ذلك على الذكاء الاصطناعي المؤسسي، ووكلاء الذكاء الاصطناعي، ومنصات الذكاء الاصطناعي، والهيكل الصناعي.