⁦Anthropic (news⁩)

⁦Anthropic moves to close loopholes that allow Chinese access to Claude - oodaloop.com⁩

أنثروبيك تتحرّك لإغلاق ثغرات سمحت بوصول صيني إلى ⁦Claude⁩. الخطوة تركّز على معالجة منافذ غير مقصودة للوصول إلى الخدمة.

⁦TechCrunch⁩

⁦The only AI glossary you⁩’⁦ll need this year⁩

قاموس شامل لمصطلحات الذكاء الاصطناعي يشرح بلغة مبسّطة المفاهيم الأكثر شيوعًا من قبيل ⁦LLM⁩ و⁦RAG⁩ و⁦RLHF⁩ و⁦AGI⁩. وثيقة حيّة تُحدَّث دوريًا لمواكبة تطوّر المجال وتسهيل المتابعة والبناء والاستثمار.

⁦Google DeepMind⁩

⁦Google DeepMind and A24 announce first-of-its-kind research partnership⁩

إعلان شراكة بحثية غير مسبوقة بين ⁦Google DeepMind⁩ و⁦A24⁩ لتمكين الفنانين من تطوير أساليب عمل وتقنيات جديدة، مع تغذية راجعة مباشرة من المبدعين ضمن العملية الإبداعية. تشمل الشراكة تعاونًا متعدد المشروعات عبر الزمن، وتأتي مع استثمار من غوغل في ⁦A24⁩، على أن تتطور الأهداف والمخرجات التقنية بمرور الوقت.

⁦arXiv cs.LG⁩

⁦FlexServe: A Fast and Secure LLM Serving System for Mobile Devices with Flexible Resource Isolation⁩

بحث يقدّم ⁦FlexServe⁩، نظام خدمة سريع وآمن للنماذج اللغوية على الأجهزة المحمولة عبر عزل مرن للذاكرة ووحدة المعالجة العصبية (⁦Flex-Mem⁩ و⁦Flex-NPU⁩). يحقق تسريعًا في زمن أول رمز بمتوسط ⁦10.05⁩× مقابل تصميم مرجعي، وحتى ⁦24.30⁩× في سيناريوهات متعددة النماذج.

⁦arXiv cs.AI⁩

⁦CreativityNeuro: Steering Language Model Weights to Improve Divergent Thinking and Reduce Mode Collapse⁩

منهجية ⁦CreativityNeuro⁩ لتعزيز التفكير التباعدي في النماذج اللغوية عبر توجيه أوزان المتحوّل دون بيانات تدريب إضافية. تحسّن الأداء في اختبار ⁦DAT⁩ بما يصل إلى ⁦14⁩ نقطة مئوية بشرية، وتظهر تقييمات بشرية واسعة النطاق (⁦N⁩=⁦720⁩) تحسّنًا في الأصالة والمفاجأة وتقليلًا لانهيار الأنماط.

⁦arXiv cs.LG⁩

⁦WARP: Weight-Space Analysis for Recovering Training Data Portfolios⁩

إطار ⁦WARP⁩ يستعيد خلطات بيانات التدريب من أوزان النموذج المنشور عبر محاكاة نقاط تحقق وسيطة تكشف «بصمة» البيانات في فضاء الأوزان. في تجارب مضبوطة على ⁦BERT⁩ و⁦GPT-2⁩، يستعيد نسب الخلط بمتوسط خطأ مطلق يصل إلى ⁦0.046⁩ و⁦0.104⁩ على التوالي.

⁦arXiv cs.LG⁩

⁦Unveiling the Non-Monotonic Effect of Privacy on Generalization under Byzantine Robustness⁩

دراسة تكشف أثرًا غير رتيب للخصوصية على التعميم في التعلّم الموزّع المتحمل للأخطاء الخبيثة: في نظام ضوضاء عالٍ (خصوصية قوية) تقلّ أخطاء التعميم مع زيادة الخصوصية، بينما تظهر مفاضلة في نظام ضوضاء منخفض. تُفسَّر النتائج عبر حدود نظرية متطابقة على ثباتية الخوارزميات وتُدعم بتجارب عملية.

⁦arXiv cs.AI⁩

⁦Spatial Support Matters: Geometry-Aware Graph Fusion for Rainfall Field Reconstruction⁩

نموذج شبكي واعٍ بالهندسة لدمج قياسات مطر متفاوتة الدعامات المكانية (نقاط/مسارات/شبكات) وإعادة بناء الحقل بدقة أدق. على بيانات سنغافورة، خفّض ⁦RMSE⁩ بنسبة ⁦23.2⁩% مقارنةً بمرجع الاستيفاء الكلاسيكي وتفوّق على معماريات عصبية بديلة، مع تحليل يعزو المكاسب إلى تباعد كثافة المجسات عن طول الارتباط المكاني.

⁦arXiv cs.AI⁩

⁦Separating Expert Retention from Autonomous Source Inference in Raw-ECG-Replay-Free Continual ECG Deployment⁩

منهجية للاحتفاظ بخبراء مجاليين فوق عمود فقري مجمّد بميزات ⁦ECGFounder⁩ مع مصنّفات مستقلة وموجّه خفيف للاستدلال على المصدر عند غياب بياناته. أظهرت النتائج ⁦Macro-F1⁩ يبلغ ⁦0.7915⁩±⁦0.0036⁩ في اختيار خبير معرّف المصدر، بينما يبرز الاستدلال الذاتي للمصدر بوصفه عنق الزجاجة الأساسي.

⁦MarkTechPost⁩

⁦Mistral AI Releases Leanstral 1.5: An Apache-2.0 Lean 4 Code Agent Model Solving 587 of 672 PutnamBench Problems⁩

⁦Mistral AI⁩ تطلق ⁦Leanstral 1.5⁩، نموذج وكيل برمجي مخصص لـ⁦Lean 4⁩ بترخيص ⁦Apache-2.0⁩ مع واجهة برمجية مجانية. يعتمد بنية خبراء متعددة بحجم إجمالي ⁦119⁩ مليار معامل (فعّال ⁦6.5⁩ مليار لكل رمز)، سياق ⁦256⁩ ألف رمز ومدخلات نص/صورة، ويحل ⁦587⁩ من أصل ⁦672⁩ مسألة على ⁦PutnamBench⁩.