arxiv arXiv cs.CL · منذ 1 ساعة · research

Mint-Agent يقدم نماذج أساسية وكيلية متخصصة في المجال المالي

مُترجم من English → العربية

يقدم الباحثون Mint-Agent، وهو عائلة من النماذج الوكيلة المتخصصة في المجال المالي مصممة لجمع بين التنفيذ الموثوق وقدرات البحث طويلة المدى. يُبنى النظام على ثلاثة أعمدة: محرك بيانات للمهام المتخصصة، وبيئة MintHarness لتتبع الأدلة القابلة للتدقيق، وصفة تدريب تجمع بين SFT وOPD وRLVR.

تم إصدار نموذجين رائدين: Mint-Cu (9B) وMint-Ag (27B).
يحقق Mint-Ag نسبة 98.33% على RFC-Bench، متفوقاً على GPT-5.6-Sol وClaude-Opus-4.8.
يصل Mint-Cu إلى نسبة 69.86% على FinSearchComp T2، متفوقاً على Agents-A1-35B وNex-N2-mini.
يحصل Mint-Ag على درجات 76.00% و60.49% على FinanceAgentBench v1.1 وv2 على التوالي.

تؤسس هذه النتائج مساراً نحو ذكاء مالي موثوق من خلال الهندسة المشتركة لخبرة المجال، والتنفيذ طويل المدى، والأدلة القابلة للتدقيق.

الأهمية 2/3 إطار تقييم جديد بعناصر مميِّزة arXiv cs.CL DeepSeek AI agents Research paper

قراءة الأصل

مقالات ذات صلة

arxiv arXiv cs.LG · منذ 4 يوم · 26 مشاهدة

Faraday 27B يتفوق على Claude Opus 4.8 و GPT-5.5 في مهام إعادة إنتاج الأوراق البحثية

طور الباحثون Replica، مساحة مهام قابلة للتوسع لإعادة إنتاج الأوراق البحثية، لمعالجة الحاجة إلى معرفة علمية موثوقة. قاموا بإجراء تدريب لاحق لـ Faraday، وهو وكيل "AI Scientist" بـ 27 مليار معلمة يستخدم وكلاء البرمجة كأدوات، للاستفادة من هذا البيئة.

arxiv arXiv cs.AI · منذ 4 يوم · 20 مشاهدة

Faraday 27B يتفوق على Claude Opus 4.8 و GPT-5.5 في مهام استنساخ الأوراق البحثية

طور الباحثون Replica، وهو مساحة مهام قابلة للتوسع لاستنساخ الأوراق البحثية، وقدموا قاضياً يعتمد على المعايير ويتم إنشاؤه تلقائياً لتوفير إشارات مكافأة منخفضة الضوضاء تتماشى مع التقييم البشري.

arxiv arXiv cs.CL · منذ 44 يوم · 10 مشاهدات

تقوم AutoMem بأتمتة تعلم الذاكرة كمهارة إدراكية لنماذج اللغات الكبيرة

يقدم الباحثون AutoMem، وهو إطار عمل يعالج إدارة الذاكرة في نماذج اللغات الكبيرة كمهارة قابلة للتدريب بدلاً من مكون ثابت. يرفع النظام عمليات نظام الملفات إلى إجراءات ذاكرة من الدرجة الأولى، مما يسمح للنموذج بقرار كيفية تشفير المعرفة واسترجاعها وتنظيمها بشكل مستقل.

arxiv arXiv cs.CL · منذ 49 يوم · 13 مشاهدة

توسيع الأفق وليس المعلمات: بلوغ أداء النليون مع وكيل بحجم 35 مليار

يقدم الباحثون Agents-A1، وهو نموذج Mixture-of-Experts بحجم 35 مليار يحقق أداءً مماثلًا للنماذج ذات النليون من المعلمات عن طريق توسيع أفق الوكيل بدلاً من عدد المعلمات. يركز النهج على تمديد المسارات طويلة المدى وتوحيد قدرات الوكلاء المتباينة من خلال بنية تدريب متخصصة.

arxiv Moonshot AI (arXiv) · منذ 259 يوم · مشاهدتان

DeepSeek-V3.2 تقدم الانتباه المتناثر والتركيب الوكيل، متجاوزةً GPT-5

أطلقت DeepSeek نموذج اللغة الكبير المفتوح المصدر DeepSeek-V3.2، الذي يجمع بين الكفاءة الحسابية العالية وقدرات الاستدلال المتقدمة. تسلط الإضاءة على ثلاث تقدميات تقنية رئيسية: آلية انتباه متناثر جديدة، إطار عمل لتعلم التعزيز قابل للتوسع، وخط أنابيب لتركيب بيانات التدريب الوكيل.