يُظهر مستخدم خط أنابيب استنتاج مفكك يستخدم DGX Spark للتهيئة المسبقة (prefilling) وصندوق Strix Halo لتوليد الرموز، محققاً تسريعات كبيرة لأحمال العمل ذات السياق الطويل. من خلال تفويض معالجة المطالبات كثيفة الحساب إلى DGX مع الاستفادة من عرض النطاق الترددي للذاكرة في Strix للفك، يتغلب هذا الإعداد على تدهور الأداء الذي يحدث عند التشغيل بشكل منفرد على Strix.
يجادل جيفري ليت بأن المطورين يجب أن يفهموا بعمق الكود الذي تولده وكلاء البرمجة لتجنب الديون المعرفية والبقاء مشاركين نشطين في العملية الإبداعية.
يدعم إطار العمل مفتوح المصدر OpenLumara الآن الاتصال بأي واجهة مستخدم يمكنها التواصل مع نقطة نهاية OpenAI، مثل KoboldLite وOpenWebUI. يتيح هذا التحديث للمستخدمين دمج الإطار الفعال من حيث الرموز في سير عملهم الحالي دون تغيير الواجهة الأمامية المفضلة لديهم.
يسعى مستخدم للحصول على توصيات لنماذج لغوية محلية قادرة على توليد بيانات هيكلية واسعة النطاق، مثل تخطيطات المدن بأكملها، وشبكات الطرق، وأنظمة الشبكات المعقدة.
أصدر سيمون ويليسون إصدار llm-coding-agent 0.1a0، وهو تجربة مبكرة في بناء وكيل برمجة بسيط باستخدام مكتبة LLM الخاصة به كإطار عمل للوكلاء. تم إنشاء المشروع عن طريق مطالبة Claude Code بكتابة مواصفات وتنفيذ الأداة باستخدام اختبار التطوير المحفز (TDD) الأحمر/الأخضر.
يقوم طلب سحب من المجتمع لـ llama.cpp بتحسين سرعة معالجة المطالبات بشكل كبير لمستخدمي Intel ARC، مما يفيد بشكل خاص الأجهزة مثل B580. قام المساهم بتحسين الكود بمساعدة Claude لتسريع معالجة السياق.
تفصل ورقة أركيف جديدة إنشاء دودة ذكاء اصطناعي ذاتية التكاثر تعمل بالكامل باستخدام نماذج مفتوحة المصدر محلية. يسلط هذا التطور الضوء على إمكانية عمل وكلاء الذكاء الاصطناعي المستقلين دون اعتماديات خارجية.
تناقش هذه المقالة من مدونة Scaling Intelligence التابعة لجامعة ستانفورد طرق تحسين توليد HIP Kernel لوحدة معالجة الرسومات AMD باستخدام البيانات الاصطناعية، والبحث متعدد الوكلاء، والتعلم المعزز.
يوفر هذا المستودع نقاط تفتيش النموذج لنمذجة البروتين ذاتية الانحدار عبر توليد البنية متعددة المقاييس، والتي تم قبولها كعرض شفوي في ICML 2026.
يعالج تحديث Claude Code v2.1.199 العديد من مشكلات الاستقرار وسهولة الاستخدام، بما في ذلك إصلاحات لأخطاء شهادة SSL، ومعالجة الاستجابات المتدفقة، وإدارة الوكلاء الخلفيين.
أعاد أنثروبيك نشر كلاود Fable 5 عالمياً ونشر معلومات مفصلة حول مصنّفات الأمان السيبراني الخاصة به وإطار مقترح لدرجة خطورة اختراق الذكاء الاصطناعي. تهدف الشركة إلى إنشاء مصطلحات متسقة لمناقشة مخاطر الاختراق مع الحكومات، بينما تدعو أيضاً إلى ملاحظات من المجتمع الأوسع.
يحقق مستخدم في تحسين نموذج Qwen3.6-27B على إعداد مزدوج من AMD Radeon R9700 باستخدام llama.cpp، ويقارن الأداء بين خلفيات Vulkan وROCm.
أصدرت Xenova أنوية WebGPU لـ Gemma 4، محققة أداءً يبلغ 255 توكن في الثانية. يتيح هذا التحسين تشغيل النماذج الكثيفة بسرعات تتجاوز 100 تيرابايت/ثانية في متصفحات الويب.
استخدم سيمون ويليسون Claude Code مع نموذج Fable 5 لأتمتة تقييم وتحسين أوامر النظام لوكيل Datasette، مستهدفاً بشكل خاص ميزة تنفيذ استعلامات SQL للقراءة فقط. تضمنت العملية تثبيت أحدث إصدار تجريبي من Datasette وDSPy لتحديد نقاط الضعف في كيفية تعامل الوكيل مع معلومات المخطط.
صرح شخصية بارزة من إنفيديا بأنه لا يؤمن بالذكاء العام الاصطناعي (AGI)، ويؤكد أن تركيز الصناعة يجب أن يتحول نحو نماذج مفتوحة المصدر مخصصة للشركات.
قارن مستخدم بين Qwen3.6 27b وGemma4 26B A4B QAT وOrnith1.0 35B MoE باستخدام إطار عمل inspect-ai على RTX 3090 لتقييم أداء النماذج محليًا. أظهرت النتائج نتائج مختلطة عبر معايير المعرفة العامة، والتوجيه، والبرمجة، حيث كان Qwen3.6 يتصدر عمومًا في الدرجات بينما أظهر Ornith نقاط قوة في مجالات محددة مثل DROP.
قام مستخدم على Reddit بتوسيع نموذج Google Gemma 4 31B، الذي يحتوي على 60 طبقة، إلى إصدار أكبر بـ 44 مليار معلمة يتضمن 88 طبقة. تم إجراء هذا التعديل لأن Google لم تطلق إصدارًا كثيفًا أكبر من النموذج للاستخدام على Lyzr Architect.
تجربة معيارية أولية حول عمق الأدلة لاستدعاءات نماذج اللغات الكبيرة تجادل بأن المعايرة يجب أن تمتد إلى ما وراء الدقة الواقعية لتشمل التلوث المعرفي وتسرب الإطارات. تعرف الدراسة على 'k*' بأنه نقطة تشبع الأدلة حيث يتم تعظيم الموثوقية، مما يميزها عن مقاييس top-k القياسية أو كثافة الحالة.
تصف المقالة عملية التحقق من Claude Sonnet 5 باستخدام الوكيل المتشكك (Skeptical Agent) التابع لـ MarCognity-AI لكشف الفجوة بين الثقة النصية والقابلية الفعلية للتحقق، وهو ما يُسمى "الانقسام المعرفي".
يقدم المطور المستقل Aiywin.ai إطارًا معرفيًا يحل المعالجة الخطية القياسية بحلقات التكرار الحلزوني للتعامل مع الشذوذ والبيانات غير المكتملة. يقوم النظام بتوسيع المعلمات السياقية رياضيًا حتى يتم العثور على حل منظم، بدلاً من التوقف أو الهلوسة.