أعلنت Meta أن نموذجها Muse Spark 1.2 حقق أداءً بميدالية ذهبية في أولمبيادات STEM الخمسة ودخل المراكز الخمسة الأولى في مؤشر Vals بسعر $0.69/اختبار، وأبلغ عنه بأنه أرخص بـ 3 مرات من Kimi. نسبت Meta هذه المكاسب إلى التنسيق متعدد الوكلاء مع الاستدلال المتوازي، مشيرة إلى درجات نظرية مثالية في APhO و IPhO دون أدوات خارجية.
أطلقت أوبن إيه آي نتائج نموذجها الداخلي غير المُصدر، أسترا، الذي نجح في حل عشرة مسائل مفتوحة مهمة في الرياضيات. تم توليد الحلول بواسطة النموذج ثم صاغها باحثون بشريون إلى شهادات لين (Lean).
أطلقت AI9Stars نموذج G9v3-39A5B، وهو نموذج لغوي بأوزان مفتوحة مصمم لتقديم قدرات استدلال أقوى من سلفه، ai9stars/G9v3-3B. يتميز النموذج بـ 39 مليار معلمة و5 خبراء نشطين وهو مرخص بموجب رخصة Apache 2.0 للاستخدام الشخصي والتجاري.
تقيّم ورقة عمل من تأليف جوزيف جيه إم ووكر نماذج اللغة المتطورة على معيار تشفير أدبي متعدد القنوات وغير مرئي، مُضمّن في الرواية المادية "كتبت كتابًا وكسبت مليون دولار (آي. بي. رايتن)". وجدت الدراسة أن GPT-5.6 اعترفت بشكل مستقل بقناة الاتصال الثانوية واستعادت حوالي 95% من المادة المُضمّنة في مرورها الأول، بينما أظهرت النماذج السابقة قدرة فعالة تبلغ 0%.
أطلقت OpenAI حلولاً لعشرة مسائل في الرياضيات وعلوم الكمبيوتر النظرية لم تشهد أي تقدم في نتائجها الرئيسية لمدة عشر سنوات على الأقل، باستخدام نسخة داخلية من نموذجها الرئيسي القادم، Astra.
أظهرت دراسة أن النماذج اللغوية المتقدمة يمكنها إجراء حسابات ذات عواقب باستخدام رموز حشو غير ذات دلالة، مما يخلق وضع فشل لا يظهر فيه الاستدلال في سلسلة مخرجات التفكير. قُيم البحث 13 نموذجاً عبر ثلاث مهام ووجد أن العديد منها تستفيد بشكل كبير من هذه الرموز، مع تحسن في الدقة يصل إلى 13 نقطة مئوية.
يقدم المؤلفون PoTRE (تجمعات الاستدعاء متعددة الطوبولوجيا)، وهو إطار عمل مصمم لمعالجة قيود التوجيه أحادي التدفق القياسي في مهام الاستدلال المعقدة. يفكك PoTRE الاستنتاج إلى أربعة وكلاء متميزين: وكيل تحسين معادٍ، وكيل تخطيط استراتيجي هرمي، وكيل بحث طيفي، ووكيل سلسلة مباشر.
يقترح الباحثون Isospectral Optimization (ISO)، وهو إطار لتعلم التعزيز مع المكافآت القابلة للتحقق (RLVR) يعالج طبقة التحسين المفقودة عن طريق الحفاظ على أطياف أوزونة النموذج ثابتة أثناء تحسين الإطارات المفردة للإدخال والإخراج.
يشارك مطور تقدمًا في بنية ذكاء اصطناعي رمزية للمحادثة تم تطويرها على مدار الثمانية أشهر الماضية، بهدف معالجة الفجوات في استخراج المعلومات غير العصبي.
تقدم الدراسة GSM-Plus-BN، وهو مجموعة بيانات رياضية بنغالية مشوشة جديدة مشتقة من معيار GSM-Plus الإنجليزي ومُحققة بواسطة مترجمين بشريين. يعالج هذا المورد نقص المعايير المنهجية لتقييم متانة النماذج في المناطق ذات التنوع اللغوي مثل بنغلاديش.
يقترح المؤلفون طريقة تفاعل بين الإنسان والذكاء الاصطناعي فعالة تُعرف بـ Deep Interaction، مصممة لتصحيح أخطاء الاستدلال في نماذج اللغات الكبيرة دون الحاجة إلى إعادة توليد الرد الكامل. يسمح هذا الآلية للمستخدمين بتعديل رد Chain-of-Thought الأصلي مباشرةً، مع الحفاظ على الخطوات الدقيقة وتصحيح الأخطاء.
أطلقت Thinking Machines Lab نموذج Inkling، وهو نموذج جديد متعدد الوسائط من نوع Mixture-of-Experts مصمم للاستدعاء الفعال للرموز والفهم الأصلي لإدخالات النص والصوت والصور. توفر Together AI هذا النموذج على منصة الاستدلال الخاصة بها مع وصول فوري.
يقدم الباحثون Ring-Zero، وهو خط أنابيب تدريب مستقر يوسع التعلم المعزز مع مكافآت قابلة للتحقق إلى نماذج تحتوي على تريليون معلمة، مما يعالج مشكلات مثل ازدواجية الرموز وسوء القراءة الموجودة في التوسع البدائي.
طور الباحثون مجموعة بيانات استدلال واسعة النطاق جديدة ومعيار FukuyamaBench لتقييم الاستدلال الآلي الهرمي في نماذج اللغة الكبيرة، مما يعالج عدم الاتساق الفيزيائي الشائع في نماذج LLM الكيميائية الحالية.
يشرح إطار نظري جديد ظهور قدرات الاستدلال الاستقرائي في نماذج اللغة المحوّلة من خلال دراسة فئة معمّمة من المهام الاستقرائية التي توحد المهام الاصطناعية مثل n-grams في السياق والاستدلال متعدد القفزات.
دعت مسابقة NVIDIA Nemotron Model Reasoning Challenge مجتمع Kaggle لاستكشاف التقنيات التي تحسن دقة الاستدلال ضمن قيود مشتركة تتعلق بالنماذج المفتوحة، والمعايير المرجعية، والبنية التحتية. مع إغلاق المسابقة، كان هناك أكثر من 5,000 مشارك نشط عبر 4,000 فريق قد قدموا آلاف الإرسالات.
يقدم الباحثون TreeThink، وهي مكتبة بايثون مفتوحة المصدر مصممة للبحث الشجري المعدني وغير المتزامن بالكامل في إثبات النظريات العصبية. تدمج طرق البحث الراسخة مع خطوط أنابيب الاستدلال القائمة على vLLM وتقنيات تقييم العقد المتنوعة.
يقدم المؤلفون WILDTRACE، وهو معيار جديد مصمم لتقييم مدى قدرة النماذج على دمج الأدلة الموزعة عبر مقاطع بعيدة في المستندات الطويلة. على عكس المعايير الحالية التي تعتمد على حقائق مزروعة أو سلاسل تم هندستها عكسيًا، يستخدم WILDTRACE 481 مهمة مستمدة من 214 مصدرًا طبيعيًا، مثل تقارير الحوادث التقنية والسرد الأدبي.
يجادل المقال بأن التباين داخل الفئة في تمثيلات نماذج اللغة ليس انهياراً عصبيًا غير مكتمل، بل هو تخزين معلومات مُخصص يخضع لقانون معين. يُظهر تحليل 14 نموذجًا أن بنية الفئة الكبرى تمثل فقط 4-12% من التباين التمثيلي، بينما يحمل سياق مستوى الرمز 79-91%، ويبقى مستقرًا عبر نطاق معلمات يبلغ 100x.
تجادل الورقة بأن بناء أنظمة ذكية أقوى قادرة على الابتكار المفتوح يتطلب إنشاء واستقرار وإعادة استخدام بدائل تمثيلية جديدة بدلاً من مجرد البحث داخل أطر ثابتة.