يقدم الباحثون نظام AIDE^2، الذي يطبق حلقة من التحسين الذاتي المتكرر لوكيل بحث ذكي من خلال تحسين شيفرته الخاصة. يقترح النظام تغييرات على منطقِه الداخلي، ويقيّم النسخ المعدّلة في مهام البحث والتطوير للذكاء الاصطناعي، ويحتفظ فقط بتحسينات التي حققت أفضل أداء في التقييمات المخفية.
يقدم المؤلفون "Growing Harness"، وهو نموذج تدريبي يتعلم بنية تحكم الوكيل من ملاحظات المهمة بدلاً من الاعتماد على السقالات التقليدية الثقيلة بالسياق. ومن خلال تحويل قرارات التحكم المتكررة إلى كود قابل للتنفيذ وحجز استدعاءات نماذج اللغات الكبيرة (LLM) للاستدلال الدلالي، تهدف هذه الطريقة إلى إنشاء وكلاء متخصصين قابلين لإعادة الاستخدام.
يقدم الباحثون نظام AIDE^2، الذي يطبق حلقة من التحسين الذاتي المتكرر لوكيل أبحاث ذكاء اصطناعي متقدم من خلال تحسين شيفرته الخاصة. يقترح النظام تغييرات على منطقِه الداخلي، ويقيّم الإصدارات المعدّلة في مهام بحث وتطوير الذكاء الاصطناعي، ويحتفظ فقط بتلك التحديثات التي تحقق أفضل أداء في التقييمات المخفية.
يقدم الباحثون Agensh، وهو إطار عمل متعدد الوكلاء ذاتي التنظيم وقابل للتوسع يلغي عنق الزجاجة للمنسق المركزي من خلال السماح للعمال المتزامنين بالمطالبة بالمهام الفرعية بشكل غير متزامن ودمج التقدم.
يقدم الباحثون TelecomGPT-R1، وهو عائلة من نماذج استدلال الاتصالات المفتوحة المصدر والموحدة، مصممة لأتمتة المهام الهندسية من خلال الاستدلال على المعايير والتكوينات والسجلات. يتناول النموذج قيود نماذج الذكاء الاصطناعي التوليدية العامة والمتخصصة الحالية من خلال نهج هيكلي يغطي محاور البروتوكول والمعرفة والنمذجة والأعطال.
يقدم المؤلفون Fathom-Vaidya، وهو نموذج بـ 30B معلمة يستخدم بيانات اصطناعية وتعلّم التعزيز القائم على المعايير لتعزيز الاستدلال التشخيصي والسريري في الرعاية الصحية. يطبق إطار التدريب أولاً RL الموجه بالقواعد على الأسئلة المستمدة من MedBullets للتشخيص، ثم يستخدم 5.3k سيناريوهات اصطناعية متعددة الأدوار بمعايير متعددة الأبعاد لمهام سريرية تفاعلية.
يقدم المؤلفون Fathom-Vaidya، وهو نموذج بـ 30 مليار معلمة يستخدم بيانات اصطناعية وتعلّم التعزيز القائم على المعايير لتعزيز كل من الاستدلال التشخيصي والإكلينيكي في الرعاية الصحية. يستهدف إطار التدريب أولاً الدقة التشخيصية باستخدام أسئلة مستمدة من MedBullets ثم يتعامل مع التفاعلات الإكلينيكية متعددة الأدوار عبر 5.3 ألف سيناريو تم إنشاؤه بمعايير متعددة الأبعاد.
يقدم المؤلفون Fathom-Vaidya، وهو نموذج يحتوي على 30 مليار معلمة يستخدم بيانات اصطناعية وتعلّم التعزيز القائم على معايير التقييم لتعزيز كل من الاستدلال التشخيصي والسريري في الرعاية الصحية.
نشرت مايكروسوفت ريسيرش وأصدرت كود RetroChimera كمصدر مفتوح، وهو إطار عمل جديد للتنبؤ بالتخليق العكسي يدمج نموذجين متكاملين لاقتراح مسارات تخليق عالية الجودة. يدمج النظام R-SMILES 2، وهو نموذج من نوع Transformer مُنشأ من الصفر، مع NeuralLoc، وهو نموذج قائم على الشبكات العصبية البيانية (GNN)، باستخدام استراتيجية تجميع مُتعلَّمة لترتيب التنبؤات.
يقترح مؤلف تصميم بحث لنظام استدلال يكتشف التناقضات بين عبارتين عن طريق تحليلهما إلى مكونات أصغر والبحث عن تصادمات منطقية، بدلاً من الاعتماد على الحكم المباشر لـ LLM.
يقدم الباحثون CodeMidas، وهو خط أنابيب وكيلي يبني بيئات التعلم بالتعزيز من الوظائف المُنفذة في مستودعات الكود المصدري مفتوح المصدر، باستخدام الكود المصدري كإدخال وحيد. تقوم الطريقة بتخصيص الحوسبة الوكيلية لاستكشاف الوظائف، وبناء اختبارات مبنية على التنفيذ، والتحقق من صحة المهام عبر عمليات تشغيل متكررة، مما يؤدي إلى مجموعة بيانات تحتوي على 5,545 مهمة تدريب عبر 23 لغة برمجة. يؤدي تدريب MiMo-V2.5 على هذه المهام باستخدام GRPO إلى تحسين الأداء في خمسة معايير متنوعة، بما في ذلك DeepSWE (+11.7%) وProgramBench (+17%) وTerminal-Bench v2.1 (+8.5%). يشير تحليل المسارات إلى أن الوكيل المدرب بالتعلم بالتعزيز يظهر سلوكيات أفضل مثل زيادة استكشاف قاعدة الكود وتنوع أكبر في التحقق الذاتي. تؤسس هذه النتائج الكود المصدري كأساس قابل للتوسع لبناء بيئات التعلم بالتعزيز التي تحسن وكلاء البرمجة عبر مهام برمجية متنوعة.
أطلق الباحثون TrialAtlas، وهي منظمة بحثية متعددة الوكلاء مدعومة بالذاكرة مصمّمة لمساعدة تخطيط التطوير السريري (CDP). ينسق النظام وكلاء متخصصين لتركيب الأدبيات، والاستخبارات التنافسية، والتحليل التنظيمي لتوقع مخاطر التطوير.
أصدرت MB-Bidram بنية عصبية تجريبية تُعرف باسم WideNDepth (WND) مصممة لفصل قدرات الاستدلال عن تخزين المعرفة. يتكون النموذج من "جزء واسع" يعمل كذاكرة و"جزء عميق" يعمل كمستدل.
يطلب باحث مُعلِّماً بشرياً مستقلاً واحداً لتصنيف 100 مشهد سردي تركي لتحديد ما إذا كان انخفاض اتفاق المقيّمين يعود إلى الطبيعة التفسيرية للمهمة أو إلى تعريفات التضمين غير المحددة بدقة. وجدت الدراسة أن أربعة نماذج لغات كبيرة وكاشفاً قائماً على القواعد اتفق مع بعضها البعض ومع المرجع البشري عند مستوى يقارب الصدفة العشوائية، حيث تراوحت درجات كوهن κ بين 0.000 و0.185.
نشر الباحث المستقل محمد منسي GlucoEdge، وهو دراسة هندسية توضح خط أنابيب تعلم آلي على الجهاز بالكامل للتنبؤ باتجاهات الجلوكوز لخمس فئات لمدة 15 دقيقة من بيانات مراقب الجلوكوز المستمر. تقدم الدراسة شبكة عصبية كونفولوشنية أحادية البعد (CNN) مدمجة تحتوي على 2,909 معلمة فقط، وتغطي سير العمل الكامل من PyTorch إلى التحويل إلى LiteRT.
يقترح مستخدم في منتديات Hugging Face تجربة في النقل المعرفي التدريجي، حيث يتعلم نموذج طالب ذو حجم ثابت (Qwen 4B) بشكل تسلسلي من نماذج معلمة أكبر فأكبر بدلاً من التعلم مباشرةً من الأكبر حجماً المتاح.
نشر باحث مستقل مراجعة أدبية تحلل ما إذا كانت تقنيات ضغط النماذج مثل الكمّنة، والتقليم، والتنضيد تقلل فعلياً من استهلاك الطاقة المقاس أو تخفض فقط عمليات الفلوبس (FLOPs).
يقدم المقال Human2Any، وهي طريقة للنقل من الإنسان إلى الروبوت تستخدم التخطيط التركيبي الواعي بالقيود. لا توجد تفاصيل إضافية أو نص رئيسي مقدم في المصدر.
أطلقت OpenAI نموذج Open-1B، وهو نموذج لغوي تم تدريبه في نظام حيث يمكن إعادة إنتاج كل عملية أثناء التدريب بشكل مستقل على عتاد تجاري متنوع بدقة بتية. يعالج هذا النهج مشكلات إمكانية إعادة الإنتاج الكامنة في النماذج مفتوحة المصدر من خلال فرض ترتيب محدد لمصادر عدم الحتمية، مثل اختزال نوى وحدة معالجة الرسومات وترتيب دفعات البيانات.
يُعد Atria Dawn Preview نموذجًا لغويًا أساسيًا ذا قدرات وكيلة، صُمم لعمليات البحث العلمي وأعمال الهندسة، وتم تدريبه عبر خط أنابيب لتجارب قابلة للتحقق يربط التفاعلات الوسيطة بالأدوات بالبيئات القابلة للتنفيذ. وعلى مدار 16 معيارًا تغطي البحث الحقيقي، والهندسة، والعمل الرقمي، يتنافس النموذج مع الوكلاء المتقدمة ويحقق أعلى درجة مُبلغ عنها في خمسة منها.