تقييم الذكاء الاصطناعي
3 published articles
أبحاث الذكاء الاصطناعي
عامل الذكاء الاصطناعي الخاص بك اجتاز الاختبار بالصدفة. الآن هناك معيار لتقييم ذلك.
SkillCoach هو إطار معايير (rubric) ذاتي التطور يُقيّم ويُحسّن استخدام المهارات الوكيلية من خلال تحليل عمليات اختيار المهارات، واتباعها، وتركيبها، والتفكير فيها، مما يوفر إشرافًا أفضل من المقاييس القائمة على النتائج فقط.
2026-07-06
بحث في الذكاء الاصطناعي
نماذج اللغات الكبيرة تفسد مستنداتك عندما تفوضها: نظرة فاحصة على معيار تفويض-52
يكشف معيار تفويض-52 أن نماذج اللغات الكبيرة الحالية تتراكم فيها تدهور في الدقة عند تكليفها بتحريرات متعددة الخطوات للمستندات. تؤثر الأخطاء على 19% إلى 34% من محتوى المخرجات عبر 20 تكرارًا، على الرغم من أن سير عمل بايثون يظهر خسارة أقل من 1%. الدراسة هي أداة تشخيصية، وليست حكمًا على الفائدة العملية للذكاء الاصطناعي.
2026-07-05
تحليل معايير الوكلاء
ProgramBench: كل نموذج ذكاء اصطناعي عام يسجل 0% في أصعب اختبار برمجة حتى الآن
ProgramBench يتحدى وكلاء الذكاء الاصطناعي لإعادة بناء البرامج من الملفات الثنائية فقط، دون كود مصدري أو أوصاف مشكلات. جميع النماذج العامة تفشل في حل أي مهمة بالكامل، مما يكشف نقاط ضعف في الاستقصاء، والهندسة المعمارية، والحكم على التوقف. المعيار هو اختبار ضغط لوكلاء البرمجة الذين يتجاوزون سير العمل القائم على التصحيحات.
2026-06-29