تقييم نماذج اللغة الكبيرة
3 published articles
معايير واختبارات3 min read
تقييم الوكلاء
صناديق الرمل في الاختبارات تخفي كيف تفشل الوكلاء حقًا، جامعة هونغ كونغ قدمت الحل
UniClawBench يقيم الوكلاء الاستباقيين عبر خمس قدرات أساسية في 400 مهمة ثنائية اللغة في العالم الحقيقي، باستخدام حاويات Docker الحية وتقييم حلقة مغلقة بثلاثة وكلاء. يفصل قدرات النموذج الأساسية عن اختيارات الإطار، كاشفًا أين ينهار الوكلاء حقًا.
2026-07-13
الأدوات والأطر5 min read
أدوات
نموذج الذكاء الاصطناعي الخاص بك هو سلعة. خط الأنابيب هو المكان الذي تعيش فيه الميزة الحقيقية.
تحليل عملي خطوة بخطوة لبناء خط أنابيب للكتابة بالذكاء الاصطناعي في عام 2025: اختيار النموذج، تسلسل المطالبات (prompt chaining)، ومراقبة الجودة. لا ضجيج، فقط البنية التقنية المهمة.
2026-07-11
نماذج اللغات الكبيرة3 min read
تقييم النماذج
أولمو-إيفال من Ai2 يمنح مطوري LLM ميكروسكوبًا لكل نقطة تفتيش
أولمو-إيفال من Ai2 يجلب الفروقات لكل سؤال والمعايير المعيارية المعيارية إلى تطوير LLM النشط، مما يساعد الباحثين على تمييز التقدم الحقيقي عن الضوضاء الإحصائية.
2026-07-06