GPT-5.5
6 published articles
وكلاء البرمجة المستقلون · مسودة arXiv البحثية
Harness-of-Harness يزعم تحقيق زيادة بنسبة 52.25% عبر تشغيل وكلاء برمجة آخرين
يلفّ HoH أُطر تشغيل وكلاء البرمجة القائمة في حلقات متكررة من التخطيط والبرمجة والاختبار، ويُبلغ عن متوسط زيادة نسبية قدرها 52.25% عبر ثلاث مجموعات اختبار مرجعية. يترك الملخص المقياس الأساسي وتكلفة الموارد والتوزيع بحسب كل نموذج دون تحديد.
2026-09-25
أتمتة أبحاث الذكاء الاصطناعي، arXiv، سبتمبر 2026
DisCo تسجل زيادة بنسبة 134.3% في MLE-bench مع تثبيت النموذج الأساسي
يقطّر DisCo 1,000 مستودع لتعلّم الآلة إلى أكثر من 5,000 مهارة قابلة لإعادة الاستخدام، ويسجّل مكاسب كبيرة في الاختبارات المعيارية مع تثبيت النموذج والإطار وميزانية التنفيذ. الأرقام مُبلَّغ عنها ذاتياً وغير مُكرَّرة.
2026-09-16
أبحاث الذكاء الاصطناعي
لماذا يهيمن GPT-5.5 على معيار يختبر كيف يحسن الوكلاء أنفسهم
يعزل EvoPolicyGym قدرة حرجة ولكنها غير مدروسة بشكل كافٍ: قدرة الوكيل على تحسين سياسة قابلة للتنفيذ من خلال تعديلات متكررة مقيدة بردود الفعل. يكشف المعيار أن GPT-5.5 هو أقوى أداء عبر 16 بيئة، ويوفر تشخيصات على مستوى المسار تكشف كيف تخصص الوكلاء المختلفون الميزانية ويحولون ردود الفعل إلى معلمات مضبوطة.
2026-07-11
غوص عميق في المعايير
ARC-AGI-2: المعيار الذي يقيس الذكاء السائل في أنظمة الذكاء الاصطناعي
يختبر ARC-AGI-2 أنظمة الذكاء الاصطناعي في الذكاء السائل من خلال ألغاز شبكات بصرية لا يمكن حلها عن طريق الحفظ. تسجل النماذج المتطورة الآن 75-85%، لكن الجائزة الكبرى البالغة 700,000 دولار لا تزال غير محققة. إليكم غوص عميق في تصميم المعيار، وتقييمه، ولوحة المتصدرين الحالية.
2026-07-01
الذكاء الاصطناعي
GPT-Live من OpenAI يتوقف أخيرًا عن انتظار انتهاء حديثك
يقدم GPT-Live من OpenAI صوتًا مزدوج الاتجاه (full-duplex audio) ليتمكن الذكاء الاصطناعي من الاستماع والتحدث في الوقت نفسه. يمكنه قول "همم"، والانتظار أثناء فترات التوقف، وتسليم التفكير المعقد إلى GPT-5.5 في الخلفية، مما يحافظ على استمرار تدفق المحادثة.
2026-07-01
سياق فعال، سقف المخرجات، والضريبة الخفية للنوافذ الطويلة
نموذج الذكاء الاصطناعي الخاص بك يدعي أنه يقرأ مليون رمز. إنه يخدعك. إليك الحسابات الحقيقية.
تعلن جميع النماذج الحدودية الأربعة عن نوافذ سياقية تتجاوز مليون رمز، لكن الاستدعاء الفعال، حدود المخرجات، والتكلفة الواقعية تختلف بشكل حاد. يتصدر DeepSeek V4 Pro في سقف المخرجات والتكلفة، بينما يتفوق Gemini تحت 200 ألف رمز، ويفوز Claude Opus في التخزين المؤقت لمراجعة الكود التفاعلية. يحلل هذا التحليل الأرقام من أبريل 2026.
2026-06-30