ما الذي حدث
ظهرت أوزان v0.4 المبنية على Qwen3.5-4B في 29 أكتوبر. وبحسب المستودع، أزالت مراجعة 2 نوفمبر المرمز البصري دون تغيير الأوزان اللغوية أو الإجابات. تضيف وثائق 4 نوفمبر تفاصيل التقييم ورسمه الأصلي؛ وليس هذا نموذجا أساسيا دُرّب حديثا في ذلك اليوم.
يجيب الإصدار المرخص بـApache-2.0 عن الأسئلة المنظمة بمرور حسابي واحد لكل سؤال بدلا من توليد نصوص. تشغل أوزانه النصية الحالية 8.41 غيغابايت. ويتطلب التشغيل الصحيح أقنعة الانتباه في المحمل المرفق؛ فالاستدلال السببي المعتاد يغير سلوكه. الإنجليزية هي اللغة الوحيدة التي خضعت للتقييم.
تعلن Macrocosmos درجة JevBench مركبة قدرها 78.6 وتنسبها إلى قياس Benchmark Heaven في 4 نوفمبر. وتوضح بطاقة النموذج أن عينة الأسئلة الأحدث لم تُعادل بعد مع لوحة النتائج العامة، مما يستدعي الحذر في المقارنة المباشرة. كما تكشف اختيار النموذج باستخدام اختبار عام وتداخل نصوص في تقييم آخر.
لماذا يهم
قد تقلل نماذج القرار توليد النص غير الضروري في التصنيف وتوجيه المهام. لكن احتمالاتها تحتاج إلى اختبار على العمل المقصود. توافق التشغيل وقابلية مقارنة الاختبارات مهمان بقدر الدرجة الإجمالية؛ فلا السرعة ولا الترتيب يضمنان قرارات تجارية موثوقة.
ما الذي نتابعه
تستحق المتابعة إضافته إلى لوحة نتائج موحدة القياس، واختبارات مستقلة للتطبيقات، ودعم محركات الاستدلال الشائعة.
المصادر والتحقق
عدد روابط المصادر لا يساوي عدد التأكيدات المستقلة.
01الإبلاغ عن تصحيح
ساعدنا على التصحيح
حدد العبارة محل الاعتراض وأرفق مصدراً إن أمكن. لا ترسل معلومات شخصية أو حساسة.
