مؤخراً، قدم فريق @SentientAGI ورقة عمل صعبة في ورشة LLMs المغلقة في NeurIPS 2025 - الورقة البحثية "OML: Cryptographic Primitives for Verifiable Control in Open-Weight LLMs" التي اقترحت مجموعة من الأساليب الجديدة للتحكم القابل للتحقق في نماذج كبيرة مفتوحة المصدر: OML (رخصة النموذج المفتوح / طبقة علامة الملكية).

النقاط الرئيسية واضحة جدًا: دمج منطق التحكم في خط أنابيب استدلال النموذج، مما يتيح تشغيل النماذج المفتوحة المصدر بشكل آمن وقابل للتحقق. تصميمه المكون من ثلاث طبقات يترك انطباعًا قويًا:
1️⃣ القابلية للتحقق: تضمن الإثباتات صفرية المعرفة أن كل استدعاء قانوني؛
2️⃣ إلزامي: TEE (بيئة التنفيذ الموثوقة) تمنع التهرب؛
3️⃣ monetization: دمج blockchain مع NFT لتحقيق تتبع عائدات النموذج.

على عكس العلامات المائية التقليدية، يمكن لـ OML الحفاظ على القدرة على التحكم حتى تحت الصندوق الأبيض، وأظهرت التجارب أن دقة الكشف عن تقطير النموذج وسرقة المعلمات تتجاوز 97%، وتكون خسارة الأداء أقل من 2%. يمكن القول إن هذه نقطة تحول رئيسية في إدارة أمان النماذج المفتوحة.

من المثير للاهتمام أن OML يقوم بتقسيم النموذج إلى دورين رئيسيين: طبقة التحكم وطبقة البيانات:
تتحكم طبقة التحكم مثل مراقب صارم، تدير من يمكنه استدعاء النموذج، وتلتزم بأي سياسات، وتقوم بتسجيل كل عملية، وتولد قائمة تشغيل موقعة وسجل تدقيق غير قابل للتغيير؛

تركز طبقة البيانات على "العمل"، معالجة الرموز، دون خلط أي أمور أخرى.

هذه التقسيمات تتيح للنموذج العمل محليًا دون الاعتماد على واجهات برمجة التطبيقات المركزية، مع ضمان التحكم الكامل في التفويض، وتتبع المصدر، والتدقيق. دمجت Sentient في إصدار Llama-3.1-8B المعدل 24,576 زوجًا من المفاتيح-الاستجابات، مما يحافظ على استقرار الأداء، ويظل فعالاً بعد التعديل، أو التقطير، أو المزج، مما يمنح نماذج الذكاء الاصطناعي "توقيع" وحماية حقوق النشر.

في الوقت نفسه، يعيد LiveCodeBench Pro من Sentient قدرات البرمجة المدعومة بالذكاء الاصطناعي إلى ساحة المعركة الحقيقية:
مسائل البرمجة الصعبة معدل اجتياز الذكاء الاصطناعي يكاد يكون صفراً؛ من قراءة موضوع السؤال، وتصميم الحل، وتوليد الكود إلى الترجمة والتنفيذ، يتبع كل مرحلة معايير مسابقات الخوارزميات بدقة؛ تغطي مسائل مسابقات مرموقة مثل Codeforces وICPC وIOI، وتستخدم نظام تصنيف الصعوبة الديناميكي Elo؛ إعادة إنتاج محلي، واختبارات مخفية وتوليد سجلات كاملة، مما يجعل قدرة النموذج قابلة للتحقق، وقابلة للتتبع.

في ظل سعي الذكاء الاصطناعي التوليدي لتحقيق درجات عالية ومهارات التوجيه، تعتبر LiveCodeBench Pro مرآة واضحة تعرض الحدود الحقيقية للنموذج في فهم الخوارزميات، والمنطق بعيد المدى، والتحكم في التعقيد، مما يجعل "النموذج قادرًا على كتابة الشيفرة" ليس مجرد اسم فارغ.

@SentientAGI تعيد تشكيل معايير أمان و controllability و capabilities للذكاء الاصطناعي باستخدام OML و LiveCodeBench Pro. حصلت النماذج المفتوحة على حماية حقوق الطبع والنشر، وأصبح برمجة الذكاء الاصطناعي لها اختبار حقيقي، وهذا يُعد إنجازًا مهمًا في AGI المفتوح المصدر المدفوع من قبل المجتمع.

#KaitoYap @KaitoAI #ياب #الذاتي