WikiSkill-ն առաջարկում է գիտելիքի կայուն շերտ AI գործակալների հմտությունների զարգացման համար
WikiSkill-ը arXiv-ի նախատպվածք է, որի հեղինակներն առաջարկում են AI գործակալների աշխատանքային փորձը համախմբել կայուն վիքիում, որն այնուհետև կուղղորդի հմտությունների թարմացումը: Նրանք նշում են համեմատվող մեթոդների և ելակետային տարբերակների նկատմամբ գրանցված առավելությունների, մեծ մոդելներում ավելի նկատելի օգուտների, առանց հմտությունների մեծ մոդելներին գերազանցող հմտություններով փոքր մոդելների և միջմոդելային փոխանցման մասին, որտեղ այլ մոդելի հմտությունները կարող են գերազանցել ինքնուրույն զարգացրածներին: Առկա ամփոփագրում բացակայում են այդ պնդումները հաստատելու համար անհրաժեշտ գնահատման մանրամասներն ու անկախ ստուգումը:
Այս թողարկումն անցել է «Իմանանք»-ի հրապարակման ընդլայնված ստուգումները: Որոշ էական պնդումներ շարունակում են հստակ վերագրվել պաշտոնական կամ ընկերության աղբյուրներին, քանի որ այս թողարկմանը դեռ անկախ աղբյուր կցված չէ: Համակարգը շարունակում է ստուգել հաստատված աղբյուրները և անկախ հաստատումը կավելացնի միայն ամբողջական ստուգում անցած նոր թողարկմամբ:
WikiSkill-ը arXiv-ի նախատպվածք է, որն առաջարկում է AI գործակալների աշխատանքային փորձը համախմբել կայուն գիտելիքների բազայում (վիքիում) և այն օգտագործել բազմակի կիրառման հմտությունները վերանայելու համար: Հեղինակները հաղորդում են բենչմարքերի բարելավման, մասշտաբավորման առավելությունների և միջմոդելային փոխանցման մասին, ներառյալ դեպքեր, երբ այլ մոդելի զարգացրած հմտությունները գերազանցում են տվյալ մոդելի ինքնուրույն զարգացրած հմտություններին: Այդ տվյալները հեղինակների նախնական պնդումներն են և չեն անցել անկախ ստուգում: [1]
01
Ինչ գիտենք այս պահին
- 01
[1] arXiv, «WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution», տարբերակ 1, ներկայացված 2026 թ. օգոստոսի 27-ին՝ https://arxiv.org/abs/2608.27454v1:
- 02
Տրամադրված առաջնային գրառումը պարունակում է ամփոփագիրը, սակայն չունի գնահատման այն մանրամասները, որոնք անհրաժեշտ են արդյունավետության, մասշտաբավորման, փոխանցման կամ աբլացիայի վերաբերյալ պնդումներն անկախ գնահատելու համար: [1]
02
Հրապարակման կարգավիճակը
arXiv-ում գրանցված է աշխատանքի 1-ին տարբերակը: Սա նախատպվածքի (preprint) գրառում է, այլ ոչ թե գրախոսություն կամ անկախ ստուգում:Տարբերակ 1-ի ներկայացում
arXiv-ի գրառման համաձայն՝ առաջին տարբերակը ներկայացվել է 2026 թ. օգոստոսի 27-ին:Առաջարկվող միջանկյալ շերտ
Հեղինակները նկարագրում են կայուն վիքի, որը կուտակում է փորձը հմտությունների հետագա թարմացումների համար:Հաղորդված փոխանցում
Ըստ հեղինակների՝ հմտությունները կարող են փոխանցվել մոդելների միջև, ընդ որում՝ այլ մոդելի հմտությունները երբեմն գերազանցում են ինքնուրույն զարգացրածներին:Փորձառությունից գիտելիք և գիտելիքից հմտություն առաջարկվող աշխատանքային հոսքի ընդհանուր պատկերը և դրա ապացուցողական հիմքը:
03
Ինչ է առաջարկում նախատպվածքը
arXiv-ում գրանցված է «WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution» հոդվածը, որի հեղինակներն են Լիյան Թանգը, Սայրուս Ռաշթչյանը, Չուն-Սունգ Ֆերնգը, Էնդրյու Թոմքինսը, Դա-Չենգ Ջուանը և Տու Վուն: 1-ին տարբերակը ներկայացվել է 2026 թ. օգոստոսի 27-ին: [1]
Հեղինակները WikiSkill-ը նկարագրում են որպես գործակալների հմտությունների և կայուն գիտելիքների բազայի համատեղ զարգացման շրջանակ: Ըստ նրանց՝ վիքիի նպատակն է պահպանել այն դիտարկումները, որոնք հակառակ դեպքում կարող էին ցրված մնալ օպտիմալացման նախորդ պատմություններում, որպեսզի հմտությունների հետագա թարմացումները կարողանան վերօգտագործել կուտակված գիտելիքը: Տրամադրված նյութը հաստատում է այս ընդհանուր նկարագրությունը, սակայն չի ներկայացնում տեխնիկական իրականացման մանրամասները: [1]
- Համակարգը տարանջատում է գործարկման հում փորձառությունը, կուտակված գիտելիքը և կիրառելի հմտությունները:
- Գործարկման փորձառությունը շարունակաբար համախմբվում է կայուն վիքիում:
- Հմտությունների հետագա թարմացումները կարող են հիմնվել վիքիում կուտակված գիտելիքի վրա:
04
Հաղորդված արդյունավետության և մասշտաբավորման տվյալները
Հեղինակները հաղորդում են, որ WikiSkill-ը տարբեր բենչմարքերում և մոդելներում հետևողականորեն գերազանցել է հմտությունների զարգացման առաջատար մեթոդները և բարելավել է արդյունքները փորձարկված մոդել-բենչմարք համադրությունների մեծ մասում՝ առանց հմտությունների ելակետային մակարդակի համեմատ: Նրանք նաև նշում են, որ հմտությունների զարգացումը լրացնում է մոդելների մասշտաբավորմանը. ավելի մեծ մոդելներն ընդհանուր առմամբ ավելի մեծ օգուտ են ստացել զարգացած հմտություններից, մինչդեռ հմտություններով օժտված ավելի փոքր մոդելները կարողացել են գերազանցել առանց հմտությունների զգալիորեն ավելի մեծ մոդելներին: Սրանք հեղինակների հաղորդած տվյալներն են, այլ ոչ թե անկախ ստուգված արդյունքներ: [1]
Ամփոփագրում նշված չէ, թե կոնկրետ որ բենչմարքերը, մոդելները կամ ելակետային համակարգերն են օգտագործվել, ինչպես նաև չեն տրամադրվում ազդեցության չափերը, չափորոշիչները կամ վիճակագրական վերլուծությունները: Հետևաբար, առկա փաստերը թույլ չեն տալիս գնահատել հաղորդված մասշտաբավորման և արդյունավետության ազդեցության իրական ծավալը, հուսալիությունը կամ գործնական շրջանակը: [1]
- Հեղինակները հայտնում են տարբեր բենչմարքերում և մոդելներում հմտությունների զարգացման առաջատար մեթոդները գերազանցելու մասին:
- Նրանք նշում են մոդել-բենչմարք համադրությունների մեծ մասում առանց հմտությունների ելակետային տարբերակների նկատմամբ գրանցված բարելավման մասին:
- Ըստ նրանց՝ ավելի մեծ մոդելներն ընդհանուր առմամբ ավելի շատ են շահել զարգացած հմտություններից, մինչդեռ հմտություններով օժտված փոքր մոդելները կարողացել են գերազանցել առանց հմտությունների զգալիորեն ավելի մեծ մոդելներին:
05
Ինչ է պնդվում փոխանցելի հմտությունների մասին
Համակարգերի միջև վերօգտագործման տեսանկյունից առանցքային է այն պնդումը, որ զարգացած հմտություններն արդյունավետորեն փոխանցվում են տարբեր մոդելների և մոդելային ընտանիքների միջև: Հեղինակները հավելում են, որ այլ մոդելների զարգացրած հմտությունները կարող են գերազանցել այն հմտություններին, որոնք մոդելն ինքնուրույն է զարգացնում իր համար: Եթե սա հաստատվի մանրամասն գնահատմամբ, դա կնշանակի, որ գիտելիքի կայուն շերտը կարող է օգնել պահպանել այնպիսի հմտություններ, որոնք պիտանի են մնում դրանք առաջինը ձևավորած մոդելի սահմաններից դուրս: Սա դեռևս մնում է հեղինակների հաղորդած չստուգված պնդում: [1]
Հեղինակները նաև նշում են, որ իրենց աբլացիոն հետազոտությունները ցույց են տվել վիքիում գիտելիքի կայուն կուտակման վճռորոշ դերը հմտությունների արդյունավետ զարգացման համար: Առկա ամփոփագրում չեն նշվում փոխանցման պայմանները, ներգրավված մոդելները, հնարավոր առավելության չափը կամ աբլացիայի կարգավորումները: Հետևաբար, այն ցույց չի տալիս, թե երբ է աշխատում միջմոդելային վերօգտագործումը կամ ինչու է այն հաջողվում: [1]
- Հեղինակները հայտնում են հմտությունների փոխանցման մասին տարբեր մոդելների և մոդելային ընտանիքների միջև:
- Նրանք նշում են, որ այլ մոդելների զարգացրած հմտությունները կարող են գերազանցել ինքնուրույն զարգացրած հմտություններին:
- Նրանք հաղորդում են աբլացիոն հետազոտության արդյունք, ըստ որի՝ վիքիում գիտելիքի կայուն կուտակումը վճռորոշ նշանակություն ունի:
06
Ինչու է այս մոդելն արժանի ուշադրության
Նախատպվածքն անդրադառնում է հեղինակների նշած այն խնդրին, որ հմտությունների զարգացումն ուղղորդող դիտարկումները կարող են ցրված լինել օպտիմալացման պատմություններում և դժվարությամբ վերօգտագործվել: Առաջարկվող լուծումը գիտելիքի կայուն շերտն է, որը կուտակում և մշակում է այդ տվյալները՝ նախքան հմտությունների հետագա թարմացումների ժամանակ դրանցից օգտվելը: [1]
Կարևոր անպատասխան հարցերից են այն, թե ինչպես է վիքին պահպանում ճշգրտությունը ծավալի մեծացմանը զուգընթաց, ինչ ռեսուրսներ է պահանջում, ինչպես է գործում, երբ նախորդ փորձը եղել է ապակողմնորոշիչ, և արդյոք հաղորդված ձեռքբերումներն ու փոխանցման ազդեցությունը հնարավոր է անկախ վերարտադրել: Տրամադրված նյութը չի պատասխանում այս հարցերին: [1]
- Առաջարկի նպատակն է նախորդ գործարկումների դասերը հասանելի դարձնել հետագա կրկնությունների համար:
- Կայուն վիքին առաջարկվում է որպես կամուրջ գործարկման պատմությունների և թարմացված հմտությունների միջև:
- Գործառնական հիմնական փոխզիջումները բացահայտված չեն ներկայացված նյութում:
07
Առաջնային աղբյուր
Այս տեղեկանքը հիմնված է տարբերակ 1-ի նախատպվածքի arXiv գրառման վրա, որը տրամադրում է վերնագիրը, հեղինակների ցանկը, ներկայացման տվյալները և ամփոփագիրը: [1]
- Առաջնային գրառում՝ https://arxiv.org/abs/2608.27454v1
- Հղման նույնացուցիչ՝ arXiv:2608.27454v1
- Գրառման կարգավիճակ՝ տարբերակ 1-ի նախատպվածք
08
Ինչպես գնահատել նախատպվածքը
WikiSkill-ը դիտարկեք որպես նախնական հետազոտական առաջարկ: Ներկայացված արդյունքները հաղորդել են հեղինակները, ուստի դրանք պահանջում են մեթոդաբանական ավելի ամբողջական վերանայում և անկախ վերարտադրություն:
- 01
Ծանոթացեք arXiv-ի առաջնային գրառմանը՝ https://arxiv.org/abs/2608.27454v1
- 02
Հստակ տարանջատեք առաջարկվող կայուն վիքիի կառուցվածքը հեղինակների հաղորդած արդյունավետության, մասշտաբավորման և փոխանցման տվյալներից:
- 03
Մոտեցումը կիրառելուց առաջ փնտրեք հրապարակված մեթոդները, գնահատման տվյալները, կոդը, ռեսուրսների ծախսերը և անկախ վերարտադրության արդյունքները:
09
Այս թողարկման սահմանափակումները
Տրամադրված աղբյուրը հաստատում է միայն arXiv-ի նախատպվածքի առկայությունը, այլ ոչ թե գրախոսություն, անկախ ստուգում կամ վերարտադրություն: [1]
Հասանելի ամփոփագրում չեն նշվում հաղորդված արդյունքների հիմքում ընկած բենչմարքերը, մոդելները, համեմատության մեթոդները, չափորոշիչները, թվային տվյալները կամ վիճակագրական վերլուծությունները: [1]
Առկա փաստերը չեն հաստատում կոդի, գնահատման տվյալների, մարզված հմտությունների կամ վերարտադրելիության փաթեթի հանրային հասանելիությունը: [1]
Կայուն վիքիի սպասարկման հաշվարկային ծախսերը, հապաղումը (latency), պահպանման պահանջները և հնարավոր խափանումները նշված չեն աղբյուրում: [1]
SRC
Աղբյուրների բաժին
Ուղիղ հղումներ այս ընտրանու հիմքում եղած նյութերին: Աղբյուրը տեսնելը նույնքան կարևոր է, որքան սինթեզն ընթերցելը:
Շարունակել ընթերցումը
29 օգս, 2026 թ.
Պրեպրինտն առաջարկում է ընտրանքային գնահատումներ տրանսդուկցված լեզվական մոդելների համար
arXiv-ի պրեպրինտն առաջարկում է առանց վերադարձի ընտրանքը և հակադարձ հավանականությամբ վերակշռումը որպես այլընտրանք միայն շեմային զտմանը՝ տրանսդուկցված լեզվական մոդելներում հավանականությունները գնահատելու համար։ Հեղինակները հայտնում են տեքստի և ԴՆԹ-ի փորձարկումներում հաշվարկ-դիսպերսիայի կամ սխալանքի բարելավված արդյունքների, ինչպես նաև ԴՆԹ-ից ամինաթթու մեկ դեպքում աշխատաժամանակի զգալի խնայողության մասին, սակայն տրամադրված տվյալները չեն հաստատում գրախոսում կամ վերարտադրում։
19 օգս, 2026 թ.
«Հորիզոն Եվրոպա»-ն հայաստանյան թիմերի համար. որտեղի՞ց սկսել
Հինգ քայլից բաղկացած ուղեցույց՝ Հայաստանի ասոցացված կարգավիճակից մինչև կոնկրետ թեմայի ընտրություն, կոնսորցիումում դերի սահմանում, հիմնավորումների փաթեթ և հայտի ներկայացման ժամանակացույց։
19 օգս, 2026 թ.
Թոքենայզերի ո՞ր ներքին չափանիշները կարող են ազդանշել լեզվական մոդելի արդյունավետությունը
TokEval պրեպրինտում նշվում է, որ թոքենայզերի ներքին գնահատումը կարող է դուրս գալ fertility-ի և սեղմման մակարդակի (compression rate) շրջանակից։ Վերահսկվող նախաուսուցման փորձարկումներում տեղեկատվական-տեսական ցուցանիշները կապ են ցուցաբերել լեզվի մոդելավորման ունակության հետ, իսկ թվանշանների և տողադարձերի մշակման կառուցվածքային չափանիշները՝ առաջադրանքների ճշգրտության հետ։ Ստացված արդյունքները խոստումնալից են, սակայն դեռևս պրեպրինտի մակարդակի տվյալներ են և չեն ներառում հայերենի գնահատում։