🔺 انضممنا متأخرين بـ 20 يومًا. بعد ستة أيام، نحن في المرتبة #71. دخلنا تحدي إعادة إنتاج الوكلاء في ICML 2026 بعد 20 يومًا من بدئه، مع أقل من أسبوع واحد متبقٍ لبناء واختبار وتوثيق ونشر والدفاع عن عملنا. بعد ستة أيام، احتل AITrailblazer المرتبة #71 من أصل 350 مشاركًا — أي تقريبًا أعلى 20% — برصيد 44 نقطة عبر 6 إعادة إنتاج لأوراق تم تقييمها. يمثل هذا الرصيد 22 ادعاءً بحثيًا تم التحقق منها أو دحضها بشكل مستقل. حصل ثلاثة من سجلاتنا على درجة مثالية 10/10. وحصل واحد على 8/10. وآخر يحمل حاليًا 6/10. حصلت مراجعة الأدلة التي أطلقناها جزئيًا عبر Tool-Guard على صفر نقطة — وعلمتنا أحد أهم الدروس في التحدي بأكمله. هناك فرق جوهري بين التحقق من نتائج المؤلف المنشورة وإعادة إنتاج تلك النتائج بشكل مستقل. لم يكن لدينا 26 يومًا لدراسة قائمة التصنيف، واختيار ادعاءات سهلة، وتحسين عملية العمل، وتحسين مساهماتنا تدريجيًا. كان لدينا ستة أيام فقط. خلال تلك الأيام الستة، كان علينا العثور على أوراق مناسبة، وفهم ادعاءاتها الأساسية، وتحديد الكود والبيانات المنشورة، وتصميم اختبارات مستقلة، وتشغيل تجارب، والحفاظ على الأدلة، وحساب القيم التجزئية، وتوثيق القيود، ونشر مساحات Trackio العامة، والانتظار حتى يُقيّم مُقيّم مستقل. ركّزنا على ما يجب أن تعنيه إعادة الإنتاج العلمي فعليًا: أدلة عامة وقابلة للتدقيق. طرق قابلة للتنفيذ. حسابات حتمية حيثما أمكن. قيم تجزئة ومسار أصلي دقيق. ضوابط سلبية مصممة لاكتشاف التوافق الخاطئ. فصل واضح بين الأدلة المستقلة وقطع العمل المنشورة من المؤلف. توثيق صادق لما استطعنا — وما لم نستطع — إعادة إنتاجه. هذا الإنجاز مهم لأن الذكاء الاصطناعي يمكنه إنتاج شروحات مقنعة بسرعة هائلة. لكن التقدم العلمي لا يأتي من شروحات تبدو صحيحة فقط. بل يأتي من الادعاءات التي تنجو من الاختبار المستقل. كما يأتي من النتائج السلبية الموثقة بنفس القدر من العناية مثل التأكيدات الناجحة. يُعترف بالمبادئ في هذا التحدي من خلال منح نفس النقاط للادعاءات المُحققة والمُدحَضة. وهذا مهم. النتيجة الصارمة التي تُظهر أن ادعاءً لا يمكن إعادة إنتاجه يمكن أن تكون بنفس قيمة التأكيد الناجح للعلم. فهي تمنع الثقة الزائفة، وكشف الافتراضات الخفية، وتمنح الباحثين المستقبليين أساسًا أقوى. يُظهر وضعنا الحالي أيضًا لماذا تهم البنية التحتية لإعادة الإنتاج. إن تحديث "الاستدلال المدعوم بالتنبؤ" الأحدث لدينا متاح للعامة، سليم، وقد تم اكتشافه بنجاح من قبل المُقيّم التلقائي. ومع ذلك، فشلت جميع محاولات التقييم الثلاث لأن موجه الاستدلال على Hugging Face عاد بأخطاء HTTP 504 من جانب الخادم. لقد طلبنا إعادة طلب إداري دون تغيير الأدلة، أو طلب حكم يدوي، أو تقديم نتيجة بديلة. حتى يتم استعادة التقييم التلقائي هذا، ستظل قائمة التصنيف تعكس نقاطنا الحالية البالغة 44 والمرتبة #71. قد يتغير التصنيف النهائي بعد ذلك. ما زال المشاركون الآخرون يرسلون أعمالهم. قد يُعاد تقييم تحديث PPI الخاص بنا. لا تزال قائمة التصنيف نشطة مع اقتراب الموعد النهائي. لكن بغض النظر عن المركز النهائي، فإن الوصول إلى المرتبة #71 من أصل 350 بعد الانضمام متأخرين بـ 20 يومًا — وبإتمام ذلك في ستة أيام فقط — هو إنجاز يستحق التقدير. لم نكتفِ بإنشاء ملخصات لأوراق البحث. بل بنينا سجلًا عامًا وقابلًا للتدقيق يوضح ما نجح، وما فشل، وكيف اختبرناه، وأين انتهت الأدلة. هذا هو الشكل الذي يجب أن تبدو عليه إعادة الإنتاج. قائمة التصنيف المباشرة: https://t.co/ALGcVy1Qng أقوى إعادة إنتاج لدينا بدرجة 10/10 — CoopEval: https://t.co/FW8JxWV4b6 انضممنا متأخرين بـ 20 يومًا. كان لدينا ستة أيام. وصلنا إلى أعلى 20%. إعادة الإنتاج تتفوق على الضجيج. الأدلة تتراكم. #ICML2026 #AIResearch #Reproducibility #OpenScience