وصافة التقييم بلا تدريب إضافي: كيف يعيد إطار التصويت ترشيد حوسبة الاستدلال؟

حين تواجه النماذج اللغوية سيناريوهات تدمج قواعد مألوفة بطرق غير مسبوقة، يتجه مهندسو الذكاء الاصطناعي غالبًا إلى خيار إعادة التدريب الباهظ، غير أن ورقة بحثية جديدة كشفت أن توجيه مسار الاستدلال في وقت التشغيل كفيل بقلب النتيجة دون لمس وزن برمجي واحد.

فحصنا في الورقة البحثية التي قُبلت للعرض الشفهي ضمن تقييمات «CCL26-Eval» للباحث شينشن شياو إطارًا جديدًا يحمل اسم «Route-Verify-Vote» أو «RVV»، صُمم لمعالجة إحدى أعقد معضلات النماذج: التعميم التركيبي. تتجلى هذه المعضلة عندما يُطلب من النموذج دمج عمليات تفكير مألوفة لديه في سياقات مركبة لم يتدرب عليها مسبقًا، وهو التحدي الذي وضعه تقييم الاستدلال المنطقي القائم على السيناريوهات «SCoRE 2026» أمام النماذج عبر ثلاثة نطاقات مختلطة غابت تمامًا عن بيانات التدريب، مع إلزام النموذج باستخراج المجموعة الكاملة من الخيارات الصحيحة لكل مسألة بدل الاكتفاء باختيار إجابة واحدة.

جوهر الابتكار يكمن في هندسة المسار الإجرائي وتوزيع الحوسبة لا في تضخيم المعاملات. يبدأ الإطار بمرحلة التوجيه، حيث يُستخدم تصنيف النطاق لاختيار مسار استدلالي محدد يرشد النموذج إلى تمثيل القيود المنطقية ذات الصلة وتطبيقها بدقة. تلي ذلك مرحلة التحقق، وفيها يُطلب من النموذج فحص كل خيار مطروح على حدة في ضوء تلك القيود الصارمة، مما يقلص مساحة التخمين العشوائي ويضمن تدقيق البدائل تدقيقًا تركيبيًا دون الحاجة إلى تعديل أوزان النموذج الأساسي.

تأتي بعد ذلك مرحلة التصويت لتقدم درسًا عمليًا في ترشيد حوسبة وقت الاستدلال. لا يكتفي الإطار بجمع مجموعات الإجابات الكاملة وفق أسلوب الاتساق الذاتي التقليدي، بل يراقب هامش التباين بين المجموعتين الأكثر تكرارًا. وحين يكون فارق الأصوات ضئيلًا بينهما، يتدخل النظام تلقائيًا لتخصيص عينات إضافية لتلك الأسئلة الملتبسة تحديدًا، مما يوجه الجهد الحسابي بدقة نحو نقاط الخلاف بدل إهداره بالتساوي على الأسئلة المحسومة سلفًا.

أثبت هذا التصميم كفاءته في نتائج الاختبار الرسمي لتقييم «SCoRE 2026»؛ إذ حقق التصويت عبر 16 عينة لكل سؤال دقة بلغت 74.6 في المئة للمجموعات الكاملة. وعند تفعيل آلية التخصيص التكيفي للعينات ارتفعت الدقة إلى 77.3 في المئة، ثم قفزت إلى 79.4 في المئة عند دمج نماذج متعددة على مسارات نطاقية مختارة، وهو ما منح هذا النظام المركز الثاني في الترتيب النهائي للأنظمة المشاركة في المنافسة.

الأثر الحقيقي لفرق التطوير في الخليج ومصر والشام يرتبط بضبط تكاليف التدقيق الآلي المعقد داخل بيئات الأعمال الحساسة. تواجه المؤسسات المصرفية والجهات التنظيمية الإقليمية تحديات يومية في تدقيق العقود وفحص الامتثال متعدد المعايير، وهي بيئات لا تقبل إجابة واحدة مبتورة بل تطلب حصر كافة الشروط المستوفاة معًا. حين تقيس هذا الواقع على ميزانيات التشغيل، تجد أن اعتماد أسلوب يوزع عينات الحوسبة تكيفيًا استنادًا إلى هامش الخلاف الداخلي للنموذج يمكّن الفرق المحلية من تشغيل نماذج تجارية أو مفتوحة دون استنزاف ميزانيات الاستدلال السحابية، مما ينقل مهارة المهندس من محاولات إعادة التدريب الشاقة إلى صياغة مسارات التحقق والتصويت المشروط بكفاءة.

تؤكد هذه النتائج أن تجاوز عقبات الاستدلال المعقد لا يستدعي دائمًا نماذج أضخم، بل يقوم على هندسة إجرائية تعرف بدقة متى تكثف فحص الشكوك وأين توجه كل واط من طاقة الحوسبة قبل حسم القرار النهائي.