«سكابو» يعيد ضبط مكافآت الاستدلال: الاستقرار شبه الواقعي يفكك الارتباطات الزائفة في تدريب النماذج

تكشف الأبحاث الجديدة في تقنيات التعلم المعزز بمكافآت قابلة للتحقق أن النماذج اللغوية الكبيرة، رغم تفوقها في حل المسائل المعقدة، ما تزال شديدة التأثر بالتغييرات الطفيفة في صياغة الأوامر التي لا علاقة لها بأصل المسألة. هذا الضعف دفع فريقا بحثيا يضم جونشو بان وسبعة باحثين إلى تقديم ورقة علمية عبر منصة أركايف، يحللون فيها كيفية تباين حساسية الرموز داخل مسارات التفكير، واقتراح طريقة مبتكرة لضبط أوزان المكافآت أثناء التدريب لفك الارتباطات السطحية التي تعيق تعميم النماذج.

تمنح خوارزميات تحسين السياسة النسبية الجماعية مكافأة النتيجة النهائية بالتساوي لكل رمز في الإجابة، وهو ما يعزز بالخطأ خطوات استدلالية عشوائية أو هشة تزامنت فقط مع التوصل إلى الحل الصحيح. واجه الباحثون هذه المعضلة باختبار تدخلات شبه واقعية في الأوامر، وهي تعديلات تحافظ على جوهر المسألة وحلها الأصلي لكنها تغير صياغتها الجانبية. وأظهرت نتائج التحليل أن قمع الرموز ذات معدلات الانحراف العالية أثناء مرحلة فك الترميز يسهم وحده في رفع دقة الاستدلال دون تعديل أوزان النموذج.

انطلاقا من هذا الرصد السببي، طور الفريق خوارزمية «سكابو» كنسخة معدلة من تحسين السياسة الجماعية، تدمج معيار الاستقرار شبه الواقعي في آلية توزيع المكافآت على مستوى الرمز المنفرد. تقيس الخوارزمية مدى انحراف احتمالية كل رمز تحت تأثير التعديلات التجريبية، وتستخدم درجات استقرار موحدة لتقليص مكاسب الرموز غير المستقرة في المراحل المبكرة من التدريب، دون منح أي رصيد إضافي لمجرد الاستقرار وحده. وعند تطبيق المنهجية على نسختي نموذج «كيووين 3» بحجم 4 مليارات و1.7 مليار معامل، رفعت الدقة في اختبارات مسابقة الرياضيات الأمريكية للأعوام بين 2024 و2026 بنحو 5.63 و4.17 نقطة مئوية مقارنة بالخوارزمية القياسية، محققة أفضل النتائج في معظم اختبارات الرياضيات وكافة اختبارات التعميم خارج التوزيع التجريبي.

نرى في هذا التطور التقني تحولا ملموسا ينعكس مباشرة على المهندسين ومختبرات الذكاء الاصطناعي في الخليج ومصر والشام، وتحديدا الفرق التي تدرب نماذج مفتوحة المصدر لمهام التحليل المالي والاستشارات القانونية والبرمجة. الاعتماد الشائع على مكافأة النتيجة النهائية يورط فرق التطوير في نماذج تبدو متفوقة في التجارب المغلقة، لكنها تصبح مشوشة حين تتغير لهجة أو صيغة استفسارات المستخدمين الحقيقيين. وتبني معايير استقرار الرموز يتيح للمطورين في بيئات العمل المحلية تحسين متانة النماذج المدمجة والصغيرة، ما يقلص كلفة الحوسبة المهدرة في تدريب متكرر لنماذج هشة الاستدلال.

محاسبة كل خطوة استدلالية على حدة بدلا من الاكتفاء بتقييم النتيجة العامة هي المسار الحقيقي لنضج وكلاء الذكاء الاصطناعي. ومع نشر الباحثين للشفرة المصدرية علنا، يمكن لفرق هندسة النماذج استيعاب منطق خوارزمية «سكابو» وتطبيقه على أوزان النماذج المفتوحة، ما يمنحك كمهندس برمجيات أو باحث في الذكاء الاصطناعي أداة عملية لرفع كفاءة التفكير التوليدي وتقليل الاعتماد على استدلال الحفظ العشوائي.