💬 NLP

GeometryZero: Advancing Geometry Solving via Group Contrastive Policy Optimization

تقدم الورقة البحثية GeometryZero، وهي عائلة من نماذج الاستدلال الهندسي منخفضة التكلفة التي تستفيد من إطار عمل جديد لـ "تحسين سياسة التباين الجماعي" (GCPO) لتدريب النماذج الأصغر بفعالية على البناء المساعد والاستدلال الهندسي، متفوقة بذلك على النماذج المرجعية الحالية للتعلم التعزيزي في المعايير القياسية.

المؤلفون الأصليون: Yikun Wang, Yibin Wang, Dianyi Wang, Zimian Peng, Qipeng Guo, Dacheng Tao, Jiaqi Wang

نُشر 2026-04-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yikun Wang, Yibin Wang, Dianyi Wang, Zimian Peng, Qipeng Guo, Dacheng Tao, Jiaqi Wang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

🎨 الصورة الكبيرة: تعليم روبوت كيف يرسم

تخيل أنك تحاول تعليم روبوت حل مسائل الهندسة. بعض المسائل سهلة: "إذا كان للمثلث زاويتان قياس كل منهما 45 درجة، فما هي الزاوية الثالثة؟" يمكن للروبوت مجرد التفكير والإجابة.

لكن مسائل أخرى تشبه العقدة المتشابكة. لفك هذه العقدة، تحتاج إلى رسم خط جديد (خط مساعد) ليس موجوداً في الرسم الأصلي. هذا الخط الجديد يعمل كاختصار سري يكشف الإجابة.

المشكلة هي أن معظم نماذج الذكاء الاصطناعي إما:

غبية جداً: لا تستطيع رسم الخطوط أو التفكير بشكل جيد.
مكلفة جداً: تعتمد على حواسيب ضخمة وفائقة القوة (مثل GPT-4o) لحل المشكلات.
متهورة جداً: تحاول رسم خط جديد في كل مسألة، حتى عندما لا يكون ذلك ضرورياً. هذا يشبه محاولة إصلاح إطار سيفر عبر استبدال محرك السيارة بالكامل—فهذا يهدر الوقت وغالباً ما يجعل الأمور أسوأ.

GeometryZero هو روبوت جديد، ميسور التكلفة وذكي، يتعلم بالضبط متى يرسم خطاً جديداً ومتى يكتفي بالتفكير فقط.

🧠 المشكلة الجوهرية: "الرسام المندفع"

لاحظ الباحثون أن الطرق السابقة (التي تستخدم تقنية تسمى GRPO) كانت تشبه طالباً قيل له: "ستحصل على نجمة ذهبية في كل مرة ترسم فيها خطاً جديداً!"

لذلك، بدأ الطالب يرسم الخطوط في كل مكان.

المسألة (أ): كانت تحتاج لخط. رسم الطالب خطاً. ✅ نجمة ذهبية.
المسألة (ب): لم تكن تحتاج لخط. رسم الطالب خطاً على أي حال. ❌ نجمة ذهبية (لأن القاعدة كانت مجرد "ارسم").
النتيجة: أصيب الطالب بالارتباك، وأهدر الطاقة، وأحياناً رسم الخط الخاطئ، مما أدى إلى إجابة خاطئة.

لقد كان الذكاء الاصطناعي يُكافأ على القيام بالفعل، وليس على حل المسألة.

💡 الحل: "تحسين السياسة التباينية الجماعية" (GCPO)

ابتكر المؤلفون طريقة تدريب جديدة تسمى GCPO. لنسمِّها طريقة "المدرب الذكي".

بدلاً من مجرد قول "ارسم خطاً!"، يقوم المدرب الذكي بإجراء محاكاة ذهنية قبل إعطاء المكافأة. إليك كيف يعمل الأمر:

1. لعبة "ماذا لو" (القناع التبايني الجماعي)

تخيل أن الذكاء الاصطناعي محقق. لكل لغز (مسألة هندسية)، يطلب المدرب من الذكاء الاصطناعي تجربة استراتيجيتين مختلفتين:

المجموعة (أ) (الرسام): "حاول حل هذه المسألة عن طريق رسم خط جديد."
المجموعة (ب) (المفكر): "حاول حل هذه المسألة بدون رسم خط جديد."

ثم ينظر المدرب إلى النتائج:

السيناريو 1: الرسام حل المسألة، بينما فشل المفكر.
- حكم المدرب: "عمل رائع برسم هذا الخط! لقد كان ضرورياً. مكافأة!"
السيناريو 2: المفكر حل المسألة بسهولة، بينما ارتبك الرسام وفشل.
- حكم المدرب: "لقد أضعت الوقت في رسم خط لم يكن مطلوباً. في الواقع، لقد أضرّ بك. عقوبة!"
السيناريو 3: كلاهما حل المسألة (أو كلاهما فشل).
- حكم المدرب: "لم يكن الأمر مهماً. لا توجد مكافأة ولا عقوبة."

هذا يعلم الذكاء الاصطناعي أن يكون تمييزياً. إنه يتعلم أن رسم الخط هو أداة، وليس عادة. هو يستخدم الأداة فقط عندما تساعده فعلياً.

2. مكافأة "المفكر العميق" (مكافأة الطول)

غالباً ما يتطلب حل مسائل الهندسة الصعبة سلسلة طويلة من الأفكار. إذا تسرع الذكاء الاصطناعي للوصة إلى الإجابة، فقد يفوت خطوة ما.
يضيف المدرب مكافأة صغيرة على التفكير لفترة أطول وأعمق (طالما أن الإجابة صحيحة). هذا يشجع الذكاء الاصطناعي على بناء جسر منطقي متين بدلاً من التخمين.

🏆 النتيجة: GeometryZero

باستخدام طريقة "المدرب الذكي" هذه، ابتكر الباحثون GeometryZero.

إنه صغير: يعمل على نماذج صغيرة تبدأ من 1.5 مليار أو 7 مليارات معلمة (أرخص بكثير من النماذج العملاقة).
إنه ذكي: يعرف متى يتوقف ويفكر، ومتى يمسك بالقلم ويرسم خطاً جديداً.
إنه يفوز: في الاختبارات (مثل Geometry3K و MathVista)، تفوق GeometryZero على نماذج الذكاء الاصطناعي الأخرى التي استخدمت طرق تدريب "متهورة" قديمة.

🚀 الخلاصة

فكر في GeometryZero كطالب تعلم الفرق بين الدراسة بجهد والدراسة بذكاء.

الذكاء الاصطناعي القديم: "سأرسم خطاً في كل صفحة!" (هدر للطاقة وارتباك).
GeometryZero: "هممم، هذه الصفحة تبدو صعبة. سأرسم خطاً هنا. لكن الصفحة التالية بسيطة؛ سأكتفي بقراءتها فقط." (كفاءة ودقة).

يثبت هذا البحث أنك لست بحاجة إلى حاسوب خارق لحل مسائل الهندسة المعقدة؛ أنت فقط بحاجة إلى طريقة أذكى لتعليم الكمبيوتر متى يستخدم أدواته.

إليك ملخص تقني مفصل لورقة البحث بعنوان "GeometryZero: تعزيز حل المسائل الهندسية عبر تحسين السياسة التباينية للمجموعات".

1. بيان المشكلة

لا يزال حل المسائل الهندسية يمثل تحديًا كبيرًا للنماذج اللغوية الكبيرة (LLMs)، لا سيما عندما تتطلب المسائل إنشاءات مساعدة (مثل إضافة خطوط أو نقاط أو أشكال إلى الرسم التوضيحي للكشف عن علاقات خفية).

القيود الحالية: تعتمد الطرق الموجودة إما على مجموعات بيانات خاضعة للإشراف ضخمة (تفتقر إلى قدرات التصحيح الذاتي) أو تعتمد على نماذج ضخمة للغاية (مثل GPT-4o وGemini) التي تكون مكلفة حوسبيًا.
فجوة التعلم التعزيزي (RL): في حين أن التعلم التعزيزي باستخدام المكافآت القابلة للتحقق (RLVR)، وتحديدًا خوارزمية GRPO (تحسين السياسة النسبي للمجموعات)، قد أظهر وعودًا في تدريب النماذج الأصغر على التفكير المنطقي، إلا أن تطبيقها بشكل عشوائي على الهندسة يفشل. تستخدم GRPO القياسية مكافآت غير مشروطة، مما يشجع النماذج على تطبيق الإنشاءات المساعدة بشكل عشوائي حتى عندما تكون غير ضرورية أو ضارة. يؤدي هذا إلى "الإفراط في التفكير" أو مسارات استدلال خاطئة.
التحدي الجوهري: كيفية تدريب نماذج متوسطة الحجم لتقرر ذاتيًا متى تستخدم الإنشاءات المساعدة ومتى تعتمد على الاستدلال المباشر، دون الاعتماد على أعداد هائلة من المعلمات (parameters) أو تعليقات بشرية مكلفة.

2. المنهجية: تحسين السياسة التباينية للمجموعات (GCPO)

يقترح المؤلفون GCPO، وهو إطار عمل جديد للتعلم التعزيزي مصمم لتعليم النماذج المنفعة الشرطية للأدوات المساعدة. يقوم GCPO بتعديل خوارزمية GRPO القياسية بمكونين رئيسيين:

أ. القناع التبايني للمجموعات (Group Contrastive Masking)

بدلاً من معاملة جميع محاولات الإنشاء المساعدة كأمر إيجابي، يقدم GCPO آلية قناع ديناميكية تعتمد على المنفعة السياقية للإنشاء.

الآلية: أثناء التدريب، لكل مسألة، تولد المجموعة ثلاث مجموعات من المخرجات (rollouts/responses):
1. مجموعة المعيار ( $O$ ): استدلال طبيعي.
2. مجموعة مع الإنشاء ( $O_w$ ): مُجبرة على تضمين محاولات إنشاء مساعدة.
3. مجموعة بدون إنشاء ( $O_{wo}$ ): مُجبرة على الامتناع عن الإنشاء المساعد.
منطق المكافأة: يقارن النظام متوسط مكافآت الدقة لـ $O_w$ $O_{w}$ و $O_{wo}$ $O_{w o}$ .
- إذا كان $E(R_{acc}(O_w)) > E(R_{acc}(O_{wo})) + \epsilon$ : يُعتبر الإنشاء المساعد مفيدًا. يحصل النموذج على مكافأة إيجابية على الإنشاء.
- إذا كان $E(R_{acc}(O_w)) + \epsilon < E(R_{acc}(O_{wo}))$ : يكون الإنشاء ضارًا. يتلقى النموذج مكافأة سلبية (عقوبة) على الإنشاء.
- خلاف ذلك: يتم حجب المكافأة لتصبح صفرًا.
الهدف: هذا يعلم النموذج التمييز بين السيناريوهات التي يكون فيها "فعل المزيد" (إضافة خطوط) مفيدًا مقابل السيناريوهات التي يكون فيها ضارًا.

ب. مكافأة الطول (Length Reward)

مستلهمًا من تحسين السياسة المتحكم في الطول (LCPO)، يقدم GCPO مكون مكافأة يشجع على سلاسل الاستدلال الأطول.

المبرر: يتطلب الاستدلال الهندسي المعقد، خاصة الذي يتضمن إنشاءات مساعدة، تحليلًا أعمق ومتعدد الأبعاد.
التنفيذ: تُضاف مكافأة بناءً على عدد الرموز (tokens) في الاستجابة (حتى حد أقصى)، مما يشجع النموذج على استكشاف مسارات استدلال أكثر شمولاً بدلاً من التسرع في الوصول إلى نتيجة.

ج. عائلة نماذج GeometryZero

بناءً على GCPO، درب المؤلفون GeometryZero، وهي عائلة من النماذج خفيفة الوزن (1.5B، 3B، و7B بارامتر) تعتمد على بنية Qwen2.5. تم تدريب هذه النماذج على:

تحويل الرسوم البيانية المرئية إلى لغات رسمية (كود TikZ أو أشكال منطقية).
تقرير ما إذا كان سيقوم بإنشاء كود إنشاء مساعد بشكل مستقل.
إجراء استدلال سلسلة الأفكال (Chain-of-Thought) لحل المسألة.

3. المساهمات الرئيسية

استخدام الأدوات الشرطي: تثبت الورقة أن النماذج اللغوية الكبيرة يمكن تدريبها لاستخدام الإنشاءات المساعدة بشكل انتقائي بدلاً من تطبيقها دون تمييز. ويتم تحقيق ذلك من خلال آلية القناع التبايني للمجموعات المبتكرة.
إطار عمل GCPO: خوارزمية تعلم تعزيزي جديدة تدمج المكافآت القابلة للتحقق مع القناع الشرطي ومكافآت الطول، والمصممة خصيصًا للاستدلال الهندسي.
نماذج GeometryZero: سلسلة من النماذج مفتوحة المصدر ومنخفضة التكلفة (1.5B–7B) تحقق أداءً رائدًا في اختبارات الهندسة، متفوقة على النماذج الأكبر بكثير ونماذج RL الأخرى.
التحقق التجريبي: تجارب واسعة النطاق تظهر أن GCPO يمكّن النماذج من تطوير "لحظات الإدراك" (التصحيح الذاتي والتفكير) والنمو الفعال عبر أحجام النماذج المختلفة.

4. النتائج التجريبية

تم تقييم النماذج على أربعة اختبارات مرجعية: Geomverse، وGeometry3K (داخل النطاق)، وMathVista، وOlympiadBench (خارج النطاق).

الأداء مقابل النماذج المرجعية:
- حقق GeometryZero-7B متوسط درجة 57.47، متفوقًا على نموذج GRPO المرجعي (55.63) ونموذج ToRL المرجعي (54.72).
- تفوق بشكل كبير على نموذج Qwen2.5-7B-Instruct الأساسي (48.30) والمتغيرات التي تعتمد على SFT فقط.
- في OlympiadBench، سجل GeometryZero-7B درجة 45.69، متجاوزًا نموذج GRPO المرجعي (40.32).
المقارنة مع النماذج الكبيرة:
- تفوق GeometryZero-7B على GPT-4o وGemini في مهام هندسية محددة في بعض السياقات، وتفوق بشكل كبير على نموذج 14B Qwen بدون تدريب متخصص.
- في مهام البرهان الهندسي (UniGeo)، حقق GeometryZero-14B نسبة 72.2%، مقلصًا الفجوة مع AlphaGeometry (94.4%) ومتفوقًا بشكل كبير على GPT-4o (74.1%) والنموذج الأساسي 14B (64.8%).
دراسات الاستئصال (Ablation Studies):
- أدى إزالة القناع التبايني للمجموعات (العودة إلى المكافآت غير المشروطة مثل ToRL) إلى انخفاض الأداء، مما يؤكد أن معرفة متى يتم الإنشاء لا تقل أهمية عن معرفة كيفية الإنشاء.
- أدت إزالة مكافأة الطول إلى تقليل الأداء، مما يسلط الض الضوء على الحاجة إلى سلاسل استدلال ممتدة.
تعميم الرؤية واللغة: عند تطبيقه على Qwen2.5-VL-7B (الذي يعالج الصور مباشرة)، لا تزال الطريقة تحسن الأداء، وإن كان الاستدلال النصي فقط مع التمثيل باللغة الرسمية أثبت فعالية أكبر قليلاً من المعالجة البصرية المباشرة لهذه المهام المحددة.

5. الأهمية

فعالية التكلفة: يثبت GeometryZero أن الاستدلال الهندسي رفيع المستوى لا يتطلب نماذج ضخمة (مثل 70B+) أو واجهات برمجة تطبيقات مملوكة ومكلفة. يمكن للنماذج الصغيرة مفتوحة المصدر تحقيق نتائج تنافسية مع منهجية التدريب الصحيحة.
الاستدلال الاستراتيجي: ينقل هذا العمل النموذج من "المزيد من الأدوات = أفضل" إلى "الاستخدام الاستراتيجي للأدوات". من خلال تعليم النماذج متى يكون الإنشاء المساعد غير منتج، فإنه يقلل من الهلوسة والأخطاء المنطقية.
القابلية للتوسع: تظهر الطريقة قوانين توسع ثابتة؛ فمع زيادة حجم النموذج من 1.5B إلى 7B، تصبح فوائد GCPO أكثر وضوحًا، مما يشير إلى مسار قابل للتطبيق لأنظمة الاستدلال الهندسي المستقبلية.
العلم المفتوح: تم إتاحة الكود والنماذج كمصادر مفتوحة، مما يوفر خط أساس قوي للأبحاث المستقبلية في الاستدلال متعدد الوسائط والتعامل مع الأدوات المدعومة بالنماذج اللغوية الكبيرة.

باختصار، يعالج GeometryZero الاختناق الحرج في الاستدلال الهندسي من خلال تقديم إطار عمل للتعلم التعزيزي يتعلم توقيت وضرورة الإنشاءات المساعدة، مما يمكن النماذج الصغيرة من حل المسائل الهندسية المعقدة بدقة الأنظمة الأكبر بكثير.