💬 NLP

Legal $Δ$ : Enhancing Legal Reasoning in LLMs via Reinforcement Learning with Chain-of-Thought Guided Information Gain

يُعد LegalΔ إطاراً للتعلم التعزيزي يعمل على تعزيز دقة وقابلية التفسير في الاستدلال القانوني لدى النماذج اللغوية الكبيرة من خلال تعظيم كسب المعلومات بين الإجابات المباشرة وسلسلة الأفكار، وذلك باستخدام تقنية تقطير المعرفة من DeepSeek-R1 وآلية مكافأة متعددة الأبعاد.

المؤلفون الأصليون: Xin Dai, Buqiang Xu, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Xiaoyuan Yi, Shuo Wang, Ge Yu

نُشر 2026-02-10

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Xin Dai, Buqiang Xu, Zhenghao Liu, Yukun Yan, Huiyuan Xie, Xiaoyuan Yi, Shuo Wang, Ge Yu

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

المشكلة: المحامي "سريع التفكير"

تخيل أنك في قاعة محكمة. يسأل القاضي سؤالاً معقداً حول قانون جديد. وبدلاً من شرح المنطق، يكتفي المحامي بالصراخ: "مذنب!" أو "غير مذنب!".

رغم أن الإجابة قد تكون صحيحة، إلا أن القاضي مستاء. لماذا؟ لأنه لم يكن هناك تفسير. لم يوجد "لماذا" أو "كيف". في عالم الذكاء الاصطناعي، يُسمى هذا "التفكير السريع". فنماذج اللغات الكبيرة (LLMs) غالباً ما تقفز مباشرة إلى الإجابة لتكون فعالة، ولكن في القانون، عملية الاستنتاج لا تقل أهمية عن الحكم النهائي. إذا لم يستطع الذكاء الاصطناعي إظهار خطوات عمله، فلا يمكننا الوثوق به.

الحل: Legal∆ (مدرب "التفكير العميق")

ابتكر الباحثون Legal∆، وهي طريقة جديدة لتدريب الذكاء الاصطناعي على التوقف عن العجلة والبدء في التفكير بعمق.

فكر في Legal∆ ليس ككتاب مدرسي، بل كـ مدرب مناظرة متخصص للغاية. فبدلاً من مجرد إخبار الذكاء الاصطناعي بأن "هذه الإجابة صحيحة"، يستخدم المدرب طريقة خاصة لمكافأة الذكاء الاصطناعي على جودة منطقه.

كيف يعمل: لحظة الـ "آها!" (كسب المعلومات)

هذا هو السر وراء الورقة البحثية. يستخدم الباحثون مفهوم "كسب المعلومات" (Information Gain).

تخيل أنك تحاول حل لغز ما.

السيناريو (أ): تخمن أن القاتل هو الخادم فوراً. ليس لديك أي أدلة. "ثقتك" ليست سوى مجرد تخمين محظوظ.
السيناريو (ب): تجد قفازاً ملطخاً بالدماء، ونافذة مكسورة، وملاحظة مشبوهة. وبينما تجمع هذه الخيوط معاً، تزداد يقينيتك. أنت لم تحصل على الإجابة فحسب، بل إن الأدلة نفسها جعلت الإجابة لا تقبل الشك.

يقوم Legal∆ بتدريب الذكاء الاصطناعي على البحث عن لحظة الـ "آها!" تلك.

يقارن الباحثون بين نسختين من الذكاء الاصطناعي:

الذكاء الاصطناعي الذي يحاول الإجابة بشكل مباشر ("الحدس").
الذكاء الاصطناعي الذي يستخدم سلسلة الأفكار ("المنطق خطوة بخطوة").

ينظر "المدرب" (نظام المكافأة) إلى الفرق بين هذين الأسلوبين. إذا جعل الاستنتاج "خطوة بخطوة" الذكاء الاصطناعي أكثر ثقة ودقة بشأن الإجابة، فإن المدرب يمنحه "نجمة ذهبية" كبيرة (مكافأة عالية).

أما إذا كان الاستنتاج مجرد "حشو" — بمعنى أن الذكاء الاصطناعي يكرر نفسه فقط دون اكتساب وضوح جديد فعلي — فإن المدرب يعطيه مكافأة منخفضة. هذا يجبر الذكاء الاصطناعي على التوقف عن "الهلوسة" بمنطق زائف والبدء في بناء روابط حقيقية وذات مغزى بين القواعد القانونية والحقائق.

النتائج: عقل قانوني أكثر ذكاءً

عندما اختبروا هذا "المدرب" على نماذج ذكاء اصطناعي مختلفة، كانت النتائج مبهرة:

دقة أفضل: لم يكتفِ الذكاء الاصطناعي بالحصول على إجابات أكثر صحة فحسب، بل أصاب في الإجابات "الصعبة" (مثل التنبؤ بالأحكام أو تحليل القضايا المعقدة).
تركيز أفضل: بدأ الذكاء الاصطناعي في إعطاء اهتمام أكبر لـ "الرموز القانونية" (legal tokens) — وهي المصطلحات القانونية المحددة والثقيلة التي تهم حقاً في القضية.
تعميم أفضل: حتى عندما واجه الذكاء الاصطناعي مشكلات قانونية لم يسبق له رؤيتها، لم يصِب بالذعر. ولأنه تعلم كيفية التفكير المنطقي بدلاً من مجرد كيفية الحفظ، استطاع التعامل مع التحديات الجديدة.

ملخص موجز

يحول Legal∆ الذكاء الاصطناعي من طالب يحفظ الإجابات إلى طالب يفهم المنطق. إنه يستخدم "مكافأة" رياضية لضمان أن كل خطوة من خطوات استنتاج الذكاء الاصطناعي تضيف قيمة فعلية، مما يجعل الذكاء الاصطناعي مساعداً قانونياً أكثر موثوقية، وجديرة بالثقة، و"عميق التفكير".

ملخص تقني: Legal $\Delta$

Legal $\Delta$ هو إطار عمل جديد للتعلم التعزيزي (Reinforcement Learning) مصمم لتعزيز قدرات الاستدلال القانوني للنماذج اللغوية الكبيرة (LLMs). وهو يعالج تحديداً ميل النماذج اللغوية القانونية الحالية إلى الانخراط في "التفكير السريع" (تقديم إجابات مباشرة دون استدلال صريح)، مما يحد من موثوقيتها وقابليتها للتفسير في السيناريوهات القضائية المعقدة.

1. المشكلة: الاستدلال السطحي في النماذج اللغوية القانونية

بينما حققت أنظمة الذكاء الاصطناعي القانوني (LegalAI) خطوات واسعة في الأتمتة، إلا أنها تواجه تحديين رئيسيين:

الافتقار إلى التبرير الصارم: غالباً ما تكتفي النماذج بالإجابات المباشرة، متجاوزةً "سلسلة الأفكام" (Chain-of-Thought - CoT) متعددة الخطوات الضرورية للمنطق القانوني المعقد.
محدودية التعلم التعزيزي بالجوائز القابلة للتحقق (RLVR) الحالية: يركز التعلم التعزيزي الحالي القائم على الجوائز القابلة للتحقق بشكل أساسي على صحة الإجابة النهائية. ويتجاهل هذا النهج جودة وعمق عملية الاستدلال، مما قد يكافئ النماذج التي تصل إلى الإجابة الصحيحة عبر منطق معيب أو سطحي.

2. المنهجية: التعلم التعزيزي الموجه بزيادة المعلومات

يقترح المؤلفون خط معالجة تدريبي يتكون من مرحلتين مبني على نموذج تحسين السياسة النسبي للمجموعات (GRPO):

المرحلة الأولى: الضبط الدقيق الخاضع للإشراف (SFT): يتم تدريب النموذج أولاً على مجموعات بيانات قانونية عالية الجودة ومعززة بالاستدلال (مستخلصة من DeepSeek-R1) لمحاكاة سلوكيات الاستدلال التي تشبه سلوك الخبراء.
المرحلة الثانية: التعلم التعزيزي باستخدام زيادة المعلومات: هذا هو الابتكار الجوهري. فبدلاً من مجرد مكافأة الإجابة الصحيحة، يقدم Legal $\Delta$ مكافأة معززة بزيادة المعلومات ( $R_{info}$ ).

آلية زيادة المعلومات:
يقيس الإطار "قيمة" سلسلة الاستدلال من خلال قياس التحول الدلالي الذي تسببه في التمثيل الداخلي للنموذ de. وهو يستفيد من التكافؤ الرياضي بين "اللوجيتس" (Logits) الخاصة بالنموذج وقيم Q (Q-values):

المقارنة ثنائية الوضع: يقارن النموذج بين مستوى ثقته (Logits) عند توليد إجابة مباشرة مقابل استخدامه لسلسلة استدلال ( $r$ ).
حساب $\Delta Q$ : يحسب الفرق في قيم Q: $\Delta Q(r) = \text{logits}_{\theta}(a|q, r) - \text{logits}_{\theta}(a|q)$ .
التفسير المعلوماتي: يتم تفكيك $\Delta Q$ $Δ Q$ إلى جزأين:
- المعلومات المتبادلة النقطية (PMI): تقيس مدى ارتباط عملية الاستدلال بالإجابة المحددة.
- منظم الثقة العالمي: يقيس ما إذا كان الاستدلال يزيد من حسم النموذج الإجمالي (تقليل الغموض).
تعديل المكافأة: المكافأة النهائية هي حاصل ضرب الصحة القانونية ( $R_{legal}$ ) ونسخة معدلة بدالة "سيجمويد" (Sigmoid) من زيادة المعلومات هذه، مما يضمن مكافأة النموذج على استدلال يكون صحيحاً ومعلوماتياً في آن واحد.

3. المساهمات الرئيسية

تصميم مبتكر للمكافأة: قدم آلية مكافأة تستخدم تحليل فرق قيم Q لقياس المساهمة الدلالية لخطوات الاستدلال.
تحسين سلسلة الأفكام (CoT): نجح في تجاوز "الصحة القابلة للتحقق" إلى تحسين عملية الاستدلال، مما يمنع التفسيرات المكررة أو السطحية.
التأسيس الرياضي: قدم رابطاً نظرياً بين توقع الرمز التالي (Next-token prediction) في "اللوجيتس" ودوال Q في التعلم التعزيزي لتبرير مقياس زيادة المعلومات.

4. النتائج التجريبية

تم اختبار الإطار على مقاييس مختلفة من النماذج اللغوية (Qwen2.5-7B و 14B) عبر مهام قانونية متعددة داخل النطاق وخارجه (مثل التنبؤ بالعقوبات، والتنبؤ بالتهم الجنائية، وتحليل القضايا).

أداء متفوق: تفوق Legal $\Delta$ على النماذج المرجعية القوية (بما في ذلك DPO و R1-Distill)، محققاً تحسناً متوسطاً بنحو 10% عبر مهام متعددة.
القدرة على التعميم: حافظ النموذج على مزاياه في الاختبارات خارج النطاق، مما يثبت أنه تعلم منطقاً قانونياً قوياً وليس مجرد حفظ الأنماط.
تعزيز الثقة والجودة: أكدت دراسات الاستئصال (Ablation studies) وتحليل "اللوجيتس" أن Legal $\Delta$ $Δ$ :
- زاد من ثقة النموذج (متوسط لوجيتس أعلى).
- زاد من "بروز الرموز القانونية" (النموذج يولي اهتماماً أكبر للمصطلحات ذات الأهمية القانونية).
- أنتج "ارتباكاً" (Perplexity) أقل في سلاسل الاستدلال، مما يشير إلى توليد نصوص ذات جودة أعلى.

5. الأهمية

يمثل Legal $\Delta$ خطوة هامة نحو ذكاء اصطنا-قانوني موثوق. فمن خلال تحفيز النماذج على "التفكير" بعمق أكبر وتوفير طريقة رياضية لمكافأة جودة التفكير، يعالج هذا الإطار الحاجة الماسة للقدرة على التفسير والدقة في أنظمة دعم القرار القضائي. كما يوفر مخططاً لتطبيق المبادئ المعلوماتية لتحسين الاستدلال في المجالات المتخصصة وعالية المخاطر.