🤖 AI

Reasoning While Asking: Transforming Reasoning Large Language Models from Passive Solvers to Proactive Inquirers

تقدم هذه الورقة البحثية "الاستنتاج التفاعلي الاستباقي" (PIR)، وهو نموذج جديد يحول نماذج اللغات الكبيرة الاستنتاجية من مجرد حلال للمشكلات بشكل سلبي إلى مستقصٍ استباقي عبر دمج الاستنتاج الداخلي مع استيضاحات المستخدم لمعالجة عدم اليقين في المقدمات والقصد، مما يؤدي إلى تحسين الدقة والكفاءة بشكل كبير مع تقليل التكاليف الحسابية.

المؤلفون الأصليون: Xin Chen, Feng Jiang, Yiqian Zhang, Hardy Chen, Shuo Yan, Wenya Xie, Min Yang, Shujian Huang

نُشر 2026-05-29

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Xin Chen, Feng Jiang, Yiqian Zhang, Hardy Chen, Shuo Yan, Wenya Xie, Min Yang, Shujian Huang

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

إليك شرح لورقة "التفكير أثناء السؤال" (PIR) بلغة بسيطة، يومية، وباستخدام التشبيهات لجعل المفاهيم واضحة.

المشكلة: الطالب "المُفرط في التفكير"

تخيل أنك معلم تطلب من طالب حل مسألة رياضية. هذا الطالب ذكي للغاية وحفظ آلاف المعادلات، لكن لديه عادة غريبة: إنه لا يطلب التوضيح أبداً.

إذا قلت له: "أصلح نص البرمجة الخاص بالبيانات"، فإن الطالب لا يسأل: "أي نص؟ وما هو التنسيق المطلوب؟". بدلاً من ذلك، يبدأ فوراً في كتابة مقال مكون من 2000 كلمة يتكهن فيه بما قد تقصده. قد يخمن النص الخطأ، أو يعلق في منتصف الحل، أو يبتدع حلاً يبدو جيداً ولكنه خاطئ (هلوسة)، ويضيع كمية هائلة من الوقت والطاقة. هذا ما تسميه الورقة البحثية "التفكير الذاتي الأعمى" (Blind Self-Thinking). النماذج الحالية للذكاء الاصطعي تشبه هذا الطالب: فهي متحمسة جداً للتفكير لدرجة أنها تنسى التأكد مما إذا كانت تملك بالفعل جميع الحقائق.

الحل: "المحقق الاستباقي" (PIR)

يقترح المؤلفون طريقة جديدة لعمل الذكاء الاصطناعي تسمى التفكير التفاعلي الاستباقي (Proactive Interactive Reasoning - PIR). فبدلاً من أن يكون حلالاً للمشكلات سلبياً يكتفي بالتخمين، يصبح الذكاء الاصطناعي محققاً استباقياً.

فكر في الأمر كأنك محقق يحل جريمة. إذا قال شاهد عيان: "رأيت سيارة"، فإن المحقق لا يكتب فوراً تقريراً عن "سيارة سيدان زرقاء". بدلاً من ذلك، يسأل المحقق: "ما لونها؟ هل كانت مسرعة؟ هل رأيت لوحة الترخيص؟".

يعلم نظام (PIR) الذكاء الاصطناعي القيام بالشيء نفسه:

التوقف والتحقق: قبل الغوص في عملية تفكير طويلة، يتحقق الذكاء الاصطناعي من مستوى ثقته بنفسه. "هل أعرف حقاً ما يكفي لحل هذا؟".
السؤال أولاً: إذا شعر الذكاء الاصطناعي بعدم اليقين (مثل محقق ينقصه دليل)، فإنه يتوقف ويسأل المستخدم سؤالاً محدداً للحصول على المعلومة الناقصة.
الحل بكفاءة: بمجرد أن يجيب المستخدم، يستخدم الذكاء الاصطناوي تلك المعلومة الجديدة لحل المشكلة بسرعة ودقة، دون إضاعة الوقت في تخمينات جامحة.

كيف علموا الذكاء الاصطناعي القيام بذلك؟

لم يكتفِ الباحثون بإخبار الذكاء الاصطناعي بـ "اسأل الأسئلة" فحسب، بل بنوا "صالة ألعاب رياضية تدريبية" تتكون من مرحلتين محددتين:

المرحلة الأولى: تدريب "السيناريو" (الضبط الدقيق الخاضع للإشراف)
تخيل تعليم موظف جديد من خلال إعطائه سيناريو مكتوب. أخذ الباحثون مشكلات موجودة بالفعل وأدخلوا فيها "لحظات شك" اصطناعية حيث كان ينبغي للذكاء الاصطناناعي أن يطرح سؤالاً. ثم كتبوا سيناريو حيث يسأل الذكاء الاصطناعي: "ماذا تقصد؟" ويجيب المستخدم. تدرب الذكاء الاصطناعي على قراءة هذه السيناريوهات حتى تعلم النمط الخاص بمتى يتوقف ويسأل.

المرحلة الثانية: تدريب "المحاكاة" (تحسين محاكي المستخدم)
هذا هو الجزء الذكي. لا يمكنك تدريب الذكاء الاصطناعي عبر جعله يتحدث مع بشر حقيقيين على مدار الساعة (لأن ذلك بطيء ومكلف جداً). لذا، قام الباحثون ببناء "محاكي مستخدم" (User Simulator)، وهو ذكاء اصطناعي آخر مبرمج ليلعب دور المستخدم البشري.

أنشأوا لعبة يحاول فيها الذكاء الاصطناعي الرئيسي حل مشكلة، بينما يقوم "محاكي المستخدم" بدور المستخدم.
إذا طرح الذكاء الاصطناعي الرئيسي سؤالاً جيداً أدى للحصول على الإجابة الصحيحة بسرعة، فإنه يحصل على درجة عالية (مكافأة).
إذا طرح الذكاء الاصطناعي الرئيسي الكثير من الأسئلة أو خمن بشكل أعمى، فإنه يحصل على درجة منخفضة.
مع مرور الوقت، يتعلم الذكاء الاصطناعي التوازن المثالي: يسأل بما يكفي ليكون متأكداً، ولكن ليس كثيراً بحيث يزعج المستخدم.

النتائج: أسرع، أذكى، وأقل هدراً

اختبرت الورقة هذا "الذكاء الاصطناعي المحقق" في ثلاثة أنواع من المهام: الرياضيات، البرمجة، وتحرير المستندات. وإليك ما حدث مقارنة بذكاء "المُفرط في التفكير" القديم:

دقة أفضل: حصل الذكاء الاصطنا_الجديد على الإجابة الصحيحة في كثير من الأحيان (أفضل بنسبة تصل إلى 32% في بعض الاختبارات الرياضية) لأنه لم يخمن عند نقص المعلومات.
هدر أقل: استخدم حوالي نصف قوة الحوسبة (الرموز/Tokens). فبدلاً من كتابة تخمين من 2000 كلمة، طرح سؤالاً واحداً وكتب حلاً من 500 كلمة.
عدد جولات أقل: رغم أنه طرح أسئلة، إلا أن العدد الإجمالي للرسائل المتبادلة كان أقل. وذلك لأنه حل المشكلة بشكل صحيح من المرة الأولى، بدلاً من الاضطرار للعودة وتصحيح تخمين خاطئ لاحقاً.
اختبار العالم الحقيقي: في اختبار أعمى مع بشر حقيقيين، فضل المشاركون الذكاء الاصطناعي الجديد. لقد أحبوا حقيقة أنه لا "يهلوس" (يختلق أشياء) عندما تنقص المعلومات، وشعروا أنه أكثر فائدة وكفاءة.

الملخص

تقدم الورقة نظاماً يمنع الذكاء الاصطناعي من "التفكير المفرط الأعمى". فمن خلال تدريب الذكاء الاصطناعي على إدراك متى يكون مرتبكاً وطلب المساعدة قبل التخمين، يصبح شريكاً أكثر كفاءة ودقة وسهولة في الاستخدام. إنه يحول الذكاء الاصطناعي من طالب يخمن الإجابة إلى محقق يجمع الحقائق أولاً.

ملخص تقني: التفكير أثناء السؤال (PIR)

بيان المشكلة

تعمل النماذج اللغوية الكبيرة (LLMs) الموجهة نحو الاستدلال حالياً، مثل GPT-o1 وDeepSeek-R1، وفق نموذج "التفكير الذاتي الأعمى". وبينما تتفوق هذه النماذج في توليد مسارات "سلسلة أفكار" (CoT) داخلية، إلا أنها تفتقر بشكل أساسي إلى القدرة على إدراك متى يكون استدلالها غير مدعوم بالمعلومات الكافية أو مبنياً على تعليمات مستخدم غامضة. وعند مواجهة مقدمات ناقصة أو غامضة — وهو أمر شائع في التفاعلات الواقعية — تميل هذه النماذج إلى الاستمرار في التفكير الداخلي المطول بغض النظر عن المقدمات المفقودة. يؤدي هذا السلوك إلى "الإفراط في التفكير"، والهلوسة، والاستنتاجات غير المتوافقة، وهدر حسابي كبير. علاوة على ذلك، غالباً ما تظل النماذج اللغوية التفاعلية الحالية "حلالة مشكلات سلبية"، حيث تستجيب لتعليقات المستخدم فقط بعد وقوع الأخطاء بدلاً من تقليل الغموض بشكل استباقي أثناء عملية الاستدلال.

المنهجية: الاستدلال التفاعلي الاستباقي (PIR)

يقترح المؤلفون الاستدلال التفاعلي الاستباقي (PIR)، وهو نموذج يحول النماذج اللغوية الكبيرة من حلالات مشكلات سلبية إلى مستفسرين استباقيين. يقوم نظام PIR بالتداخل بين الاستدلال والاستيضاح، مما يسمح للنماذج باكتشاف المقدمات المفقودة وبدء التفاعل مع المستخدم ذاتياً. يتم تنفيذ الإطار عبر مرحلتين متميزتين:

المرحلة الأولى: تفعيل القدرة التفاعلية (ضبط دقيق موجه للوعي بعدم اليقين)

لتزويد النماذج بالقدرة الهيكلية على طرح الأسئلة، قدم المؤلفون إجراء ضبط دقيق موجه للوعي بعدم اليقين (Uncertainty-Aware SFT).

اكتشاف عدم اليقين: يقوم النظام بحساب الإنتروبيا التنبؤية (PE) لخطوات الاستدلال. ويتم تحديد الخطوات ذات الـ PE العالي (التي تشير إلى انخفاض ثقة النموذج) كنقاط قرار حرجة.
تعزيز البيانات: عند نقاط عدم اليقين العالية هذه، يتم تحويل مسارات سلسلة الأفكار (CoT) الخطية إلى تنسيق "تفكير-سؤال-استجابة" متداخل. حيث يقوم نموذج قوي في اتباع التعليمات (مثل GPT-4o-mini) بإدراج سؤال استيضاحي ومحاكاة استجابة مستخدم مقابلة.
التدريب: يتم ضبط النموذج بدقة على هذه المسارات المعززة لتعلم النمط السببي: عدم اليقين ← استيضاح ← استدلال محسّن.

المرحلة الثانية: مواءمة قصد المستخدم (US-GRPO)

لتحسين متى وكيفية السؤال بكفاءة، طور المؤلفون تحسين السياسة النسبي للمجموعة باستخدام محاكي المستخدم (US-GRPO).

محاكي المستخدم الديناميكي: يقوم محاكي مستخدم $S$ ، المشروط بقصد مستخدم محدد $I$ ، بتوليد استجابات متسقة مع الهدف الأساسي. وهذا يخلق بيئة قابلة للتحكم للتدريب دون تكلفة التفاعل البشري الحقيقي.
دالة المكافأة المركبة: يتم توجيه التحسين بواسطة دالة مكافأة $R(y)$ $R (y)$ تجمع بين:
1. مكافأة المخرجات ( $R_{output}$ ): تضمن مطابقة الإجابة النهائية للحقيقة الأرضية.
2. مكافأة الاستدلال ( $R_{reason}$ ): تُقيم فقط عندما تكون الإجابة صحيحة، وتعمل هذه المكونة على موازنة الكفاءة (مع فرض عقوبة على جولات التفاعل الزائدة) والفائدة (تقييم جودة أسئلة الاستيضاح عبر حكم يعتمد على نموذج لغوي كبير).
التحسين: باستخدام خوارزمية GRPO، يتعلم النموذج إعطاء الأولوية لحل القصد على التفكير الذاتي غير المستند إلى أساس، مما يقلل من الدورات غير الضرورية مع تعظيم نجاح المهمة.

المساهمات الرئيسية

صياغة "التفكير الذاتي الأعمى": حددت الورقة وصاغت رسمياً القصور الذي تفشل فيه نماذج الاستدلال في إدراك المعلومات المفقودة، مما يؤدي إلى الهلوسة وعدم الكفاءة.
إطار عمل PIR: إطار عمل جديد مكون من مرحلتين (Uncertainty-Aware SFT + US-GRPO) يمكّن النماذج من اكتشاف عدم اليقين استباقياً وبدء الاستيضاح.
خوارزمية US-GRPO: طريقة تعلم تعزيزي تتضمن محاكي مستخدم ديناميكي ونظام مكافأة مركباً (يوازن بين الدقة، والفائدة، والكفاءة) لمواءمة سلوك الاستدلال مع قصد المستخدم.
التعميم: أظهر النهج متانة ليس فقط في البيئات التفاعلية ولكن أيضاً في الاختبارات غير التفاعلية التي تتضمن مقدمات ناقصة.

النتائج التجريبية

أُجريت تجارب واسعة النطاق على الاستدلال الرياضي (Math-Chat)، وتوليد الكود (BigCodeBench-Chat)، وتحرير المستندات (DocEdit-Chat).

مكاسب الأداء: تفوق PIR باستمرار على النماذج المرجعية القوية، بما في ذلك النماذج الموجهة بالتعليمات القياسية، والتحفيز الاستباقي، والأطر التعاونية (CollabLLM).
- الدقة: تحسنت بنسبة تصل إلى 32.70% في Math-Chat (من 22.90% إلى 32.70%).
- معدل الاجتياز: تحسن بنسبة 22.90% في BigCodeBench-Chat.
- درجة BLEU: تحسنت بنسبة 41.36 في DocEdit-Chat.
الكفاءة: قلل PIR من حسابات الاستدلال بنحو 2,000 توكن لكل مهمة في المتوسط، وقلل جولات التفاعل غير الضرورية بنسبة تقارب 50%.
الموثوقية: في اختبارات "المقدمات المفقودة" (MIP)، ظل PIR قوياً للغاية، بينما عانت النماذج الأساسية وGPT-4o-mini من تدهور شديد بسبب هلوسة الشروط المفقودة. نجح PIR في تجنب "الإفراط في التفكير الأعمى" من خلال طلب الاستيضاح أولاً.
التقييم البشري: في دراسة مستخدم مزدوجة التعمية على مجموعة بيانات GSM8K للمقدمات المفقودة، فضل المستخدمون PIR على النماذج اللغوية الموجهة للاستدلال بنسبة 52.45% من الوقت، مشيرين إلى دقة أعلى وزمن استجابة أقل بكثير.

الأهمية والادعاءات

تزعم الورقة أن PIR يؤسس لأساس جديد للأنظمة الذكية الموثوقة والتي تتمحور حول الإنسان من خلال سد الفجوة بين الحوسبة الداخلية والتحقق الخارجي. ومن خلال تحويل النماذج اللغوية الكبيرة إلى مستفسرين استباقيين، يعالج الإطار الخلل الحرج المتمثل في "التفكير الذاتي الأعمى"، مما يضمن أن الاستدلال مبني على مقدمات تم التحقق منها بدلاً من الافتراضات. ويؤكد المؤلفون أن هذا النهج يقدم طريقة منهجية لمواءمة الاستدلال مع قصد المستخدم تحت ظروف الغموض، محققاً دقة فائقة في حل المشكلات مع الحفاظ على كفاءة حسابية عالية. ويشير العمل إلى أن نماذج الاستدلال المستقبلية يجب أن تدمج آليات استيضاح استباقية للتعامل بفعالية مع عدم اليقين المتأصل في تفاعلات المستخدم في العالم الحقيقي.