💻 computer science

Enhancing Table Reasoning with Deterministic Table-State Rewards

تقدم هذه الورقة TABROUGE، وهو مقياس مكافأة حتمي لا يتطلب تدريباً يعتمد على أطول سلسلة فرعية مشتركة، وإطار عمل RE-TAB لتعزيز دقة استدلال النماذج اللغوية الكبيرة على الجداول متعدد الخطوات بشكل كبير من خلال توفير تغذية راجعة قابلة للتوسع ومستندة إلى الاستعلام للحالات المتوسطة دون الاعتماد على نماذج متعلمة أو منفذين خارجيين.

المؤلفون الأصليون: Tung Sum Thomas Kwok, Xinyu Wang, Hengzhi He, Xiaofeng Lin, Peng Lu, Liheng Ma, Chunhe Wang, Chun Ho Mak, Yuyu Luo, Ying Nian Wu, Lei Ding, Guang Cheng

نُشر 2026-05-19

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Tung Sum Thomas Kwok, Xinyu Wang, Hengzhi He, Xiaofeng Lin, Peng Lu, Liheng Ma, Chunhe Wang, Chun Ho Mak, Yuyu Luo, Ying Nian Wu, Lei Ding, Guang Cheng

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 للورقة البحثية باستخدام لغة بسيطة وتشبيهات إبداعية.

المشكلة: العميل "التائه في الصلصة"

تخيل أنك تحاول حل لغز معقد باستخدام مساعد ذكي جدًا ولكنه ينسى قليلاً (نموذج لغوي كبير). تعطيه جدول بيانات ضخمًا (جدولًا) وسؤالًا مثل: "كم عدد المباريات التي فاز بها الفريق بأكثر من 20 نقطة؟"

يحاول المساعد حل هذا الأمر عن طريق تقسيم الجدول، وتصفية الصفوف، وحساب الأرقام خطوة بخطوة. ومع ذلك، هناك مشكلة كبيرة: المساعد لا يعرف ما إذا كان يؤدي عمله بشكل جيد حتى يعطي الإجابة النهائية.

إذا قام المساعد بالخطأ بحذف الصف الخاطئ أو الاحتفاظ ببيانات غير ذات صلة، فلن يدرك خطأه حتى النهاية. وبحلول ذلك الوقت، يكون الأوان قد فات. الأمر يشبه طباخًا يستمر في إضافة المكونات إلى الحساء دون تذوقه، ليدرك في النهاية فقط أن طعمه مالح للغاية. تطلق الورقة على هذا اسم "الأخطاء التراكمية الصامتة". المساعد ينحرف عن المسار، وهو واثق من نفسه ولكنه مخطئ.

الحل: "نظام تحديد مواقع" (GPS) للبيانات

قدم المؤلفون نظامًا جديدًا يسمى RE-TAB وأداة محددة تسمى TABROUGE. فكر في هذين كجهاز "GPS" و"درجة جودة" لعمل المساعد.

بدلاً من الانتظار حتى النهاية لمعرفة ما إذا كانت الإجابة صحيحة، يقوم هذا النظام بفحص عمل المساعد بعد كل خطوة واحدة.

1. TABROUGE: "بطاقة تقييم الصلة"

إن TABROUGE هي طريقة ذكية تعتمد على الرياضيات لتقييم حالة الجدول الحالية للمساعد دون الحاجة إلى بشري ينظر إليه أو برنامج كمبيوتر معقد لتشغيل الكود.

كيف تعمل: تقوم بتحويل الجدول إلى قائمة بسيطة من الجمل (مثل: "العمود أ هو 55"، "العمود ب هو 27"). ثم تقارن هذه القائمة بسؤالك الأصلي.
التشبيه: تخيل أنك تبحث عن كتاب معين في مكتبة.
- خطوة سيئة: يسحب المساعد عربة مليئة بالكتب، لكن معظمها عن الطبخ وليس عن التاريخ. تعطي TABROUGE هذه الخطوة درجة منخفضة لأن كلمات "التاريخ" الموجودة في سؤالك ليست موجودة في العربة.
- خطوة جيدة: يقوم المساعد بإزالة كتب الطبخ والاحتفاظ بكتب التاريخ فقط. تعطي TABROUGE هذه الخطوة درجة عالية لأن العربة الآن تطابق طلبك تمامًا.
لماذا هي مميزة: إنها "حتمية" (deterministic)، مما يعني أنها تعطي دائمًا نفس الدرجة لنفس البيانات. هي لا تخمن أو تتعلم؛ بل تحسب فقط مدى مطابقة الجدول الحالي للسؤال. كما أنها تعاقب "التضخم" (الاحتفاظ بالكثير من الأشياء غير المفيدة)، مما يشجع المساعد على إبقاء الجدول نظيفًا ومركزًا.

2. RE-TAB: "الملاح الذكي"

RE-TAB هو الإطار الذي يستخدم TABROUGE لتوجيه المساعد. ويقوم بشيئين رئيسيين:

التغذية الراجعة خطوة بخبطوة: بعد أن يقوم المساعد بحركة ما (مثل "تصفية الصفوف")، يُظهر له RE-TAB فورًا درجة TABROUGE. إذا انخفضت الدرجة، يعرف المساعد: "أوه، لقد سلكت الطريق الخاطئ"، ويمكنه تجربة حركة مختلفة.
توسيع النطاق وقت الاختبار (استراتيجية "المحاولة مرة أخرى"): أحيانًا، قد يظل المساعد مرتبكًا. يسمح RE-TAB للمساعد بمحاولة حل المشكلة عدة مرات (إنشاء "مسارات" أو "مسارات حركة" مختلفة). ثم يستخدم درجات TABROUGE لاختيار أفضل مسار للوصول إلى الإجابة، بدلاً من مجرد التخمين أو التصويت بناءً على الثقة.

النتائج: أذكى وأسرع

اختبرت الورقة هذا النظام على ستة نماذج مختلفة من الذكاء الاصطعي (تتراوح من النماذج الصغيرة مفتوحة المصصدر إلى النماذج الضخمة والمتطورة) وثلاثة أنواع مختلفة من ألغاز الجداول.

تعزيز الدقة: في المتوسط، أدى إضافة "بطاقة التقييم" هذه إلى تحسين الدقة بمقدار 26.7 نقطة مئوية. هذه قفزة هائلة، حيث حولت المساعد المتعثر إلى مؤدٍ متميز.
الكفاءة: نظرًا لأن النظام يعرف متى وجد المسار الصحيح، فإنه لا يحتاج إلى إضاعة الوقت في تجربة 20 حلاً مختلفًا. لقد وجد الإجابة الصحيحة بـ 33% محاولات أقل من الطرق السابقة.
لا حاجة للتدريب: الجزء الأفضل هو أنك لست بحاجة لإعادة تدريب نماذج الذكاء الاصطناعي. يمكنك فقط توصيل نظام "بطاقة التقييم" هذا، وسيعمل على الفور.

العقبة (القيود)

يعترف المؤلفون بأن "بطاقة التقييم" الخاصة بهم ليست مثالية. ولأنها تعتمد على مطابقة الكلمات (المطابقة المعجمية) بدلاً من فهم المعنى العميق، فقد ترتبك أحيانًا إذا:

قام المساعد بتغيير اسم عمود إلى شيء يبدو مشابهًا للسؤال ولكنه ليس مفيدًا حقًا (اسم "خادع").
قام المساعد بحساب رقم جديد يكون صحيحًا ولكنه يستخدم كلمات مختلفة عن السؤال (على سبيل المثال، حساب "الأرباح" بينما سأل السؤال عن "الدخل").

ومع ذلك، توضح الورقة أن هذه الأخطاء نادرة، وأن النظام قوي بما يكفي للتعامل مع معظم ألغاز الجداول في العالم الحقيقي بفعالية.

الملخص

باختصار، تعلم هذه الورقة عملاء الذكاء الاصطناعي كيفية تذوق الحساء أثناء طبخه. من خلال منحهم بطاقة تقييم بسيطة وفورية (TABROUGE) تخبرهم ما إذا كانوا يقتربون من الإجابة بعد كل خطوة، يتوقف العملاء عن الانحراف عن المسار، ويحلون المشكلات بدقة أكبر، ويستهلكون وقتًا أقل.

ملخص تقني: تعزيز الاستدلال الجدولي باستخدام مكافآت حالة الجدول الحتمية

بيان المشكلة

تعاني النماذج اللغوية الكبيرة (LLMs) والنماذج اللغوية البصرية (VLMs) من صعوبة في الاستدلال متعدد الخطوات على الجداول المهيكلة. تكمن المشكلة الجوهرية في غياب الإشراف الصريح على حالات الاستدلال الوسيطة. في الوكلاء الذين يستخدمون الأدوات (مثل Chain-of-Table و Tree-of-Table)، يقوم الوكيل بالتلاعب بالجدول عبر سلسلة من العمليات (تصفية، إسقاط، فرز، تجميع، دمج). وبدون إشارة لتقييم جودة هذه الجداول الوسيطة، تتراكم الأخطاء بصمت: قد يسقط الوكيل أدلة ذات صلة بالاستعلام، أو يحتفظ بمحتوى غير ذي صلة، أو يطبق العمليات بشكل مفرط.

تفشل الحلول الحالية في معالجة ذلك بوضوح:

مكافآت الإجابة النهائية تكون شحيحة للغاية بحيث لا يمكنها توجيه التحويلات الوسيطة.
المتحققون القائمون على المنفذين (Executors) يتطلبون بيئات قابلة للتشغيل (مثل منفذات SQL) وهي غير متوفرة للمهام المعقدة مثل دمج الجداول المتعددة أو التحليلات مفتوحة النهايات.
نماذج المكافأة المتعلمة تتطلب بيانات تفضيل مكلفة وتكون هشة عبر المجالات المختلفة.
مكافآت التشابه الدلالي (القائمة على التضمين/Embeddings) غالبًا ما تقطع الجداول المتسلسلة الطويلة، مما يدمر معلومات الحالة، وتفشل في التقاط الاختلافات الرقمية أو الرمزية الدقيقة.

المنهجية

تقدم الورقة البحثية TABROUGE وإطار العمل RE-TAB لمعالجة هذه الفجوات باستخدام نهج حتمي لا يتطلب تدريبًا.

1. TABROUGE: مكافأة حالة حتمية

تعدل TABROUGE مقياس السلسلة الفرعية المشتركة الأطول (LCS) المستمد من (ROUGE-L) المستخدم في تلخيص النصوص لتقييم حالات الجداول.

الآلية: بعد كل إجراء، يتم تسلسل حالة الجدول الوسيطة $T_{l+1}$ إلى تسلسل نصي حتمي باستخدام تنسيق "[الرأس] هو [القيمة]".
التسجيل (Scoring): يتم حساب المكافأة كـ LCS بين الاستعلام $Q$ والتسلسل المتسلسل للجدول، مقسومة على طول الجدول المتسلسل:
$r_{\text{TABROUGE}}(a_l, T_{l+1}, Q) = \frac{\text{LCS}(Q, \text{Enc}(T_{l+1}))}{|\text{Enc}(T_{l+1})|}$
المنطق التصميمي:
- الدقة اللفظية: على عكس التضمينات (Embeddings)، فهي تحافظ على النصوص الرقمية والرمزية الدقيقة دون قطع.
- النزاهة الهيكلية: يكافئ LCS المحافظ على الترتيب الربط بين الرأس والقيمة على مستوى الصف، وهو ما تغفله مقاييس حقيبة الكلمات (Bag-of-words) مثل BM25.
- مقاومة التلاعب (Anti-Hacking): يعمل المقام على معاقبة "التضخم" (مثل تكرار رموز الاستعلام)، مما يجعل "تلاعب صدى الأعمدة" (Echo-column hacking) غير مربح لأن زيادة البسط ستؤدي لزيادة المقام بنفس المعدل.

2. RE-TAB: إطار عمل خالٍ من التدريب

يستخدم RE-TAB إطار TABROUGE كإشارة جاهزة للتركيب (Plug-and-play) لمستويين من التحكم:

التغذية الراجعة على مستوى الخطوة: يتم إلحاق المكافأة العددية بالطلب (Prompt) بعد كل إجراء، مما يجعل الخطوة التالية مشروطة بجودة الحالة التراكمية بدلاً من مجرد ثقة الرموز (Tokens). كما تعمل كـ معيار توقف للتباين المتداول؛ فعندما تستقر إشارة المكافأة (ينخفض التباين عن حد معين)، يتوقف الوكيل عن الاستكشاف ويلتزم بالإجابة.
اختيار مسار الاستدلال (Scaling زمن الاختبار): يقوم الوكيل بأخذ عينات من مسارات استدلال مستقلة متعددة. تُستخدم إشارة الإشراف على الحالة المجمعة (مجموع مكافآت الخطوات) لترتيب واختيار أفضل مسار ( $\tau^*$ )، مستبدلة بذلك التصويت القائم على ثقة الإجراء أو التصويت بالأغلبية الموحدة.

المساهمات الرئيسية

TABROUGE: مكافأة حتمية من الاستعلام إلى الحالة لا تتطلب نماذج متعلمة أو منفذين. وهي توفر إشارة قابلة للتوسع قائمة على زوج (الاستعلام-الجدول)، مصممة خصيصًا لحالات الجداول المتسلسلة.
إطار عمل RE-TAB: تنفيذ ذي مرحلتين يدمج TABROUGE لكل من التغذية الراجعة الخطوية وترتيب المسارات. وهو يعمل كغلاف "خالٍ من التدريب" حول الوكلاء الحاليين الذين يستخدمون الأدوات.
التحقق التجريبي: تقييم شامل عبر ستة نماذج أساسية (تتراوح من النماذج الصغيرة مفتوحة المصدر إلى النماذج الرائدة مثل GPT-5.4) وثلاثة معايير مرجعية (WTQ, MMQA, MMTU).
تحليل أنماط الفشل: توصيف دقيق للأماكن التي يكون فيها الإشراف اللفظي موثوقًا والأماكن التي قد يفشل فيها (مثل نقص المكافأة في حالات إعادة الصياغة أو تغيير أسماء الأعمدة)، مما يوفر حدودًا لتطبيقاته.

النتائج

زيادة الدقة: عبر ستة نماذج أساسية وثلاثة معايير مرجعية، يحسن RE-TAB الدقة بمعدل 26.7 نقطة مئوية (pp) مقارنة بالنماذج المرجعية التي لا تستخدم مكافآت.
الكفاءة: يقلل الإطار من عدد عينات توسيع زمن الاختبار (TTS) المطلوبة للوصول إلى دقة 95% بنسبة تصل إلى 33% مقارنة بالتصويت القائم على ثقة الإجراء.
المقارنة بالنماذج المدربة: رغم عدم امتلاكها أي معاملات متعلمة، تضاهي أو تتجاوز TABROUGE أداء نماذج مكافأة العملية (PRMs) المدربة مثل Qwen2.5-Math-PRM-72B و TaTToo في 4 من أصل 5 مجموعات تقييم.
قابلية التطبيق بعد التدريب: تظهر التجارب الأولية باستخدام تحسين السياسة النسبي الجماعي (GRPO) مع استخدام TABROUGE كإشارة مكافأة زيادة إضافية قدرها 8.34 نقطة مئوية فوق الإطار الخالي من التدريب، مما يشير إلى فائدتها في الضبط الدقيق على مستوى السياسة.
المتانة: تظل الطريقة فعالة عبر أحجام النماذج المختلفة، بما في ذلك النماذج الرائدة حيث تستمر إخفاقات الحالة الوسيطة.

الأهمية والادعاءات

تضع الورقة TABROUGE ليس كمتحقق دلالي عالمي، بل كإشارة تحكم حتمية محددة للنطاق للإشراف على حالة الجدول المتسلسل. تكمن أهميتها في:

القابلية للتوسع: توفر إشارة راسخة لاستدلال الجداول دون الحاجة إلى منفذين مكلفين أو جمع بيانات تفضيل واسعة النطاق.
الشفافية: تجعل رؤية "نموذج العالم" (World Model) لاستدلال الجداول صريحة من خلال الإشراف على جودة الحالات الوسيطة، مما يربط وكلاء الجداول بالاستدلال القائم على الحالة المستخدم في وكلاء الرؤية واللغة.
العملية: تقدم حلاً "جاهزاً للتركيب" يحسن جودة الاستدلال ويقلل تكاليف الرموز (Tokens) للوكلاء الحاليين دون الحاجة لإعادة تدريب النموذج الأساسي.

يقر المؤلفون بالقيود، مشيرين إلى أن TABROUGE تعتمد على تسلسل ثابت وقد تقلل من مكافأة الحالات الصحيحة دلاليًا ولكن غير المتطابقة لفظيًا (مثل إعادة الصياغة أو تحويل الوحدات). ومع ذلك، يجادلون بأن هذه المشكلات، بصفتها إشارة ترتيب نسبي داخل المسار، لا تنفي المكاسب الرئيسية، وأن الطريقة تظل موثوقة لغالبية مهام الاستدلال الجدولي.