Free(): Learning to Forget in Malloc-Only Reasoning Models
يقدم Free()LM "وحدة حرة" (Free-Module) قابلة للتوصيل والتشغيل تُمكّن نماذج الاستدلال من تحسين الأداء ومنع انهيار السياق من خلال التقليم الديناميكي للمعلومات الزائدة أو المهجورة أثناء عملية الاستدلال.
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: متلازمة "المكتب الفوضوي"
تخيل أنك عالم رياضيات عبقري تحاول حل لغز معقد. ولحل هذا اللغز، تستخدم سبورة بيضاء ضخمة. في كل مرة تأتيك فيها فكرة، أو عملية حسابية، أو حتى خطأ، تقوم بتدوينه.
في البداية، يكون هذا رائعاً! فكل ملاحظاتك أمام عينيك مباشرة. ولكن مع مرور الساعات، تصبح السبورة فوضى عارمة. لقد شطبت معادلات قديمة، وكتبت "انتظر، هذا خطأ!" بخطوط عريضة، وملأت الزوايا بحلقات مكررة من نفس العمليات الحسابية.
في النهاية، تصبح السبورة مزدحمة للغاية لدرجة أنك لا تستطيع حتى رؤية المسألة الأصلية. تبدأ بالارتباك بسبب أخطائك القديمة. تعلق في حلقة مفرغة، محدقاً في بقعة على السبورة، وفي النهاية، تتجمد تماماً. لا تعود قادراً على التفكير.
هذا هو بالضبط ما يحدث لنماذج الذكاء الاصطناعي "الاستنتاجية" الحالية.
بينما تحاول هذه النماذج حل مشكلات أصعب، فإنها تولد المزيد والمزيد من "رموز التفكير" (وهي نسختها الخاصة من الكتابة على السبورة). إنها بارعة جداً في عملية "التخصيص" (Malloc) (أي تخصيص الذاكرة/تدوين الملاحظات)، لكن ليس لديها وسيلة لعملية "التحرير" (Free) (أي مسح الحشو). هي فقط تستمر في إضافة المزيد والمزيد من الضجيج حتى يمتلئ "عقلها" بالفوضى، وتتعرض لانهيار ذهني كامل.
الحل: Free()LM (الممحاة الرقمية)
أدرك الباحثون في مختبر تينسنت للذكاء الاصطناعي (Tencent AI Lab) أنه لكي يكون الذكاء الاصطناعي ذكياً حقاً، فإنه لا يحتاج فقط إلى القدرة على "التفكير"، بل يحتاج أيضاً إلى "الحكمة في النسيان".
لقد ابتكروا Free()LM. فكر في هذا كمنح الذكاء الاصطناعي ممحاة ذكية وانتقائية.
بدلاً من أن يكون مجرد كاتب سلبي، أصبح لدى الذكاء الاصطناعي الآن وضعان:
- وضع الاستنتاج: يعمل الذكاء الاصطناعي بشكل طبيعي، ويدون أفكاره ويحل المسألة.
- وضع التنظيف: بين الحين والآخر، يتوقف الذكاء الاصطناعي، وينظر إلى "سبورته"، ويقول: "مهلاً، هذه الأسطر الثلاثة من الرياضيات كانت طريقاً مسدوداً، وهذه الفقرة ليست سوى تكرار لنفسي. دعونا نمسح ذلك."
هو لا يمسح كل شيء فحسب؛ بل يستخدم "ملحقاً" خاصاً (يسمى محول LoRA) يعمل بمثابة محرر محترف. فهو يحدد "بداية" و"نهاية" الحشو بدقة ويقوم بقصه، تاركاً وراءه المنطق الصافي والأساسي فقط.
لماذا يعد هذا أمراً هاماً (النتائج)
اختبر الباحثون ذلك على كل شيء، بدءاً من نماذج الذكاء الاصطناعي الصغيرة وصولاً إلى "الأدمغة الفائقة" الضخمة. وإليك ما حدث:
- إنه يجعلهم أكثر ذكاءً: من خلال إزالة "الضجيج"، يؤدي الذكاء الاصطناعي فعلياً بشكل أفضل في مسابقات الرياضيات. الأمر يشبه محاولة حل لغز في غرفة نظيفة مقابل غرفة فوضوية.
- يمنع "التجمد الذهني": في أحد الاختبارات، اصطدم نموذج ذكاء اصطناعي ضخم (Qwen3-235B) بحائط مسدود في مسألة طويلة جداً، وانخفضت دقة أدائه إلى 0% — لقد استسلم تماماً. ولكن باستخدام Free()LM، تمكن الذكاء الاصطناعي من تنظيف مساحة عمله والاستمرار في العمل، مستعيداً دقته لتصل إلى 50%.
- إنه "ممحاة عالمية": والأمر الأكثر إذهالاً هو أنهم قاموا بتدريب "ممحاة" صغيرة على نموذج صغير، ووجدوا أنها يمكن أن تعمل على أنواع مختلفة من الذكاء الاصطناعي الأكبر حجماً. إنه مثل أداة تنظيف عالمية تعمل في أي منزل.
العبرة من القصة
في عالم الذكاء الاصطناعي، قضينا وقتاً طويلاً في تعليم الآلات كيف تتذكر المزيد والمزيد. لكن هذه الورقة البحثية تثبت أن الذكاء الحقيقي لا يكمن فقط في مقدار ما يمكنك استيعابه في رأسك، بل في معرفة ما يجب أن تتخلى عنه.
للوصول إلى المستوى التالي من الاستنتاج، يحتاج الذكاء الاصطناعي إلى الانتقال من كونه "جامعاً" للمعلومات إلى كونه "متبنياً للتبسيط" في المنطق.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.