ITLC at SemEval-2026 Task 11: Normalization and Deterministic Parsing for Formal Reasoning in LLMs
يقترح فريق ITLC طريقة مبتكرة لمهمة SemEval-2026 Task 11 تعمل على تخفيف تحيزات المحتوى في الاستدلال متعدد اللغات من خلال تحويل القياسات المنطقية إلى أشكال منطقية معيارية وتطبيق الإعراب الحتمي، محققاً بذلك مراكز ضمن الخمسة الأوائل في جميع المهام الفرعية دون الاعتماد على الضبط الدقيق المعقد.
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
تخيل أنك تحاول تعليم طالب ذكي جداً، ولكنه مشتت الانتباه قليلاً (نموذج لغوي كبير أو LLM)، كيفية حل الألغاز المنطقية. هذا الطالب بارع في قراءة القصص ويعرف الكثير عن العالم، ولكن عندما يتعلق الأمر بالمنطق الصرف، فإنه يقع ضحية للخدعة التي تضعها له "القصة" بدلاً من القواعد.
هذه الورقة البحثية تتحدث عن فريق بنى "مترجماً منطقياً" لإصلاح هذه المشكلة. إليك تفصيل لحلهم باستخدام تشبيهات بسيطة.
المشكلة: "فخ القصة"
تخيل أنك تعطي هذا اللغز لطالبك:
المقدمة 1: كل القطط ثدييات.
المقدمة 2: لا الكلاب قطط.
الاستنتاج: إذن، لا الكلاب ثدييات.
من الناحية المنطقية، هذا خاطئ. ولكن لأن الطالب يعرف أن الكلاب ثدييات في الواقع، فإنه يصاب بالارتباك. يفكر قائلاً: "مهلاً، أنا أعرف أن الكلاب ثدييات، لذا يجب أن يكون الاستنتاج صحيحاً!" إنه يسمح لمعرفته بالعالم الحقيقي (المحتوى) بأن تطغى على قواعد اللغز الصارمة (المنطق).
يحدث هذا بشكل أكبر عندما يكون اللغز بلغة مختلفة، مثل الإسبانية أو السواحيلية، حيث قد يتوه الطالب في تفاصيل الترجمة.
الحل: "المترجم المنطقي"
لم يحاول الفريق (ITLC) إعادة تدريب دماغ الطالب (لأن ذلك صعب ومكلف)، بل قاموا ببناء مترجم يجلس بين اللغز والطالب.
تتبع طريقتهم ثلاث خطوات رئيسية:
1. "حساء الحروف" (تجريد النكهة)
تخيل اللغز كأنه حساء لذيذ ومعقد يحتوي على جزر وبطاطس وتوابل. الطالب يتشتت بسبب الجزر (الكلمات المحددة).
خطوة الفريق الأولى هي أخذ هذا الحساء وتحويله إلى حساء حروف (Alphabet Soup).
- بدلاً من "قطط"، "كلاب"، و"ثدييات"، يستبدلونها بـ A و B و C.
- بدلاً من "كل" أو "لا"، يستخدمون رموزاً قياسية مثل A (الكل) أو E (لا).
الآن يبدو اللغز هكذا:
كل A هي B.
لا C هي A.
إذن، لا C هي B.
فجأة، لا يمكن للطالب أن يتشتت بـ "الكلاب" أو "القطط". عليه أن ينظر إلى البنية. الأمر يشبه إزالة الألوان من لعبة فرز الأشكال لكي يركز الطفل على الشكل، وليس على الطلاء الأحمر أو الأزرق.
2. "الجسر الإنجليزي" (للغات الأجنبية)
عندما يكون اللغز بلغة أجنبية (مثل الفرنسية أو الروسية)، قد يواجه الطالب صعوبة في فهم "نكهة" الكلمات.
يستخدم الفريق خدعة ذكية: يترجمون القواعد فقط (مثل "الكل"، "لا"، "بعض") إلى الإنجليزية، لكنهم يبقون الأسماء باللغة الأصلية.
- الأصل (فرنسي): ".Tous les chiens sont des mammifères"
- المنطق المترجم: "All chiens are mammifères."
يعمل هذا كجسر. فهو يسمح للطالب بفهم القواعد (وهي عالمية) دون الارتباك بسبب المفردات المحددة لتلك اللغة. الأمر يشبه إعطاء سائح خريطة بأسماء الشوارع بلغته الأم، ولكن لوحات "انعطف يساراً" و"اذهب مباشرة" مكتوبة بالإنجليزية.
3. "الفحص الحتمي" (كتيب القواعد الصارم)
بمجرد ترجمة اللغز إلى "حساء حروف" مع "الجسر الإنجليزي"، لا يطلب الفريق من الطالب "التخمين" إذا كان صحيحاً أم لا، بل يستخدمون كتيب قواعد صارم (برنامج حاسوبي).
- يتحقق البرنامج: "هل يطابق هذا النمط من A و B و C أحد الأشكال المنطقية الـ 24 الصالحة؟"
- إذا نعم -> صحيح (Valid).
- إذا لا -> غير صحيح (Invalid).
هذا يشبه آلة البيع الذاتي. تضع عملة محددة (النمط المنطقي)، وتقوم الآلة إما بإعطائك وجبة خفيفة (صحيح) أو لا تعطيك شيئاً (غير صحيح). لا يوجد تخمين، لا "شعور"، ولا انحياز.
النتائج: لماذا يهم هذا؟
اختبر الفريق هذا على مسابقة عالمية (SemEval-2026) تضم ألغازاً بالإنجليزية والعديد من اللغات الأخرى.
- الطريقة القديمة (الاعتماد على LLM فقط): حاول الطالب حلها باستخدام دماغه. أصاب في معظم الأحيان، لكنه كان منحازاً غالباً لمحتوى القصة. كان الأمر أشبه بطاهٍ يطبخ طعاماً رائعاً ولكنه أحياناً يضيف الملح لمجرد أنه "يحب" الملح، حتى لو كانت الوصفة تنص على عدم وضعه.
- الطريقة الجديدة (ITLC): استخدم الطالب المترجم وكتيب القواعد.
- الدقة: حصلوا على درجات تقترب من المثالية.
- الانحياز: قضوا تقريباً على "فخ القصة". توقف الطالب عن التخمين بناءً على الحقائق الواقعية وبدأ في اتباع القواعد.
- تعدد اللغات: نجح الأمر في الإسبانية والسواحيلية والروسية تماماً كما نجح في الإنجليزية.
الخلاصة الكبرى
تثبت الورقة البحثية أنك لست بحاجة لبناء ذكاء اصطناٍ معقد ومكلف لإصلاح أخطاء الاستنتاج. أحياناً، تحتاج فقط إلى تبسيط المدخلات واستخدام كتيب قواعد صارم.
من خلال تحويل الجمل الواقعية الفوضوية والملونة إلى "حساء حروف" نظيف ومجرد، أجبروا الذكاء الاصطناعي على التوقف عن أحلام اليقظة حول المحتوى والبدء في إجراء العمليات الحسابية. إنه تذكير بأنه في بعض الأحيان، أفضل طريقة للتفكير بوضوح هي التوقف عن التفكير في الكلمات والبدء في التفكير في البنية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.