💬 NLP

DeEscalWild: A Real-World Benchmark for Automated De-Escalation Training with SLMs

تقدم هذه الورقة DeEscalWild، وهي مجموعة بيانات مرجعية مبتكرة تتكون من 1,500 سيناريو عالي الدقة للتفاعلات بين الشرطة والمدنيين تم تجميعها من فيديوهات مفتوحة المصدر، مما يمكّن النماذج اللغوية الصغيرة (SLMs) من تحقيق أداء فائق في خفض التصعيد مقارنة بالنماذج العامة الأكبر حجماً، مع العمل بكفاءة على الأجهزة الطرفية المحمولة لتدريب إنفاذ القانون في العالم الحقيقي.

المؤلفون الأصليون: Md Hasebul Hasan, Krity Haque Charu, Eshwara Prasad Sridhar, Shuchisnigdha Deb, Mohammad A. Islam

نُشر 2026-04-16

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Md Hasebul Hasan, Krity Haque Charu, Eshwara Prasad Sridhar, Shuchisnigdha Deb, Mohammad A. Islam

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 تقوم بتدريب ضابط شرطة جديد. تقليديًا، ستجعلهم يتدربون مع شريك بشري يلعب دور مواطن غاضب. لكن البشر يتعبون، ولا يمكنهم التواجد في ألف مكان في وقت واحد، وأحيانًا ينسون "النص" الخاص بهم.

الآن، تخيل أنه يمكنك بناء ممثل افتراضي فائق الذكاء ولا يكل، يعيش داخل سماعة واقع افتراضي (VR) خفيفة الوزن. يمكن لهذا الممثل أن يجادل، أو يبكي، أو يصاب بالذعر، أو يهدأ في الوقت الفعلي، ويتفاعل تمامًا كما يفعل شخص حقيقي في موقف عالي التوتر. هذا هو حلم "تدريب تهدئة التصعيد" (de-escalation training).

المشكلة؟ "الأدمغة" اللازمة لجعل هذا الممثل واقعيًا (والتي تسمى النماذج اللغوية الكبيرة - LLMs) تشبه الحواسيب العملاقة المستهلكة للطاقة. فهي تحتاج إلى مراكز بيانات ضخمة لتعمل. لا يمكنك ربط مركز بيانات بحزام ضابط الشرطة أو وضعه داخل سماعة الواقع الافتراضي.

هنا يأتي دور مؤلفي هذه الورقة البحثية، الذين ابتكروا DeEscalWild. إليك قصة ما فعلوه، مشروحة ببساطة:

١. المكون المفقود: البيانات "الحقيقية"

لتعليم الكمبيوتر كيف يجادل أو يهدئ من روعه مثل البشر، تحتاج إلى إظهار آلاف المشاجرات الحقيقية له. لكن معظم بيانات تدريب الذكاء الاصطناعي تشبه "لغة الكتب المدرسية" — مهذبة جدًا، مثالية جدًا، وزائفة.

ذهب الباحثون إلى "البرية" (الإنترنت) وجمعوا ٥٠٠٠ فيديو خام غير محرر لتفاعلات شرطية حقيقية من يوتيوب، وتيك توك، وفيسبوك. لم يرغبوا فقط في الكلمات؛ بل أرادوا الفوضى: الصراخ، والتأتأة، والكلمات العامية، والخوف، والغضب.

التشبيه: تخيل أنك تحاول تعليم طالب القيادة. يمكنك إعطاؤه كتابًا عن قوانين المرور (بيانات اصطناعية)، أو يمكنك وضعه في المقعد الخلفي لسيارة خلال ساعة الذروة وسط عاصفة (بيانات "البرية" الحقيقية). DeEscalWild هي ساعة الذروة العاصفة.

٢. الفلتر: تحويل الفوضى إلى منهج دراسي

لا يمكنك مجرد تغذية الكمبيوتر بفيديو عشوائي من الإنترنت؛ فهو فوضوي للغاية. قام الفريق ببناء "آلة تصفية" متطورة.

استخدموا الذكاء الاصطناعي لقراءة النصوص.
استخدموا خبراء بشريين للتدقيق.
استبعدوا الأشياء المملة (مثل عمليات التوقف المروري حيث يكون الجميع مهذبين) واحتفظوا بـ ١٥٠٠ سيناريو الأكثر حدة ودرامية.

النتيجة هي مكتبة ضخمة من ٢٨٥,٠٠٠ سطر من الحوار. إنها تشبه مكتبة لكل طريقة ممكنة يمكن أن تسوء بها المحادثة، وكل طريقة يمكن بها إنقاذ الموقف.

٣. الاكتشاف الكبير: الصغير هو الجديد الكبير

عادةً، في عالم الذكاء الاصطناعي، يعتقد الناس: "كلما كان الدماغ أكبر، كان أذكى". يحاولون استخدام أكبر النماذج وأكثرها تكلفة (مثل تلك التي تعمل على خوادم ضخمة).

لكن الباحثين تساءلوا: "ماذا لو علمنا دماغًا صغيرًا بشكل جيد حقًا؟"

أخذوا نموذج ذكاء اصطناعي صغير وفعال (يسمى SLM، أو نموذج لغوي صغير) وغذوه فقط بهذه البيانات الشرطية عالية الجودة والمحددة.

التشبيه: فكر في طبيب عام يعرف القليل عن كل شيء ولكنه ليس بارعًا في جراحة القلب. الآن، تخيل متخصصًا لا يفعل سوى جراحة القلب ولكنه تدرب على ١٠٠٠ حالة حقيقية. المتخصص (النموذج الصغير الذي تم ضبطه بدقة) سيتفوق على الطبيب العام (النموذج الضخم العام) في تلك المهمة المحددة.

٤. النتائج: النموذج الصغير هزم العملاق

اختبروا ذكاءهم الاصطناعي الصغير والمتخصص ضد ذكاء اصطناعي ضخم ومشهور (Gemini 2.5 Flash).

الذكاء الاصطناعي العملاق: كان مهذبًا، وآمنًا، ويبدو كأنه روبوت يقرأ دليلًا. عندما يصرخ "الضابط"، يقول الذكاء الاصطناعي: "أنا أتفهم قلقك، أيها الضابط". (هذا زائف للغاية!)
الذكاء الاصطناعي الصغير والمدرب: بدا كشخص حقيقي في أزمة. كان يصرخ، ويستخدم العامية، ويصبح دفاعيًا، ثم يهدأ ببطء. كان أكثر واقعية من النموذج الضخم.

والأفضل من ذلك، كان النموذج الصغير أسرع بـ ١٠ مرات ويمكن تشغيله على كمبيوتر محمول بسيط أو سماعة واقع افتراضي دون الحاجة إلى اتصال بالإنترنت.

لماذا هذا مهم؟

تثبت هذه الورقة البحثية أنك لست بحاجة إلى حاسوب خارق لإنقاذ الأرواح. من خلال اختيار البيانات الصحيحة وتعليم نموذج صغير خصيصًا لهذه المهمة، يمكننا بناء:

تدريب متنقل: يمكن لضباط الشرطة التدرب في أي مكان، حتى في الميدان، دون الحاجة إلى واي فاي.
الخصوصية: البيانات تبقى على الجهاز؛ ولا يتم إرسالها إلى السحابة.
نتائج أفضل: إذا تمكن الضباط من ممارسة التعامل مع المواقف الحقيقية الفوضوية والعاطفية في محاكاة آمنة، فقد يتخذون قرارات أفضل عندما يحدث الأمر الحقيقي، مما يحافظ على سلامة الجميع.

باختصاف: قام الباحثون ببناء "صالة ألعاب رياضية للواقع" للذكاء الاصطناعي، ودربوا رياضيًا صغيرًا ورشيقًا ليكون خبيرًا عالميًا في تهدئة التصعيد، وأثبتوا أن هذا البطل خفيف الوزن يمكنه هزيمة العمالقة الثقال في لعبتهم الخاصة.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "DeEscalWild: معيار عالمي حقيقي للتدريب الآلي على خفض التصعيد باستخدام نماذج اللغات الصغيرة (SLMs)."

1. بيان المشكلة

يعد التدريب الفعال على خفض التصعيد أمراً بالغ الأهمية لسلامة إنفاذ القانون وثقة المجتمع، ومع ذلك تواجه الأساليب الحالية قيوداً كبيرة:

القابلية للتوسع والواقعية: يفتقر التدريب التقليدي (لعب الأدوار الثابت، أو مقاطع الفيديو ذات المسارات المتفرعة) إلى الديناميكية والواقعية الموجودة في المواجهات الواقعية.
القيود الحسابية: بينما يمكن لنماذج اللغات الكبيرة (LLMs) توليد محاكاة ديناميكية، إلا أن بصمتها الحسابية الضخمة تمنع نشرها على الأجهزة خفيفة الوزن والمحمولة (مثل نظارات الواقع الافتراضي، أو أجهزة الحافة المحمولة) المطلوبة للتدريب الميداني الغامر.
ندرة البيانات: توفر نماذج اللغات الصغيرة (SLMs) بديلاً قابلاً للتطبيق ومنخفض زمن الاستجابة، لكنها تعاني من نقص حاد في البيانات عالية الجودة والمتخصصة في هذا المجال. فالبيانات الموجودة حالياً إما اصطناعية، أو مستمدة من مصادر جماعية (تفتقر إلى الدقة العاطفية)، أو درسات اجتماعية أرشيفية غير مصممة للتدريب التوليدي.
المأزق: هناك حاجة ملحة لنماذج لغات صغيرة متخصصة لخفض التصعيد، ولكن لا يوجد متن (Corpus) معياري عالي الحجم لتدريبها.

2. المنهجية

أ. بناء مجموعة بيانات DeEscalWild

أنشأ المؤلفون أول معيار واسع النطاق مستمد من التفاعلات "في الواقع" بين الشرطة والمدنيين.

مصدر البيانات: تم استخراج 5,000 فيديو خام من مستودعات مفتوحة المصدر (YouTube، TikTok، Facebook) تتميز بلقطات كاميرات الجسم والتعاملات العامة.
خط معالجة هجين: قامت عملية متعددة المراحل بتنقية البيانات لاستخلاص 1,500 سيناريو عالي الدقة:
1. النسخ النصي: تم نسخ الفيديوهات الخام باستخدام OpenAI Whisper.
2. اكتشاف السمات: حددت عملية التجميع HDBSCAN نحو 30 سمة ثنائية (مثل: وجود الشرطة، إشارات التصعيد، محاولات خفض التصعيد) لتحديد المخطط (Schema).
3. النموذج كحَكَم (LLM-as-a-Judge): قام نموذج لغة كبير بتوصيف النصوص بناءً على هذا المخطط.
4. التصفية القائمة على القواعد: تم الاحتفاظ بالفيديوهات فقط إذا استوفت معايير محددة: صفر ضجيج/سياق، $\ge$ 2 من إشارات وجود الشرطة، و $\ge$ 3 من إشارات شدة التصعيد أو خفض التصعيد.
5. العنصر البشري في الحلقة (Human-in-the-Loop): تم التحقق يدوياً من عينات عشوائية ( $N=100$ ) للتأكد من جودة الصوت والملاءمة.
تحديد المتحدثين (Speaker Diarization): للتعامل مع فوضى تعدد الأطراف، استخدم الفريق نموذج Gemini-2.5-Flash للقيام بعملية تحديد متقدمة للمتحدثين واستخراج النصوص، محققاً معدل خطأ في تحديد المتحدث (DER) قدره 0.16%.
المتن النهائي: 1,500 سيناريو، 285,887 دورة حوارية، وحوالي 4.7 مليون توكن (Token).

ب. الإعداد التجريبي

النماذج: تم تقييم خمسة من أحدث نماذج اللغات الصغيرة (أقل من 4 مليارات بارامتر): Gemma 2 (2B)، وGranite 3.0 (2B)، وQwen 2.5 (3B)، وFalcon 3 (3B)، وLlama 3.2 (3B).
الضبط الدقيق (Fine-Tuning): تم ضبط النماذج باستخدام تقنية 4-bit Quantized Low-Rank Adaptation (QLoRA) على وحدة معالجة رسوميات واحدة من نوع NVIDIA RTX 3090.
- المعلمات الفائقة: الرتبة $r=16$ ، عامل القياس $\alpha=32$ ، معدل التعلم $2 \times 10^{-4}$ ، و3 دورات تدريبية (Epochs).
النماذج المرجعية (Baselines):
- التعلم الصفري (Zero-Shot): النسخ الأساسية من نماذج اللغات الصغيرة.
- المرجع القوي: نموذج Gemini 2.5 Flash (نموذج لغة عام) تم تحسينه عبر هندسة الأوامر (Few-shot prompting) لمحاكاة شخصيات المشتبه بهم.
مقاييس التقييم: ROUGE-L، وBLEU-4، وMETEOR، وBERTScore (F1).

3. المساهمات الرئيسية

معيار DeEscalWild: مجموعة بيانات مبتكرة ومنسقة بدقة تضم 1,500 سيناريو واقعي لخفض التصعيد. تعالج هذه المجموعة فجوة "الصلاحية البيئية" عبر التقاط تفاعلات غير مكتوبة، عالية التوتر، مع تنوع ديموغرافي وتعقيدات ظرفية (مثل: أزمات الصحة العقلية، أو عمليات التوقف المروري).
فعالية نماذج اللغات الصغيرة عند الحافة (Edge): تثبت الورقة أن الضبط الدقيق المتخصص يسمح للنماذج المدمجة بالتفوق على النماذج الأكبر بكثير والأكثر عمومية.
خط معالجة قابل للتوسع: خط معالجة قابل لإعادة الإنتاج ومستقل عن المنصات لتحديد المتحدثين واستخراج النصوص من بيانات الفيديو "في الواقع".

4. النتائج والتحليل

الأداء الكمي

تأثير الضبط الدقيق: أظهرت جميع نماذج اللغات الصغيرة تحسناً جوهرياً بعد الضبط الدقيق. على سبيل المثال، حسن نموذج Gemma 2 (2B) درجة METEOR بمقدار +4.5 ودرجة ROUGE-L بمقدار +7.6.
النماذج الصغيرة مقابل النماذج الكبيرة: تفوق نموذج Qwen 2.5 (3B) الذي تم ضبطه دقيقاً بشكل ملحوظ على النموذج المرجعي Gemini 2.5 Flash عبر جميع المقاييس:
- METEOR: 19.5 (Qwen FT) مقابل 13.2 (Gemini).
- ROUGE-L: 15.8 (Qwen FT) مقابل 12.4 (Gemini).
- BERTScore: 0.88 (Qwen FT) مقابل 0.85 (Gemini).
زمن الاستجابة (Latency): حققت نماذج اللغات الصغيرة المضبوطة دقيقاً زمن استجابة أقل من ثانية (0.30ث – 0.44ث)، بينما كان زمن استجابة نموذج Gemini 2.5 Flash المرجعي هو 3.50 ثانية، مما يجعله غير مناسب للتدريب الميداني في الوقت الفعلي.

النتائج النوعية

دقة الشخصية: غالباً ما تعود النماذج الأساسية ونموذج Gemini المعتمد على هندسة الأوامر إلى ردود "مهذبة" أو رسمية أو متوافقة مع معايير السلامة (مثل: "سأمتثل فوراً"). في المقابل، نجحت نماذج اللغات الصغيرة المضبوطة دقيقاً في تبني الشخصيات الهجومية، العامية، والمشحونة عاطفياً (مثل: "لن أخرج من هنا!").
تجاوز فلاتر السلامة: حافظت النماذج المحلية المضبوطة دقيقاً على اتساق الدور دون تفعيل آليات الرفض الشائعة في النماذج التجارية عند مواجهة أوامر شرطية معارضة.

5. الأهمية والأثر

تحول في النموذج الفكري: يتحدى هذا العمل عقيدة "الأكبر هو الأفضل"، ويثبت أن البيانات عالية الجودة والمتخصصة في المجال هي بديل أكثر فعالية لحجم البارامترات في المهام المتخصصة من مجرد حجم النموذج الخام.
النشر عند الحافة (Edge Deployment): من خلال إثبات أن نماذج بـ 3 مليارات بارامتر يمكنها التفوق على نماذج أكبر بـ 10 أضعاف أو أكثر مع زمن استجابة أقل، تضع الورقة حجر الأساس لإمكانية تشغيل تدريب خفض تصعيد عالي الدقة، يحافظ على الخصوصية، ويعمل بالكامل على أجهزة الحافة (مثل نظارات الواقع الافتراضي) دون الحاجة للاتصال بالسحابة.
الفائدة المجتمعية: تهدف هذه البنية التحتية إلى دمقرطة الوصول إلى التدريب الواقعي، مما قد يقلل من حوادث استخدام القوة ويحسن ثقة المجتمع من خلال إعداد الضباط بشكل أفضل للتفاعلات المتقلبة في الواقع.

الخاتمة

يجسر DeEscalWild الفجوة بين بروتوكولات خفض التصعيد النظرية والواقع الفوضوي للمواجهات الميدانية. ومن خلال توفير مجموعة بيانات قوية وإثبات تفوق نماذج اللغات الصغيرة المضبوطة دقيقاً على نماذج اللغات الكبيرة العامة، يضع المؤلفون الأساس للجيل القادم من أنظمة تدريب الضباط التي يسهل الوصول إليها، وتتميز بزمن استجابة منخفض، وتحافظ على الخصوصية.