🤖 AI

Nice Fold or Hero Call: Learning Budget-Efficient Thinking for Adaptive Reasoning

تقدم هذه الورقة البحثية "التفكير كفء الميزانية" (BET)، وهو إطار عمل ثنائي المراحل يعمل على تحسين حسابات وقت الاختبار لنماذج الاستدلال الكبيرة من خلال تعلم تخصيص الميزانيات ديناميكيًا بناءً على العوائد المتوقعة بدلاً من الصعوبة المتصورة، مما يحقق تقليلاً كبيراً في عدد الرموز (tokens) مع تحسين الأداء من خلال سلوكيات "الحل القصير"، و"الطي اللطيف"، و"نداء البطل" التكيفية.

المؤلفون الأصليون: Zhaomeng Zhou, Lan Zhang, Junyang Wang, Mu Yuan, Junda Lin

نُشر 2026-05-13

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zhaomeng Zhou, Lan Zhang, Junyang Wang, Mu Yuan, Junda Lin

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 أن لديك مساعداً عبقرياً ولكنه مفرط في الحماس، يحاول حل كومة هائلة من الألغاز من أجلك. هذا المساعد بارع في التفكير، لكن لديه عادة سيئة: فهو أحياناً يقضي ساعات في التحديق في لغز مستحيل الحل، وأحياناً أخرى يبالغ في تحليل لغز بسيط كان يمكن حله في دقيقة واحدة. هذا يهدر وقتك ومالك (في شكل قدرة حوسبة).

تقدم هذه الورقة البحثية طريقة تدريب جديدة تسمى BET (التفكير ذو الميزانية الفعالة) لتعليم هذا المساعد كيف يكون أذكى في تحديد مقدار "طاقة التفكير" التي ينفقها على كل لغز.

إليك كيف تعمل BET، باستخدام تشبيهات بسيطة:

المشكلة: "المفرط في التفكير" مقابل "المفرط في التبسيط"

حالياً، تتصرف نماذج الذكاء الاصطناعي الكبيرة كطالب لا يعرف متى يتوقف عن الدراسة.

اللغز السهل: إذا سألت "ما هو 2+2؟"، قد يكتب الطالب مقالاً من 10 صفحات ليثبت لماذا 2+2 تساوي 4، مما يهدر الوقت.
اللغز المستحيل: إذا طرحت سؤالاً صعباً للغاية بالنسبة للطالب حالياً (مثل مسألة رياضية معقدة لم يتعلمها بعد)، فقد يستمر في المحاولة لساعات دون جدوى، لمجرد أنه لا يعرف أنه لا يستطيع حلها.
اللغز الصعب ولكن القابل للحل: إذا كان اللغز صعباً ولكنه قابل للحل، يحتاج الطالب إلى الاستمرار في التفكير. لكن الطرق الحالية قد تقطع عليه الطريق مبكراً جداً، مما يجعله يستسلم أمام لغز كان بإمكانه حله.

الحل: القوى الثلاث الخارقة لـ BET

تعلم الورقة البحثية الذكاء الاصطناعي ثلاثة سلوكيات محددة، والتي يسميها المؤلفون "الحل السريع" (Short Solve)، و**"الانسحاب اللطيف" (Nice Fold)، و"نداء البطل" (Hero Call)**. فكر في هذه كاستراتيجيات في لعبة البوكر:

الحل السريع (الربح السريع):
- التشبيه: ترى يداً سهلة في البوكر. أنت تعلم أنك ستفوز، لذا لا تحتاج إلى المزايدة أو المبالغة في التحليل. أنت فقط تأخذ الرهانات وتمضي قدماً.
- ما تفعله BET: إذا رأى الذكاء الاصطناعي سؤالاً سهلاً، فإنه يجيب بسرعة وإيجاز. يتوقف عن إضاعة الطاقة في أشياء يعرفها بالفعل.
الانسحاب اللطيف (معرفة متى تتوقف):
- التشبيه: أنت تلعب البوكر، وتدرك أن يدك سيئة للغاية وأن الاحتمالات ضدك. اللاعب الذكي "ينسحب" (يستسلم) فوراً ليوفر أمواله للأيدي الأفضل. هم لا يستمرون في رمي الأموال في لعبة خاسرة.
- ما تفعله BET: إذا أدرك الذكاء الاصطناği أن السؤال صعب جداً على قدراته الذهنية الحالية، فإنه يقول: "لا أستطيع حل هذا"، ويتوقف فوراً. إنه لا يضيع الوقت في محاولة فرض إجابة على مشكلة لا يستطيع فك شفرتها. هذا يوفر كمية هائلة من قدرة الحوسبة.
نداء البطل (المغامرة بكل شيء في اللحظة المناسبة):
- التشبيه: لديك يد قوية، لكنها ليست واضحة تماماً بعد. أنت تعلم أنك بحاجة لاستثمار المزيد من المال للفوز بالجائزة الكبرى. تقوم بـ "نداء البطل" وتستمر في اللعب بعمق.
- ما تفعله BET: إذا رأى الذكاء الاصطناعي سؤالاً صعباً يمكنه حله إذا فكر بعمق، فإنه يحافظ على طاقته ويستمر في المضي قدماً. إنه لا يقطع طريقه مبكراً جداً.

كيف علموا الذكاء الاصطناعي (التدريب ذو المرحلتين)

لم يكتفِ الباحثون بإخبار الذكاء الاصطناعي "كن فعالاً"، بل علموه في خطوتين:

المرحلة 1: خطة الدرس (البداية الباردة): عرضوا على الذكاء الاصطناعي أمثلة لكيفية التصرف. أظهروا له: "هذه مشكلة سهلة؛ إليك كيفية الإجابة عليها بسرعة". "هذه مشكلة مستحيلة؛ إليك كيف تقول 'أنا أستسلم'". "هذه مشكلة صعبة؛ إليك كيف تستمر في التفكير".
المرحلة 2: لعبة الممارسة (التعلم التعزيزي): تركوا الذكاء الاصطناعي يلعب اللعبة. في كل مرة يحاول فيها الذكاء الاصطناعي حل مشكلة، يتحقق النظام: "هل أضعت الوقت في مشكلة مستحيلة؟ هل استسلمت مبكراً في مشكلة صعبة؟". بناءً على النتائج، منحوا الذكاء الاصطناعي درجة (مكافأة). إذا وفر الذكاء الاصطناعي المال في المشكلات المستحيلة ولكنه حل المشكلات الصعبة أيضاً، فإنه يحصل على درجة عالية.

النتائج

عندما اختبروا هذه الطريقة الجديدة على سبعة اختبارات مختلفة في الرياضيات والمنطق:

وفرت حوالي 55% من وقت التفكير. استخدم الذكاء الاصطناعي تقريباً نصف قدرة الحوسبة التي كان يستخدمها سابقاً.
أصبحت أفضل في حل المشكلات. لأنها لم تكن تضيع الوقت في المهام المستحيلة أو تبالغ في التفكير في المسائل السهلة، فقد تمكنت في الواقع من حل المزيد من المشكلات الصعبة بشكل صحيح.
تعمل على أنواع جديدة من الألغاز. على الرغم من أنهم دربوه فقط على الرياضيات، إلا أنه طبق عادات "الإنفاق الذكي" هذه على أسئلة علمية وألغاز منطقية لم يرها من قبل.

الخلا الخلاصة

تعلم BET نماذج الذكاء الاصطناعي أن تكون مثل المستثمر الذكي. بدلاً من إنفاق المال (قدرة الحوسبة) بشكل عشوائي، فإنها تحسب "عائد الاستثمار" لكل سؤال.

إذا كان العائد منخفضاً (سؤال سهل)، أنفق القليل.
إذا كان العائد سالباً (سؤال مستحيل)، فلا تنفق أي شيء.
إذا كان العائد مرتفعاً (صعب ولكن قابل للحل)، استثمر بكثافة.

هذا يجعل الذكاء الاصطناعي أسرع، وأرخص في التشغيل، وأفضل بشكل مدهش في حل الأمور الصعبة.

ملخص تقني: التفكير كفء الميزانية (BET)

بيان المشكلة

تعمل نماذج الاستدلال الضخمة (LRMs) مثل OpenAI-o1 وDeepSeek-R1 على تعزيز قدرات حل المشكلات من خلال استدلال ممتد ومتعدد الخطوات. ومع ذلك، تأتي هذه القدرة مع تكاليف استنتاج غير مستدامة. تم تحديد خلل جوهري في الكفاءة في الورقة البحثية يتمثل في سوء تخصيص الحوسبة وقت الاختبار (inference-time compute). تندرج طرق الكفاءة الحالية عادةً ضمن فئتين:

الضغط الموحد (Uniform Compression): تقنيات تعمل على تقصير مسارات الاستدلال أو ضغط سلاسل الأفكار بشكل عالمي. غالبًا ما تؤدي هذه التقنيات إلى كبح الاستكشاف المثمر في الاستعلامات الصعبة ولكن القابلة للحل.
التحكم المشروط بالصعوبة (Difficulty-Conditioned Control): طرق تعدل عمق الاستدلال بناءً على الصعوبة المتصورة للاستعلام. غالبًا ما تفشل هذه الطرق في التمييز بين الاستعلامات "الصعبة ولكن القابلة للحل" (التي تستفيد من الاستدلال الأعمق) والاستعلامات "غير القابلة للحل فعليًا" (حيث تفتقر القدرة بغض النظر عن الميزانية).

المشكلة الأساسية هي أن الطرق الحالية تفتقر إلى الوعي بالقابلية للحل (solvability awareness). فقد تهدر كمية كبيرة من الحوسبة على استعلامات تتجاوز قدرة النموذج (استكشاف عبثي)، بينما تختصر الاستدلال مبكرًا في الاستعلامات الصعبة التي يمكن حلها باستثمار كافٍ. التحدي يكمن في تخصيص حوسبة وقت الاختبار بناءً على العائد المتوقع من الاستدلال وليس فقط الصعوبة المتصورة.

المنهجية: التفكير كفء الميزانية (BET)

يقترح المؤلفون إطار عمل التفكير كفء الميزانية (BET)، وهو إطار يعامل حوسبة وقت الاختبار كاستثمار حوسبي تحت ظروف عدم اليقين. يهدف BET إلى تعلم ثلاثة سلوكيات متميزة:

الحل القصير (Short Solve): الإجابة على الاستعلامات السهلة بإيجاز.
الطي اللطيف (Nice Fold): الامتناع المبكر عندما يكون العائد المتوقع من الاستمرار في الاستدلال قريبًا من الصفر (أي أن الاستعلام غير قابل للحل بواسطة السياسة الحالية).
نداء البطل (Hero Call): الحفاظ على حوسبة كافية للاستعلامات الصعبة ولكن القابلة للحل حيث يمكن للاستدلال الأعمق تغيير الإجابة.

المكونات الأساسية

يعمل BET على مبدأ أن القابلية للحل تعتمد على السياسة (policy-dependent). قد يكون الاستعلام غير قابل للحل بالنسبة لسياسة حالية، ولكنه قابل للحل لسياسة أكثر قدرة. لذلك، يقوم BET بتقدير القابلية للحل ديناميكيًا من سلوك النموذج نفسه بدلاً من الاعتماد على تسميات الصعوبة الثابتة.

يتكون إطار العمل من مرحلتين:

1. البداية الباردة للسلوك (الضبط الدقيق تحت الإشراف - SFT)

الهدف: تهيئة السياسة بالصيغة الهيكلية اللازمة والمجموعة السلوكية.
العملية: يتم ضبط النموذج بدقة على مجموعة بيانات منسقة مشتقة من التوصيف غير المتصل (offline profiling) للنموذج الأساسي. يتم تقسيم الاستعلامات إلى:
- الحل القصير: استعلامات قابلة للحل بتكلفة كفاءة منخفضة.
- نداء البطل: استعلامات قابلة للحل بتكلفة كفاءة عالية.
- الطي اللطيف: الاستعلامات التي يفشل فيها النموذج الأساسي في إنتاج حل صحيح في $K$ من عمليات التجربة (rollouts).
المخرجات: يتعلم النموذج إصدار كتلة <predict> هيكلية تحتوي على تقدير للقابلية للحل ( $\hat{s}$ ) وتقدير للميزانية ( $\hat{b}$ ) قبل توليد مسار الاستدلال.

2. التدريب الواعي بتكلفة الاستثمار (GRPO)

الهدف: تحسين السياسة لمواءمة قرارات الحل أو الامتناع مع القابلية للحل التجريبية.
الآلية: يستخدم المؤلفون تحسين السياسة النسبي للمجموعات (GRPO). لكل استعلام، تولد السياسة $K=16$ تجربة مستقلة.
ملف المجموعة (Group Profile): من هذه التجارب، يتم حساب إحصائيتين عبر الإنترنت:
- معدل نجاح المجموعة ( $\hat{s}(x)$ ): نسبة التجارب الصحيحة، والتي تعمل كتقدير للقابلية للحل.
- تكلفة الحل الكفؤ ( $\hat{c}^*(x)$ ): متوسط طول المسارات الصحيحة الأقصر (على سبيل المثال، أفضل 30%)، والتي تمثل سقف التكلفة للاستدلال المنتج.
دالة المكافأة المركبة: تتكون المكافأة $R(y|x)$ $R (y ∣ x)$ من ثلاثة حدود:
- $R_{VAL}$ (القيمة مع بوابة الامتناع): تمنح مكافأة إيجابية ( $+\delta$ ) للامتناع عن الاستعلامات غير القابلة للحل (حيث $\hat{s}(x) < \epsilon_{abs}$ ) وعقوبة شديدة ( $-\lambda$ ) للامتناع عن الاستعلامات القابلة للحل. المحاولات غير الصحيحة تتكبد عقوبة متناسبة مع التكلفة.
- $R_{EFF}$ (الكفاءة المتكيفة مع الاستعلام): تكافئ الحلول الصحيحة التي تكون أقصر من تقدير التكلفة الكفؤ $\hat{c}^*(x)$ . هذا يشجع الإيجاز في الاستعلامات السهلة دون معاقبة العمق الضروري في الاستعلامات الصعبة والقابلة للحل.
- $R_{CAL}$ (معايرة القابلية للحل): تعاقب التباينات بين تقديرات النموذج للقابلية للحل/الميزانية وبين ملف المجموعة التجريبي. يضمن هذا أن تقديرات النموذج قبل الاستدلال متجذرة في الواقع.

المساهمات الرئيسية

التشخيص الواعي بالقابلية للحل: تحدد الورقة أن طرق الاستدلال التكيفية الحالية تغفل عن القابلية للحل، مما يؤدي إلى حوسبة مفرطة على الاستعلامات التي تتجاوز القدرة، واستثمار ناقص في الاستعلامات الصعبة ولكن القابلة للحل.
التدريب الواعي بالاستثمار (BET): إطار عمل ذو مرحلتين يجمع بين البداية الباردة للسلوك وتدريب GRPO تحت مكافأة مركبة. هذا يستحث السلوكيات الثلاثة المستهدفة (الحل القصير، الطي اللطيف، نداء البطل) من خلال مواءمة القرارات مع القابلية للحل المستمدة من التجارب.
الدليل على نطاق واسع: تجارب مكثفة تثبت أن BET يقلل من استخدام الرموز (tokens) مع الحفاظ على الدقة أو تحسينها، ويتعمم على المهام خارج النطاق (out-of-domain).

النتائج التجريبية

قيم المؤلفون BET على سبعة معايير مرجعية (أربعة في مجال الرياضيات، وثلاثة خارج المجال) باستخدام ثلاثة نماذج أساسية (Qwen3-4B، وDeepSeek-R1-Distill-7B، و14B).

الكفاءة والدقة: عبر جميع النماذج، قلل BET من رموز الاستدلال بنسبة 55% في المتوسط مع تحقيق تحسينات في الأداء العام.
- في Qwen3-4B، زادت الدقة في Omni-Math من 73.64% إلى 74.41% بينما انخفضت الرموز من 10,516 إلى 4,561.
- في DeepSeek-R1-Distill-7B، حقق BET أدنى متوسط تكلفة للرموز مع البقاء ضمن 0.54 نقطة من أفضل دقة.
الضغط الانتقائي: على عكس النماذج المرجعية التي تضغط بشكل موحد، يقلل BET الرموز انتقائيًا في الاستعلامات غير القابلة للحل (مقللًا الاستخدام بأكثر من 90% في هذه الحالات) مع الحفاظ على العمق في الاستعلامات الجديرة.
النقل من الصفر (Zero-Shot Transfer): بعد التدريب حصريًا على الاستدلال الرياضي، انتقل BET بفعالية إلى الأسئلة العلمية (GPQA-Diamond)، والاستدلال السردي متعدد الخطوات (MUSR)، والاستدلال المنطقي (LSAT-AR)، محققًا توفيرًا في الرموز بنسبة 53–59% مع مكاسب مماثلة في الدقة.
جبهة باريتو (Pareto Frontier): يضع BET نفسه على جبهة باريتو للمقايضة بين الدقة والكفاءة، متفوقًا على النماذج المرجعية مثل Length-Penalty وDR.SAF وDiffAdapt.

الأهمية والادعاءات

تدعي الورقة أن BET يمثل تحولًا من الضغط المشروط بالصعوبة إلى الاستثمار الواعي بالقابلية للحل للميزانية. من خلال معاملة الحوسبة كاستثمار حيث العائد غير مؤكد، يتعلم النموذج:

التوقف مبكرًا عندما يكون العائد المتوقع صفرًا (الطي اللطيف)، مما يمنع الاستكشاف العبثي.
الاستثمار بعمق فقط عندما يكون الاستعلام قابلًا للحل ومن المرجح أن يغير الاستدلال الإجابة (نداء البطل).
أن يكون موجزًا عندما يكون الحل مباشرًا (الحل القصير).

يؤكد المؤلفون أن سلوك "الطي اللطيف" ليس ادعاءً باستحالة ذاتية، بل هو امتناع يعتمد على السياسة. إنه يشير إلى أنه، في ظل النموذج الحالي والميزانية الحالية، من غير المرجح أن يؤدي المزيد من الاستدلال إلى إجابة صحيحة. يمكن الاستفادة من هذا النوع من عدم اليقين المرتبط بالقدرة في الأنظمة المتسلسلة لتوجيه الاستعلامات الصعبة إلى نماذج أقوى، مما يحسن كفاءة النظام ككل.

تخلص الورقة إلى أن BET يوفر عائلة سياسات قابلة للضبط حيث يمكن تعديل المقايضة بين الدقة والتكلفة (على سبيل المثال، عبر مكافأة الطي $\delta$ )، مما يقدم نهجًا مبدئيًا لإدارة حوسبة وقت الاختبار دون التضحية بقدرة حل المشكلات.