💬 NLP

Children's English Reading Story Generation via Supervised Fine-Tuning of Compact LLMs with Controllable Difficulty and Safety

تُثبت هذه الورقة أن النماذج اللغوية الكبيرة المدمجة ذات الـ 8 مليارات بارامتر، عند ضبطها بدقة باستخدام بيانات تعليمية مصممة من قبل خبراء، يمكنها توليد قصص قراءة باللغة الإنجليزية للأطفال بصعوبة قابلة للتحكم ومعايير سلامة تتفوق على النماذج الكبيرة ذات القدرات الصفرية مثل GPT-4o وLlama 3.3 70B في مقاييس الصعوبة، مع بقائها فعالة من حيث التكلفة للاستخدام التعليمي واسع النطاق.

المؤلفون الأصليون: Qian Shen (University of Florida, Gainesville, USA), Fanghua Cao (University of Florida, Gainesville, USA), Min Yao (University of Florida, Gainesville, USA), Shlok Gilda (University of Florida, Gaine

نُشر 2026-05-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Qian Shen (University of Florida, Gainesville, USA), Fanghua Cao (University of Florida, Gainesville, USA), Min Yao (University of Florida, Gainesville, USA), Shlok Gilda (University of Florida, Gainesville, USA), Bonnie J. Dorr (University of Florida, Gainesville, USA), Walter L. Leite (University of Florida, Gainesville, USA)

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 معلم تحاول تقديم كتاب قصص مخصص لكل طفل في فصلك. تريد أن تكون القصة عن موضوع معين (مثل "القطط" أو "قوس قزح")، ولكنك تحتاج أيضًا إلى أن تكون الكلمات مناسبة تمامًا: ليست صعبة جدًا لطالب في الروضة، وليست بسيطة جدًا لدرجة تجعل طالب الصف الثاني يشعر بالملل. بالإضافة إلى ذلك، يجب أن تكون القصة آمنة وخالية من أي شيء مخيف أو لئيم.

إن القيام بذلك يدويًا لمئات الأطفال أمر مستحيل. قد تفكر: "لنطلب من روبوت ذكاء اصطناعي فائق الذكاء كتابتها!" ولكن تكمن المشكلة هنا: روبوتات الذكاء الاصطناعي الضخمة والأكثر ذكاءً (مثل تلك التي تعمل على أجهزة كمبيوتر عملاقة) مكلفة للغاية لتشغيلها في كل فصل دراسي، وعندما تطلب منها اتباع قواعد صارمة، غالبًا ما ترتبك. فقد تكتب قصة صعبة جدًا، أو قد تدرج بالخطأ وحشًا مخيفًا بينما طلبت منها كتابة وحش ودود.

الفكرة الكبرى: الروبوت "المدمج"
يتحدث هذا البحث عن تدريب روبوتات ذكاء اصطناعي أصغر، وأرخص، وأسهل في الإدارة (تسمى نماذج 8B) لتكون كاتبة قصص مثالية. أراد الباحثون معرفة ما إذا كان بإمكانهم تعليم هذه الروبوتات الأصغر اتباع قواعد صارمة بشكل أفضل من الروبوتات العملاقة والمكلفة.

تخيل الذكاء الاصطناعي الضخم كأنه طاهٍ مشهور ومثقل بالأعمال، بارع في طهي الوجبات الفاخرة المعقدة ولكنه يعاني في اتباع وصفة بسيطة لوجبة غداء طفل. أما الذكاء الاصطناعي الأصغر فهو مثل خباز محلي يحتاج إلى تدريب محدد ليتعلم كيفية صنع شطيرة مثالية وصديقة للطفل بدقة.

كيف فعلوا ذلك (معسكر التدريب)
أخذ الباحثون منهجًا دراسيًا مصممًا من قبل خبراء (قائمة تضم 129 درسًا مع أصوات وكلمات محددة للتدريس). طلبوا أولاً من الذكاء الاصطناعي الضخم كتابة 2,580 قصة بناءً على هذه الدروس. ورغم أن الذكاء الاصطناعي الضخم لم يكن مثاليًا، إلا أنه قدم نقطة انطلاق جيدة.

بعد ذلك، وضعوا ثلاثة روبوتات "خبازة" مختلفة في معسكر تدريب خاص باستخدام ثلاث طرق مختلفة:

طريقة "افعلها فحسب" (الأساس): عرضوا على الروبوتات الدرس والقصة ببساطة، قائلين: "انسخ هذا الأسلوب".
طريقة "الأفضل من بين الأفضل" (القصص الجيدة): قاموا بتصفية القصص وعرضوا على الروبوتات أفضل القصص فقط، معتقدين أنه: "إذا تعلمت من الأفضل، فستكون الأفضل".
طريقة "نظام المكافأة" (SFT بمكافأة): كانت هذه هي النجمة الساطعة. لقد أعطوا الروبوتات درجة لكل قصة بناءً على سهولة قراءتها، ومدى أمانها، ومدى منطقيتها. إذا كتب الروبوت قصة جيدة، فإنه يحصل على "نجمة ذهبية" (مكافأة). وإذا كتب قصة سيئة، فإنه يحصل على درجة أقل. تعلم الروبوت كيف يطارد النجوم الذهبية.
طريقة "محاكي الأخطاء": استخدموا ذكاءً اصطناعيًا فائق الذكاء ليتظاهر بأنه طفل يرتكب أخطاء في القراءة، ثم علموا الروبوتات كيفية التعامل مع هذه الأخطاء.

النتائج: الروبوت الصغير يفوز
عندما اختبروا النتائج، كان "نظام المكافأة" هو الفائز الواضح. إليكم ما وجدوه:

التحكم في الصعوبة: القصص التي كتبتها الروبوتات الصغيرة المدربة كانت في الواقع أسهل وأكثر ملاءمة للأطفال الصغار (من الروضة حتى الصف الثاني) من القصص التي كتبها الذكاء الاصطناعي الضخم (بدون تدريب مسبق). استمر الذكاء الاصطناعي الضخم في استخدام كلمات كبيرة وفخمة، بينما تعلمت الروبوتات الصغيرة الالتزام بالكلمات البسيطة.
الأمان: كانت الروبوتات الصغيرة آمنة للغاية. كانت معظم القصص خالية من اللغة المسيئة أو المحتوى المخيف.
الإبداع مقابل القواعد: عادة ما تعاني الروبوتات الصغيرة في أن تكون مبدعة مع اتباع قواعد صارمة. ولكن مع التدريب الصحيح (نظام المكافأة)، تمكنت هذه الروبوتات الصغيرة من كتابة قصص كانت بسيطة بما يكفي للأطفال وفي نفس الوقت منطقية كقصص.

القصة "السيئة" مقابل القصة "الجيدة"
نظر الباحثون بتمعن في القصص.

القصة "الجيدة": كانت تتدفق مثل جدول مائي هادئ. الأحداث تحدث بالترتيب، والكلمات بسيطة، والشخصيات ثابتة. كان من السهل على الطفل متابعتها.
القصة "السيئة": كانت مثل أفعوانية خرجت عن مسارها. كانت تقفز بين أفكار غير مترابطة، وتستخدم كلمات كبيرة مثل "نهم" (التي لن يعرفها طفل في السادسة)، وأحياناً تتضمن تعليقات غريبة ومسيئة قليلاً مثل "أنت سمين جداً".

العقبة (القيود)
على الرغم من أن الروبوتات الصغيرة قامت بعمل جيد، إلا أنها ليست مثالية بعد.

التكرار: أصبحت الروبوتات أحياناً عالقة في نمط معين، حيث تستخدم نفس الأسماء (مثل سام و بام) أو الأماكن مرارًا وتكرارًا. حدث هذا لأن بيانات التدريب التي تعلمت منها كانت تحتوي على تلك الأنماط نفسها.
الحجم: على الرغم من أن هذه الروبوتات "صغيرة"، إلا أنها لا تزال كبيرة جدًا لتعمل على جهاز لوحي عادي أو هاتف. إنها تحتاج إلى كمبيوتر جيد للعمل.
المراجعة البشرية: لا تزال الروبوتات بحاجة إلى إنسان (معلم أو ولي أمر) لمراجعة القصص قبل إعطائها للطفل، للتأكد من عدم تسلل أي شيء غير مناسب.

الخلاصة
يثبت هذا البحث أنك لست بحاجة إلى كمبيوتر خارق بمليارات الدولارات لإنشاء قصص قراءة رائعة وآمنة وبسيطة للأطفال. من خلال استخدام طريقة تدريب ذكية (نظام المكافأة)، يمكنك تعليم ذكاء اصطناعي أصغر وأرخص للقيام بالمهمة بشكل أفضل من الذكاء الاصطناعي الضخم والمكلف. وهذا يعني أن المعلمين والآباء يمكنهم في النهاية تشغيل مولدات القصص هذه على أجهزتهم الخاصة في المنزل أو في الفصل الدراسي، لإنشاء قصص مخصصة لا حصر لها ومناسبة تمامًا لمستوى القراءة لدى الطفل.

ملخص تقني: توليد قصص القراءة باللغة الإنجليزية للأطفال عبر الضبط الدقيق الخاضع للإشراف للنماذج اللغوية الكبيرة المدمجة

بيان المشكلة

بينما تقدم النماذج اللغوية الكبيرة (LLMs) وعوداً في توليد محتوى تعليمي مخصص، فإن تطبيقها في تعليم القراءة للأطفال يواجه عائقين حرجين:

عدم المواءمة التربوية: تواجه النماذج المتطورة (مثل GPT-4o وLlama 3.3 70B) صعوبة في الالتزام الصارم بالقيود التربوية للمراحل الدراسية الأولى. وتحديداً، غالباً ما تفشل في تقييد الصعوبة المعجمية والنحوية لتناسب مستويات القراءة المستهدفة للفئات العمرية (K–2) دون المساس بالتماسك السردي.
إمكانية الوصول والتكلفة: تعيق التكاليف التشغيلية لواجهات برمجة التطبيقات (APIs) مغلقة المصدر، والمتطلبات العتادية الضخمة لنشر نماذج ذات أكثر من 70 مليار معلمة محلياً، عمليات الاعتماد الواسع النطاق في الفصول الدراسية والمنازل.

يتمثل التحدي الجوهري في تكييف النماذج اللغوية الكبيرة المدمجة والمحلية (أقل من 10 مليارات معلمة) لتوليد قصص توازن بين الإبداع السردي والالتزام الصارم بالقواعد (حدود المفردات، تبسيط النحو، والسلامة)، وهي مهمة تعاني فيها النماذج الصغيرة عادةً من انهيار النمط (mode collapse) أو التجزؤ المنطقي تحت ضغط القيود متعددة الأبعاد.

المنهجية

أجرى المؤلفون مقارنة تجريبية منهجية لمختلف استراتيجيات الضبط الدقيق باستخدام ثلاثة نماذج لغوية كبيرة بـ 8 مليارات معلمة: Llama 3 8B، وApertus 8B-instruct-2509، وGranite 3.3 8b-instruct.

بناء البيانات

المصدر: استخدمت الدراسة منهجاً دراسياً للقراءة باللغة الإنجليزية للمرحلتين (K–2) من معهد جامعة فلوريدا لمحو الأمية (UFLI)، والذي يتكون من 129 درساً تتضمن فونيمات (أصوات لغوية) مستهدفة محددة.
بيانات التدريب: باستخدام التلقين صفري المحتوى (zero-shot prompting)، قام كل من GPT-4o وLlama 3.3 70B بتوليد 2,580 قصة (10 لكل درس). وعلى الرغم من محدوديتها في الالتزام الصارم بالقيود، إلا أن هذه القصص وفرت الجودة اللغوية والتماسك السردي اللازمين لتعمل كأهداف للتدريب.
المعالجة المسبقة: تمت معالجة الـ 2,580 قصة إلى أربع مجموعات بيانات تجريبية متميزة:
1. الأساس (Baseline): استخدام جميع القصص الـ 2,580 مباشرة.
2. "القصص الجيدة" (Good Stories): مجموعة فرعية مصفاة تضم 996 قصة حققت أداءً أعلى من متوسط المتن في خمسة مقاييس (قابلية القراءة وفق مقياس Spache، الحيرة/الارتباك (perplexity)، التماسك، التعقيد النحوي، والسمية).
3. الضبط الدقيق الخاضع للإشراف بمكافأة (Rewarded SFT): استخدام جميع القصص الـ 2,580، ولكن مع تعيين مكافأة عددية لكل مثال بناءً على متوسط معياري للمقاييس الخمسة. تم إعادة وزن دالة الفقد (cross-entropy loss) بهذه المكافآت أثناء التدريب.
4. الضبط الدقيق الخاضع للإشراف مع أخطاء محاكية (SFT with Simulated Errors): استلهاماً من منهجية (Self-Instruct)، استخدم المؤلفون نموذج GPT-OSS-120B لمحاكاة 3 إلى 8 أخطاء في النطق الفونيمي نموذجية للقراء في المراحل المبكرة لكل قصة. تم دمج هذه الأخطاء المحاكية مع فونيمات الدرس كمدخلات للنموذج.

تكوين الضبط الدقيق

التقنية: الضبط الدقيق الفعال للمعلمات (PEFT) باستخدام تقنية QLoRA (تكميم 4-bit NF4 + محولات LoRA).
المعلمات الفائقة (Hyperparameters): رتبة LoRA=32، $\alpha$ =64، معدل الإسقاط (dropout)=0.1، معدل التعلم=1e-4، حجم الدفعة=4، 5 دورات تدريبية (epochs)، نسبة الإحماء=0.03، المحسن=AdamW.
الاستدلال: أخذ العينات النواتية (nucleus sampling) (top-p=0.9) مع درجة حرارة 0.8.

مقاييس التقييم

تم تقييم القصص من حيث الصعوبة، والسلامة، والتنوع باستخدام:

درجة قابلية القراءة (Spache): تستهدف مستويات K–2 (درجة أقل من 3.0).
حيرة النموذج اللغوي (LM-PPL): لقياس الطلاقة والطبيعية (باستخدام GPT-2).
التماسك (Coherence): متوسط الكيانات المسماة المشتركة بين الجمل المتتالية.
التعقيد النحوي: مقياس مركب لأقصى مسافة تبعية والجمل التابعة.
السمية (Toxicity): قيست عبر Detoxify (بهدف الوصول إلى درجات قريبة من الصفر).
Self-BLEU: لقياس التكرار بين القصص والتنوع التوليدي.

النتائج الرئيسية

النتائج الكمية

التحكم في الصعوبة: حققت النماذج التي خضعت للضبط الدقيق، وخاصة تلك المدربة بأسلوب Rewarded SFT، درجات أقل بكثير في قابلية القراءة وفق مقياس Spache (مما يشير إلى نص أسهل) مقارنة بنماذج GPT-4o وLlama 3.3 70B في وضع التلقين الصفري. وصلت أفضل النماذج أداءً (Granite 3.3 وApertus) إلى متوسط درجات Spache يتراوح بين 2.3 و2.7، مما يقترب من مستوى الصف الثاني.
السلامة: أظهرت جميع القصص المولدة درجات سمية قريبة جداً من الصفر، مما يشير إلى مخاطر سلامة ضئيلة.
الاستقرار: أنتج نهج Rewarded SFT مخرجات عالية الاستقرار، مع انعدام الهلوسة أو النصوص المشوهة أو المحتوى غير ذي صلة بالقصة. أظهرت التجارب الأخرى أقل من 10% من المخرجات غير المرغوب فيها.
الأهمية الإحصائية: أكدت اختبارات (Welch's T-tests) أن التحسينات في التماسك، والتعقيد النحوي، وقابلية القراءة (Spache)، وLM-PPL بين النماذج المضبطة بدقة (خاصة Rewarded SFT) ونماذج 70B في وضع التلقين الصفري كانت ذات دلالة إحصائية ( $p < 0.001$ , Cohen's $d > 0.8$ ).
أداء النموذج: تفوق نموذج Llama 3 8B باستمرار في الأداء بشكل أقل مقارنة بـ Granite 3.3 وApertus.

النتائج النوعية

القيم المتطرفة (Outliers): أظهرت بعض القصص في تجربة "الأخطاء المحاكية" حيرة (perplexity) أعلى بسبب قصر النص أو المحتوى الملحق غير ذي الصلة.
حالات السمية: احتوت مجموعة صغيرة من القصص (أقل من 5 لكل مجموعة بيانات) على لغة قد تكون ضارة (مثل التنمر على الجسد أو شخصيات غير ودودة)، مما يسلط الضوء على الحاجة إلى الإشراف البشري.
التكرار: أظهرت النماذح ميلاً لإعادة استخدام أسماء محددة (مثل "Sam"، "Pam")، وحيوانات، وأماكن عبر الدروس المختلفة. يعزو المؤلفون ذلك إلى التفضيلات التوليدية المشفرة في بيانات التدريب المصدرية (قصص GPT-4o/Llama 3.3 70B)، مما يشير إلى أن الضبط الدقيق ينقل هذه الأنماط المحددة إلى النماذج المدمجة.

المساهمات الرئيسية

التحقق التجريبي من النماذج المدمجة: تثبت الدراسة أن النماذج المدمجة بسعة 8 مليارات معلمة (خاصة مع مسارات الضبط الدقيق مثل Rewarded SFT) يمكنها توليد قصص أطفال بصعوبة وتحكم في السلامة يضاهي أو يتفوق على نماذج 70 مليار معلمة في وضع التلقين الصفري.
استراتيجية Rewarded SFT: أثبت إدخال دالة فقد مجهزة بمكافأة بناءً على مقاييس تربوية متعددة فعاليته في تثبيت التوليد وتحسين المواءمة مع قيود K–2 دون الحاجة إلى مسارات RLHF كاملة.
إمكانية الوصول بتكلفة فعالة: يوفر هذا العمل مساراً لدمقرطة المحتوى التعليمي المخصص من خلال تمكين النشر على عتاد محلي (أقل من 10 مليارات معلمة) بدلاً من الاعتماد على واجهات برمجة التطبيقات المكلفة أو المجموعات المحلية الضخمة.

الأهمية والادعاءات

يزعم البحث أن نهجه يقدم حلاً قابلاً للتطبيق وعادلاً للتدخلات القرائية المدعومة بالذكاء الاصطناعي. فمن خلال إعطاء الأولوية للتحكم على الحجم، تسمح الطريقة المقترحة للمربين باستهداف مستويات القراءة وأنماط الخطأ المحددة باستخدام نماذج مدمجة ومنخفضة التكلفة.

يؤكد المؤلفون أنه بينما تظهر النماذج المدمجة (8B) واعدة كبيرة في توليد قصص K–2، إلا أنها ليست مستقلة تماماً بعد. وتدعو الدراسة إلى استخدام هذه النماذج كـ أدوات مساعدة تحت إشراف بشري (معلمين/آباء) لضمان السلامة والملاءمة التربوية. ويسلط العمل الضوء على أن النسخ المستقبلية تتطلب بيانات أكثر تنوعاً، بما في ذلك أخطاء القراءة الحقيقية للأطفال وتقييمات بشرية من الخبراء، لزيادة صقل النماذج ومعالجة مشكلات مثل تكرار المحتوى والحاجة إلى التعميم على قيود فونيمية غير مرئية.