💻 computer science

AnE: Pushing the Reasoning Frontier of Multimodal LLMs via Anchor Evolution

تقترح الورقة البحثية "تطور المرساة" (AnE)، وهو نموذج جديد يجمع بين "توسيع مرساة الحقيقة" لتقنين البيانات عالي الدقة و"آلية تجريد السقالات" لاستيعاب قدرات الاستدلال، مما يتغلب على الانجراف المعرفي ويحقق أداءً هو الأفضل حالياً في معايير الاستدلال متعدد الوسائط.

المؤلفون الأصليون: Zehao Wang, Yihan Zeng, Zidong Gong, Yuanfan Guo, Feng Zhu, Hongzhi Zhang, Wei Zhang, Wangmeng Zuo

نُشر 2026-05-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zehao Wang, Yihan Zeng, Zidong Gong, Yuanfan Guo, Feng Zhu, Hongzhi Zhang, Wei Zhang, Wangmeng Zuo

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

إليك شرح لورقة البحث "AnE: دفع حدود الاستدلال في النماذج اللغوية الكبيرة متعددة الوسائط عبر التطور المرتكز على المرساة" باستخدام لغة بسيطة واستعارات إبداعية.

الصورة الكبيرة: تعليم روبوت كيف يفكر بشكل أفضل

تخيل أنك تحاول تعليم روبوت ذكي جداً (نموذج لغوي كبير متعدد الوسائط) كيفية حل الألغاز المعقدة، مثل المسائل الرياضية التي تحتوي على رسوم بيانية أو ألغاز منطقية. أنت تريد أن يصبح أفضل في "الاستدلال"، وليس مجرد حفظ الإجابات.

تجادل الورقة بأن الطرق الحالية لتعليم هذه الروبوتات تعاني من مشكلتين كبيرتين:

المكتبة الثابتة: إذا أعطيت الروبوت مجموعة ثابتة من الكتب المدرسية (بيانات ثابتة)، فإنه سيصطدم بسقف محدد. بمجرد أن يتعلم كل ما في تلك الكتب، لن يتمكن من أن يصبح أكثر ذكاءً لأن الكتب لا تتغير لتناسب مهاراته المتنامية.
المعلم المهلووس: إذا تركت الروبوت يعلم نفسه عبر ابتكار مسائل تدريبية جديدة (التطور الذاتي)، فإنه غالباً ما يبدأ في الكذب على نفسه. فهو يبتكر منطقاً مزيفاً وإجابات خاطئة تبدو مقنعة ولكنها في الواقع بلا معنى. وهذا ما يسمى بـ "الانجراف المعرفي".

الحل: يقترح المؤلفون طريقة جديدة تسمى التطور المرتكز على المرساة (AnE). فكر في الأمر كأنه "معسكر تدريبي مرتكز على الحقيقة" يحافظ على بقاء الروبوت متجذراً في الواقع بينما يدفعه إلى أقصى حدود قدراته.

كيف يعمل AnE: معسكر التدريب المكون من ثلاث خطوات

تعمل الطريقة في حلقة، مثل دورة من الممارسة، المراجعة، ثم الإتقان.

1. إيجاد "جبهة الفشل" (كاشف نقاط الضعف)

أولاً، يطلب النظام من الروبوت محاولة حل مجموعة من المسائل. هو لا ينظر فقط إلى ما إذا كان الروبوت قد حصل على الإجابة الصحيحة أم الخاطئة؛ بل ينظر إلى كيفية تفكير الروبوت.

الاستعارة: تخيل مدرباً يراقب رياضياً أثناء سباق جري. المدرب لا يكتفي بالتحقق من وقت الوصول فحسب، بل يلاحظ بالضبط أين تعثر الرياضي أو أين ارتبك.
ادعاء الورقة: يحدد النظام أنواع المسائل المحددة التي يفشل فيها الروبوت باستمرار. هذه هي مناطق "جبهة الفشل" — حافة ما يعرفه الروبوت حالياً.

2. "توسيع مرساة الحقيقة" (التحقق من الواقع)

بمجرد تحديد نقاط ضعف الروبوت، يحتاج النظام إلى إنشاء مسائل تدريبية جديدة لإصلاحها.

المشكلة في الطرق القديمة: كانت الطرق السابقة تطلب من "ذكاء اصطناعي معلم" ابتكار مسائل جديدة. لكن "المعلم الذكي" قد يرتكب أخطاء أو يخترع حقائق مزيفة، مما يؤدي بالروبوت الطالب إلى دوامة من الأكاذيب.
حل AnE: بدلاً من اختراع الأشياء، يذهب AnE إلى مكتبة ضخمة ومحققة من البيانات الواقعية (قاعدة بيانات الحقيقة المطلقة). ويبحث عن أمثلة حقيقية وصحيحة تطابق نوع الخطأ المحدد الذي ارتكبه الروبوت.
الاستعارة: إذا كان طالب يستمر في الفشل في "جمع الكسور"، فإن معلماً سيئاً قد يخترع قاعدة مزيفة. أما المعلم الجيد (AnE) فيذهب إلى مكتبة من كتب الرياضيات الحقيقية، ويجد مسائل كسور حقيقية ومحققة، ويقول له: "إليك أمثلة حقيقية لما عانيت منه بالضبط". هذه الأمثلة الحقيقية هي "مراسي الحقيقة". إنها تبقي التدريب متجذراً في الواقع.

3. "آلية نزع السقالات" (عجلات التدريب تُركب، ثم تُنزع)

الآن يمتلك الروبوت مسائل حقيقية، لكنها قد تظل صعبة للغاية بحيث لا يستطيع حلها بمفرده فوراً.

الخطوة أ: السقالات (عجلات التدريب): يأخذ النظام "الذكاء الاصطناعي المعلم" ويطلب منه تقديم تلميح مفيد أو دليل خطوة بخطوة للمسألة. يتدرب الروبوت على حل المسألة مع هذا المساعدة. وهذا ما يسمى "الإشراف المعزز بالسقالات".
- الاستعارة: الأمر يشبه مدرب قيادة يجلس في مقعد الركاب، ويقول: "أدر المقود هنا، ثم اضغط على دواسة الوقود". يتعلم الطالب المنطق وراء الحركة مع وجود دعم.
الخطوة ب: النزع (إزالة العجلات): بمجرد أن يتدرب الروبوت باستخدام التلميحات، يقوم النظام بإزالة هذه التلميحات. ثم يُختبر الروبوت باستخدام "التعلم التعزيزي" (RL) لحل نفس المسائل بمفرده.
- الاستعارة: يخرج المدرب من السيارة. يجب على الطالب الآن قيادة نفس الطريق بمفرده. إذا نجح، فهذا يثبت أنه تعلم المهارة فعلياً، ولم يقم فقط بحفظ صوت المدرب.

لماذا هذا أفضل (النتائج)

اختبرت الورقة هذه الطريقة على روبوت يسمى Qwen2.5-VL-7B.

النتيجة: من خلال استخدام حلقة "التطور المرتكز على المرساة" هذه، حسن الروبوت مهارات الاستدلال لديه بنسبة 10.3% عبر ثمانية اختبارات معيارية صعبة (مثل MathVision و EMMA).
المقارنة:
- التدريب الثابت: اصطدم الروبوت بحائط وتوقف عن التحسن.
- التطور الذاتي: ارتبك الروبوت، وبدأ في الهلوسة (اختلاق الحقائق)، وفي الواقع أصبح أسوأ بمرور الوقت.
- AnE: استمر الروبوت في زيادة ذكائه، جولة بعد جولة، دون أن يفقد صوابه.

ملخص في جملة واحدة

التطور المرتكز على المرساة (AnE) هو طريقة تدريب تجد بالضبط أين يفشل الروبوت، وتستخرج أمثلة حقيقية ومحققة من قاعدة بيانات لإصلاح نقاط الضعف تلك تحديداً، ثم تستخدم نهج "عجلات التدريب" لتعليم الروبوت كيفية حل تلك المسائل بمفرده، مما يضمن تعلم مهارات الاستدلال الحقيقية دون الضياع في المنطق المزيف.

ملخص تقني: AnE - دفع حدود الاستدلال في النماذج اللغوية الكبيرة متعددة الوسائط عبر تطور المرتكزات (Anchor Evolution)

بيان المشكلة

يعد التدريب اللاحق (Post-training) للنماذج اللغوية الكبيرة متعددة الوسائط (MLLMs) عبر الضبط الدقيق الخاضع للإشراف (SFT) والتعلم التعزيزي (RL) أمراً ضرورياً لتعزيز قدرات الاستدلال. ومع ذلك، تواجه النماذج الحالية معايير ثابتة عقبات كبيرة:

التدريب اللاحق الساكن: الاعتماد على مجموعات بيانات ثابتة يحد من قدرة النموذج على التكيف مع نقاط ضعفه المتطورة، مما يؤدي إلى تناقص العوائد مع تحول حدود قدرات النموذج.
التطور الذاتي: تعاني الأساليب التي تولد بيانات اصطناعية لإنشاء دورات تدريب مغلقة الحلقة من الانجراف المعرفي (Cognitive Drift) ومسارات الاستدلال المهلوسة (Hallucinated Reasoning Paths). فعندما تهيمن البيانات الاصطناعية منخفضة الجودة على إشارة التدريب، تتراكم الأخطاء عبر التكرارات، مما يؤدي إلى تدهور الأداء بدلاً من تحسينه.

التحدي الجوهري هو تحقيق تطور قابل للتوسع للنموذج يستهدف نقاط الفشل المحددة لديه، مع الحفاظ على إشراف عالي الدقة وصادق لمنع الهلوسة.

المنهجية: تطور المرتكزات (AnE)

يقترح المؤلفون تطور المرتكزات (AnE)، وهو إطار عمل للتدريب اللاحق يتسم بالتكرار، يدمج تقنين البيانات المرتكزة على الحقيقة مع تطور النموذج. يعمل الإطار من خلال ثلاث مراحل متكاملة تتكرر في دورة تكرارية:

1. اكتشاف حدود الفشل (Failing-Frontier Discovery)

تبدأ العملية بتحديد المناطق المحددة التي يقل فيها أداء النموذج.

العمليات (Rollouts): يقوم النموذج بإجراء $K$ من العمليات العشوائية على مجموعة بيانات بذرية.
توجيه البيانات (Data Routing): يتم تصنيف العينات بناءً على عدد النجاحات ( $c$ $c$ ):
- الفائضة (Redundant) ( $c=K$ ): يتم استبعادها لتوفير الحوسبة.
- المتقلبة (Volatile) ( $1 \le c < K$ ): يتم الاحتفاظ بها من أجل الاستقرار.
- حدود الفشل (Failing Frontier) ( $c=0$ ): العينات التي يفشل فيها النموذج باستمرار. تمثل هذه العينات الفجوات الحرجة في قدرات النموذج.
التحليل التشخيصي: يقوم نموذج معلم (Teacher Model) بتحليل مسارات الفشل لعينات "حدود الفشل" لاستخراج:
- كلمات البحث المفتاحية ( $k_x$ ): 3-5 أسماء مرتبطة بالفشل، تُستخدم لاسترجاع بيانات خارجية.
- تلميحات قابلة للتنفيذ ( $h_x$ ): جملة أو ثلاث جمل توفر إرشادات مهيكلة لحل المشكلة.

2. توسيع مرتكزات الحقيقة (Truth Anchor Expansion)

لتجنب مخاطر الهلوسة المرتبطة بتوليد البيانات الاصطناعية، يقوم AnE باسترجاع عينات موثقة من قاعدة بيانات خارجية قائمة على الحقيقة.

الاسترجاع: باستخدام كلمات البحث المفتاحية ( $k_x$ ) المستمدة من تحليل الفشل، يقوم النظام باسترجاع "مرتكزات حقيقة" عالية الدقة من قاعدة بيانات ضخمة قائمة على الحقيقة (مثل FineVision).
التقنين: تعمل هذه المرتكزات كمرجعيات موثقة، مما يضمن أن بيانات التدريب مستندة إلى معرفة واقعية بدلاً من التكهنات المولدة بواسطة النموذج. تهدف هذه الخطوة إلى توسيع مجموعة البيانات خصيصاً لاستهداف أوجه القصور المنطقية المحددة.

3. آلية تجريد السقالات (Scaffold-Stripping Mechanism)

تجسر هذه المرحلة الفجوة بين عدم قدرة النموذج الحالية على حل مشكلة ما وبين إتقانه النهائي لها.

الضبط الدقيق المعزز بالسقالات (Scaffold-Augmented SFT): يتم إلحاق التلميحات القابلة للتنفيذ ( $h_x$ ) بالأسئلة المدخلة لتوجيه النموذج نحو مسارات الاستدلال الصحيحة. يتم جمع المسارات الناجحة الموجهة، ثم تُنقل التلميحات من المدخلات إلى بادئة المخرجات، مما يخلق بيانات تدريب "معززة بالسقالات". هذا يسمح للنموذج بتعلم مسارات الاستدلال الصحيحة مع وجود دعم خارجي.
تجريد التعلم التعزيزي (RL Stripping): يتم بعد ذلك تدريب النموذج عبر التعلم التعزيزي على نفس المشكلات ولكن بدون التلميحات. الهدف هو "تجريد" السقالة، مما يجبر النموذج على استيعاب منطق الاستدلال وتوليد إجابات صحيحة بشكل مستقل.

المساهمات الرئيسية

إطار عمل تطور المرتكزات: نموذج جديد للتدريب اللاحق يربط بقوة بين تقنين البيانات المرتكزة على الحقيقة وتطور النموذج، محققاً مكاسب ثابتة عند حدود الاستدلال.
توسيع مرتكزات الحقيقة: آلية تحدد إخفاقات النموذج عبر عمليات استرجاع المسارات وتسترجع مرتكزات موثقة من قواعد بيانات الحقيقة. هذا يمنع الانجراف المعرفي والهلوسة المرتبطة بالتطور الذاتي الاصطناعي الصرف.
آلية تجريد السقالات: عملية من خطوتين تستخدم الإشراف المعزز بالسقالات (SFT) يليه التعلم التعزيزي (RL) لإزالة السقالات. هذا يمكن النموذج من استيعاب التوجيه الخارجي كقدرة ذاتية بدلاً من مجرد تقليده.

النتائج التجريبية

قام المؤلفون بتقييم AnE باستخدام Qwen2.5-VL-7B كنموذج أساسي عبر ثمانية اختبارات معيارية للاستدلال متعدد الوسائط (بما في ذلك MathVista و MathVision و EMMA و MMMU).

مكاسب الأداء: حسن AnE النموذج الأساسي بمتوسط 10.3% عبر الاختبارات الثمانية.
الأداء الأفضل (SOTA): حققت الطريقة نتائج هي الأفضل في فئتها على مجموعات البيانات الصعبة مثل MathVision و EMMA.
التحسن التكراري: على عكس الأساليب الساكنة التي تصل إلى مرحلة الثبات أو أساليب التطور الذاتي التي تتدهور في الجولات المتأخرة بسبب الهلوسة، أظهر AnE تحسناً مستمراً عبر ثلاث جولات من التطور.
تقليل الهلوسة: مقارنة بنماذج التطور الذاتي المرجعية، أنتج AnE عينات مهلوسة أقل بكثير (0.2–0.8% مقابل 6.5–9.3%)، مما يؤكد فعالية التقنين المرتكز على الحقيقة.
دراسات الاستئصال (Ablation Studies): أكدت التجارب أن كلاً من "توسيع مرتكزات الحقيقة" و"آلية تجريد السقالات" يساهمان بشكل مستقل، لكن دمجهما يعطي أفضل أداء. كما أظهرت الطريقة متانة تجاه حجم قاعدة البيانات والقدرة على التعميم على عائلات نماذج أخرى (مثل InternVL3.5).

الأهمية والادعاءات

يزعم البحث أن تطور المرتكزات (Anchor Evolution) يعالج القيود الأساسية لاستراتيجيات التدريب اللاحق الحالية. فمن خلال ترسيخ تطور البيانات في معرفة واقعية موثقة (مرتكزات الحقيقة) واستيعاب قدرات الاستدلال بشكل منهجي (تجريد السقالات)، يُمكّن AnE النموذج من تحقيق مكاسب أداء وفية وثابتة.

ويجادل المؤلفون بأن هذا النهج يتغلب على "عقبة الأداء" للبيانات الساكنة و"الانجراف المعرفي" للتطور الذاتي الاصطناعي. تكمن الأهمية في توفير مسار قابل للتوسع والموثوق لدفع حدود الاستدلال في النماذج اللغوية الكبيرة متعددة الوسائط، مما يضمن أن التحسينات مدفوعة بتوسع حقيقي في القدرات بدلاً من المحاكاة السطحية أو مسارات الاستدلال المهلوسة. ويشير العمل إلى أن التطور الفعال للنموذج يتطلب كلاً من التكيف مع حدود الفشل للنموذج ومصادر معرفة موثوقة ومحققة.