Not a Monolith: Lab-Level Divergence in the Cooperative Equilibria of Chinese Frontier LLM Agents
تُظهر هذه الدراسة أن وكلاء النماذج اللغوية الكبيرة الصينيين المتقدمين يظهرون تباعداً كبيراً على مستوى المختبر في توازن التعاون، حيث يتجاوز التباين الداخلي الفجوة بين الشرق والغرب، مما يدحض فكرة وجود كتلة "نموذج صيني" متجانسة.
المؤلفون الأصليون:Francisco León Zúñiga Bolívar (Institución Universitaria Colegio Mayor del Cauca)
تخيل عالماً لا تكتفي فيه الحواسيب بالإجابة على الأسئلة فحسب، بل تلعب بالفعل ألعاباً مع بعضها البعض لتكتشف كيف يمكنها التعايش بسلام. هذه هي الحدود المثيرة، والمخيفة قليلاً، لـ "الأنظمة متعددة الوكلاء"، حيث تعمل نماذج الذكاء الاصطناعي كشخصيات مستقلة في لعبة فيديو، تتفاوض، وتتاجر، وتتقاتل أحياناً على الموارد. لفترة طويلة، راقب العلماء هذه الشخصيات الرقمية وهي تلعب لعبة كلاسيكية تسمى "معضلة السجين". فكر في الأمر كأنها لعبة "تحدي" عالية المخاطر أو تفاوض مخادع: إذا تعاون الجميع، فسينتصر الجميع بشكل كبير؛ وإذا خان بعضهم الآخر، فسيخسر الجميع؛ ولكن إذا غدر شخص واحد بينما التزم الآخر باللطف، فإن الغادر يربح ربحاً هائلاً ويُسحق الشخص اللطيف. السؤال الكبير الذي طرحه الباحثون هو: مع تطور هذه الوكلاء من الذكاء الاصطناعي وتعلمهم، هل يتعلمون بشكل طبيعي أن يكونوا جيراناً طيبين، أم يتحولون إلى متنمرين غاشمين؟
مؤخراً، اكتشف العلماء أن نماذج الذكاء الاصطناعي الغربية (تلك المصنوعة في الولايات المتحدة وأوروبا) تبدو وكأنها تمتلك "تحيزاً تعاونياً" متأصلاً. فعند تركها لتعمل بمفردها في عالم محاكى، تميل هذه النماذج إلى استنتاج أن كونها لطيفة هو الاستراتيجية الأفضل على المدى الطويل. لكن هنا تكمن المفاجأة: معظم هذه الأبحاث لم تنظر إلا إلى النماذج الغربية فقط. نحن لا نعرف حقاً ما إذا كان هذا الميل لكون المرء "شخصاً طيباً" هو سمة عالمية لجميع الحواسيب الذكية، أم أنه مجرد سمة خاصة بكيفية تدريب المهندسين الغربيين لها. وهذا يقودنا إلى اللغز الكبير: ماذا عن نماذج الذكاء الاصطناعي القوية القادمة من الصين؟ هل هي جميعاً جزء من كتلة موحدة واحدة من "الذكاء الاصطناعي الصيني" الذي يفكر بنفس الطريقة تماماً؟ أم أنها في الواقع مجموعة من "المختبرات" المختلفة التي تمتلك شخصياتها الفريدة؟
تغوص هذه الورقة البحثية في هذا اللغز من خلال إعداد تجربة ضخمة ومنضبطة. فقد أخذ الباحثون أربعة من أكثر نماذج الذكاء الاصطناعي تقدماً من أربعة مختبرات صينية مختلفة (DeepSeek و Qwen و Kimi و GLM) ووضعوها في ساحة رقمية للعب "معضلة السجين" آلاف المرات. لكنهم فعلوا شيئاً ذكياً لضمان عدالة الاختبار: استخدموا "مترجماً" واحداً محايداً لتحويل أفكار جميع النماذج إلى أكواد برمجية. وقد ضمن ذلك أن أي اختلاف في سلوك أحد النماذج لم يكن بسبب براعته في كتابة الأكواد البرمجية، بل بسبب اختلاف شخصيته الفعلية.
جاءت النتائج مفاجئة. إن فكرة أن "النماذج الصينية" كلها متشابهة هي فكرة خاطئة تماماً. في الواقع، تصرفت هذه المختبرات الأربعة كأربعة أشخاص مختلفين جداً. فمختبران (Kimi و Qwen) كان من الصعب للغاية التنمر عليهما؛ فحتى عندما كانت اللعبة محبوكة لتشجيع الخيانة، رفضت وكلاؤهما التحول إلى العدوانية. لقد كانا فريق "المقاوم للاستحواذ". أما المختبران الآخران (DeepSeek و GLM)، فقد كان من السهل بكثير إفسادهما. فعندما اشتد الضغط، كانت وكلاؤهما أكثر عرضة للتحول إلى متنمرين عدوانيين. في الواقع، كان الفرق بين هذه المختبرات الصينية الأربعة كبيراً جداً لدرجة أنه كان أكبر من الفرق بين متوسط النموذج الصيني ومتوسط النموذج الغربي.
إذن، ماذا يعني هذا؟ اتضح أن "التحيز التعاوني" (الميل لأن تكون لطيفاً) موجود بالفعل في النماذج الصينية، لكنه ليس مضموناً. فالأمر يعتمد كلياً على المختبر المحدد الذي صنع النموذج. فبعضها متعاون بطبيعته، وبعضها يميل نحو الحياد، وبعضها معرض للعدوانية. الدرس الأهم هنا هو أننا لا نستطيع معاملة "الذكاء الاصطناعي الصيني" ككتلة واحدة صماء. فتماماً مثل البشر، تمتلك مختبرات الذكاء الاصطناعي هذه شخصيات متميزة. إذا كنت تبني نظاماً يحتاج فيه وكلاء الذكاء الاصطناي للعمل معاً، فلا يمكنك مجرد اختيار أي نموذج من بلد معين؛ بل عليك اختيار "المختبر" الصحيح، لأن أحدهم قد يكون صانع سلام بينما قد يكون الآخر مثيراً للمشاكل وينتظر حدوثها. تشير الدراسة إلى أن "وحدة" السلوك ليست الدولة أو النظام البيئي، بل هي المختبر المحدد الذي قام بتدريب النموذج.
ملخص تقني: ليس كتلة واحدة: التباين على مستوى المختبر في التوازنات التعاونية للنماذج اللغوية الكبيرة الصينية الرائدة
بيان المشكلة أثبتت الأبحاث السابقة (مثل Willis et al. [20]) وجود "تحيز تعاوني" في الوكلاء القائمين على النماذج اللغوية الكبيرة (LLM) الغربية الرائدة، حيث تفضل الضغوط التطورية في إعدادات "معضلة السجين المتكررة" (IPD) الاستراتيجيات التعاونية على الاستراتيجيات العدوانية. ومع ذلك، فإن هذا الدليل مستمد حصرياً تقريباً من خطوط المحاذاة الغربية (OpenAI، Anthropic، Google). وتظل هناك فجوتان حرجتان: (1) من غير المعروف ما إذا كان هذا التحيز التعاوني يعمم على النماذج الصينية الرائدة، التي يتم تدريبها على مزيج بيانات مختلف وتحت أهداف محاذاة متميزة؛ و(2) غالباً ما يعامل المجال "النماذج الصينية" ككتلة واحدة متجانسة، متجاهلاً احتمال وجود تباين داخل النظام البيئي نفسه.
وقد حالت عقبة منهجية كبيرة دون إجراء مقارنة موثوقة بين الأنظمة البيئية، وهي "ارتباك التحويل" (conversion confound). ففي الاختبارات المعيارية السابقة، تم تحويل استراتيجية اللغة الطبيعية لكل نموذج إلى كود Python قابل للتنفيذ بواسطة نفس المزود الخاص بالنموذج. وقد أدى ذلك إلى خلط التوجه الاستراتيجي مع القدرة البرمجية، مما جعل من المستحيل تحديد ما إذا كانت الاختلافات الملحوظة تعود إلى التفكير في التعاون أم مجرد القدرة على إنتاج كود نظيف.
المنهجية تستخدم هذه الدراسة إطار عمل لنظرية الألعاب التطورية محكوم بضبط الارتباك لعزل عملية التوليد عن عملية التحويل.
المشاركون: أربعة نماذج صينية من الفئة الرائدة: DeepSeek V4 Pro، وQwen3-Max (Alibaba)، وKimi K2.25 (Moonshot)، وGLM-5.1 (Zhipu).
تصميم المحول الثابت: لإزالة ارتباك القدرة البرمجية، يتم تحويل استراتيجيات اللغة الطبيعية التي تولدها المختبرات الأربعة بواسطة محول خارجي واحد وثابت (GPT-5.4 Mini). يضمن ذلك أن كل مقارنة بين المختبرات تعكس الاختلافات في توليد الاستراتيجية وحدها.
البروتوكول التجريبي:
توليد الاستراتيجية: تولد النماذج استراتيجيات تحت ثلاثة أساليب من التلقين (Prompting): الافتراضي (مباشر من منظور نظرية الألعاب)، والتحسين (حلقة التصحيح الذاتي - Self-Refine)، والنثري (سيناريو واقعي غامض).
البطولة والتطور: تتنافس الاستراتيجيات في بطولات "أكسلرود" (Axelrod) لجميع اللاعبين، وتخضع لعملية "موران" التطورية (n=500 جولة لكل حالة).
الحالات: أربعة أنظمة سكانية (متوازن/منحاز × نظيف/مشوش) وثلاثة أساليب تلقين، بإجمالي 48 حالة توازن.
الفرضيات:
H5 (عمومية التحيز التعاوني): هل تظهر النماذج الصينية تحيز تعددية تعاونية كما هو مشهود في النماذج الغربية؟
H6 (السلوك غير المتجانس): هل تتباين المختبرات الصينية الأربعة بشكل كبير في نسب التوازن العدواني (PA)؟
المتانة: فحص متانة مسجل مسبقاً أعاد تحويل 10% من الاستراتيجيات باستخدام محول مختلف (DeepSeek V4) للتحقق مما إذا كانت هياكل التوازن هي نتاج اصطناعي لاختيار المحول الثابت.
النتائج الرئيسية
دعم H6 (تباين كبير على مستوى المختبر): تختلف المختبرات الصينية الأربعة بشكل كبير في نسب التوازن العدواني (PA).
تتراوح PA من 1% (Qwen3-Max) إلى 9% (DeepSeek V4 Pro).
أربعة من أصل ست مقارنات زوجية نجحت في اجتياز تصحيح Holm-Bonferroni.
والأهم من ذلك، أن التباين داخل النظام البيئي (مدى PA البالغ 8 نقاط مئوية) يتجاوز الفرق بين متوسطات الأنظمة البيئية الصينية والغربية (كلاهما ≈5.0%).
تعديل H5 (تحيز تعاوني مع لمسات دقيقة):
تحقق التعددية التعاونية في 6 من أصل 12 مزيجاً من (المختبر/التلقين)، مقارنة بـ 9 من أصل 12 المسجلة للنماذج الغربية.
الفرق ليس ذا دلالة إحصائية (z=−1.26,p=0.21).
ومع ذلك، تميل المختبرات الصينية إلى التوازنات المحايدة بشكل أكثر تكراراً من النماذج الغربية.
حساسية المحول: عدد التعددات التعاونية (6/12) حساس لاختيار المحول. تحت المحول البديل (DeepSeek V4)، ارتفع العدد إلى 9/12، مما يطابق الخط المرجعي الغربي. يشير هذا إلى أن "الميل نحو الحياد" الملحوظ قد يكون ضمن نطاق ضوضاء المحول وليس اختلافاً جوهرياً في النظام.
الحساسية للضوضاء: تعاني جميع المختبرات الصينية من التدهور تحت تأثير ضوضاء العمليات (Action Noise)، بمتوسط حساسية (Δnoise) يتراوح بين 10 إلى 14 نقطة مئوية، وهو أعلى قليلاً من بعض النظراء الغربيين.
المساهمات الرئيسية
الابتكار المنهجي: تقدم الدراسة بروتوكول المحول الثابت الذي نجح في فك الارتباط بين التوجه الاستراتيجي والقدرة البرمجية، مما سمح بأول مقارنة صالحة بين المختبرات في سلوكيات النماذج اللغوية الكبيرة حيث لا يمكن عزو الاختلافات إلى جودة توليد الكود.
التوصيف التجريبي: توفر أول توصيف تطوري منهجي للنماذج الصينية الرائدة، كاشفةً أن "النماذج الصينية" ليست كتلة واحدة. إن وحدة التوجه السلوكي هي المختبر (المحدد ببيانات تدريب معينة، ونماذج مكافأة، وأهداف سلامة محددة)، وليس النظام البيئي ككل.
التحقق من المتانة: ثبت أن هيكل التوازن العدواني (الذي يدعم H5) ثابت تجاه اختيار المحول، بينما يعد التعدد التعاوني/المحايد الأكثر دقة (المتعلق بـ H5) حساساً للمحول.
الأهمية والادعاءات تخلص الورقة إلى أن معاملة "النماذج الصينية الرائدة" ككتلة واحدة أمر لا تدعمه الأدلة. فالتباين داخل النظام البيئي الصيني يضاهي، وفي بعض المقاييس يتجاوز، التباين بين الأنظمة البيئية الصينية والغربية.
بالنسبة لتصميم الأنظمة متعددة الوكلاء (MAS): مصدر النموذج على مستوى المختبر أمر بالغ الأهمية. فالاختيار بناءً على المنطقة الجغرافية فقط قد يؤدي دون قصد إلى الاختيار بين مجموعات سكانية تقاوم الاستحواذ العدواني (مثل Kimi، Qwen) وتلك الأكثر عرضة للاختراق (مثل GLM، DeepSeek).
بشأن التحيز التعاوني: بينما يبدو أن التحيز التعاوني يتعمم على النماذج الصينية، فإن الأدلة على وجود تحيز أضعف ليست قوية؛ إذ يُرجح أن التحول الملحوظ نحو التوازنات المحايدة هو نتاج اصطناعي للمحول المستخدم، حيث يختفي هذا التحول عند إجراء فحوصات المتانة.
القيود: تظل المقارنة مع المراجع الغربية مقارنة أدبية نظراً لاختلاف المحولات، كما أن الدراسة تقتصر على التلقين باللغة الإنجليزية ولقطة زمنية محددة لإصدارات النماذج.
يؤكد المؤلف أن "المختبر" هو وحدة التحليل الصحيحة للتوجه التعاوني، وأن تصميم المحول الثابت يوفر إطاراً قابلاً للتكرار لتتبع كيفية حكم نظام بيئي كامل من المختبرات للتعاون مع تطور النماذج الرائدة.