Reasoning Models
نماذج الاستدلال هي نماذج لغة كبيرة دُرّبت بالتعلّم المعزّز لتوليد سلسلة تفكير طويلة قبل الإجابة. وتغطي o1 وDeepSeek-R1 والقيود.
نموذج الاستدلال هو نموذج لغوي كبير (LLM) مُدرَّب على توليد سلسلة تفكير داخلية طويلة قبل إجابته النهائية، ما يتيح له تخصيص قدر أكبر من الحوسبة للمسائل الأصعب. قدّمت OpenAI هذه الفئة مع o1 في 12 سبتمبر 2024: ففي مسابقة AIME الرياضية لعام 2024، حلّ GPT-4o ما معدله 12% من المسائل، بينما حلّ o1 نسبة 74% باستخدام عينة واحدة لكل مسألة، و83% بالتصويت على أساس إجماع 64 عينة، و93% عند إعادة ترتيب 1,000 عينة باستخدام دالة تقييم متعلَّمة. كما تجاوز o1 دقة خبراء بشريين حاصلين على الدكتوراه في معيار العلوم GPQA. وتبعته نماذج DeepSeek-R1 وGemini thinking من Google وClaude مع extended thinking من Anthropic وQwen3 من Alibaba، والعديد من النماذج الحالية هجينة، إذ تجيب بسرعة أو تستغرق وقتًا أطول في التفكير حسب إعداد معين.
كيفية تدريب نماذج الاستدلال#
أظهر التلقين بسلسلة التفكير في عام 2022 أن مطالبة النموذج بكتابة خطوات وسيطة تحسّن إجاباته. تتعلم نماذج الاستدلال هذا السلوك عبر التعلّم المعزّز (RL) على مسائل يمكن التحقق من إجاباتها تلقائيًا، وهو نهج يُسمى التعلّم المعزّز بالمكافآت القابلة للتحقق (RLVR). وصف DeepSeek هذه الوصفة في ورقة DeepSeek-R1 في يناير 2025. بدأ نموذج R1-Zero من النموذج الأساسي DeepSeek-V3، ودُرّب باستخدام تحسين السياسة النسبية للمجموعات (GRPO)، ولم يُكافأ إلا على صحة الإجابة النهائية وعلى الالتزام بتنسيق الإخراج الصحيح:
لم تُقدَّم أمثلة خطوة بخطوة، ومع ذلك ارتفعت دقة pass@1 لنموذج R1-Zero في AIME 2024 من 15.6% إلى 71.0%، وإلى 86.7% باستخدام تصويت الأغلبية. وطالت إجابات النموذج خلال التدريب، وبدأ يعيد التحقق من خطواته ويعدّلها، وهي لحظة وصفها المؤلفون بأنها «لحظة استيعاب مفاجئ». دُرّب إصدار DeepSeek-R1 المطروح أولًا على بضعة آلاف من أمثلة الاستدلال الطويلة المنقّحة لتحسين سهولة القراءة، وبلغت دقته 79.8% في AIME 2024، كما قطّر DeepSeek آثار الاستدلال إلى نماذج Qwen وLlama أصغر. ويُعد نموذج مكافأة المسار (PRM) الذي يقيّم كل خطوة البديل الرئيسي لمكافآت النتيجة هذه، مع أن DeepSeek أفاد بأن نماذج PRM والبحث الشجري بطريقة مونت كارلو لم يحققا جدوى في التدريب واسع النطاق.
الحوسبة وقت الاختبار#
تزداد دقة نموذج الاستدلال مع عدد الرموز التي يستهلكها في التفكير، وهو محور ثانٍ من قوانين التوسع إلى جانب حجم النموذج وبيانات التدريب. وتتيح واجهات API ضبط ذلك عبر مستوى جهد الاستدلال أو ميزانية التفكير، كما يمكن رفع الدقة أكثر من خلال أخذ عينات لعدة إجابات بالتوازي والتصويت بينها، أو البحث في الحلول الجزئية باستخدام أداة تحقق. وتتمثل الكلفة في زمن الاستجابة والرموز: فقد تستهلك مسألة صعبة آلاف رموز الاستدلال المخفية قبل ظهور أول كلمة من الإجابة. تمرّر واجهة LLM من Ultralytics وسائط الطلب إلى OpenAI SDK دون تغيير، لذا يمكن لخط أنابيب YOLO26 تمرير reasoning={"effort": "high"} إلى نموذج استدلال عبر Responses API عندما يتطلب مشهد مكتشف إجابة مدروسة.
وسّع النموذجان o3 وo4-mini من OpenAI، اللذان أُطلقا في أبريل 2025، نطاق سلسلة التفكير ليشمل الصور، مع اقتصاص صورة وتكبيرها وتدويرها أثناء الاستدلال بشأنها. ويساعد هذا الاستدلال البصري على الإجابة عن الأسئلة البصرية (VQA) المتعلقة بالنصوص الصغيرة والمخططات والمشاهد المزدحمة.
القيود#
تبالغ نماذج الاستدلال في التفكير بشأن الأسئلة البسيطة، فتنفق الرموز على أمور تكفيها إجابة مباشرة، كما أنها تظل تخفق على نحو غير متوقع في بعض المهام السهلة، وهو نمط يُعرف باسم الذكاء المتعرج. يكافئ التعلّم المعزّز الإجابات القابلة للتحقق على النتائج، لذا قد يتعلم النموذج اختصارات تجتاز أداة التحقق، وهو شكل من التحايل على المكافأة. كذلك لا تمثل سلسلة التفكير المكتوبة سجلًا كاملًا للحوسبة: ففي دراسة لـ Anthropic نُشرت في أبريل 2025، لم تذكر النماذج التي تلقت تلميحًا غيّر إجابتها ذلك التلميح إلا في 25% من الحالات لنموذج Claude 3.7 Sonnet و39% لنموذج DeepSeek-R1.
نماذج الاستدلال والمصطلحات ذات الصلة#
- التلقين بسلسلة التفكير: يطلب من أي LLM تدوين خطواته وقت الاستدلال، وهو السلوك الذي تُدرَّب نماذج الاستدلال على إنتاجه دون تلقين.
- التفكير من النمط 2: مصطلح في علم النفس للاستدلال البطيء والمتأني، استعاره المجال لوصف ما تفعله نماذج الاستدلال.
- الاستدلال الكامن: استدلال يُنفَّذ في متجهات الحالة المخفية بدلًا من الرموز المكتوبة، فلا يترك أثرًا مقروءًا.
- شجرة الأفكار: بحث صريح في سلاسل تفكير متفرعة، يسترشد بتقييم النموذج نفسه لكل فرع.
