
نموذج مفتوح بحجم 27B يعيد كتابة أوزانه بنفسه من دون تدريب، تقول ورقة بحثية
تقول مسودة بحث جديدة على arXiv إن نموذجاً لغوياً مفتوحاً بحجم 27B يمكنه تشخيص إخفاقاته وإعادة كتابة أوزانه عبر الاستدلال وحده، ما يحسن أدائه على مسائل لم يرها من قبل من دون تدرجات أو تدريب.
تصف مسودة بحث نُشرت على arXiv في 16 نوفمبر 2026 "الإعادة الذاتية للكتابة" (self-rewriting)، وهي طريقة يستخدم فيها نموذج لغوي استدلاله الخاص لتغيير أوزانه من دون تدرجات أو تدريب. يذكر المؤلفون أن نموذجاً مفتوحاً بحجم 27B تحسن بـ 6.6 نقاط على مسائل لم يرها بعد إعادة كتابة أوزانه، وأنه تمكن من إصلاح نسخة تالفة من نفسه. ويقولون إن هذه القدرة ظهرت فقط في أكبر نموذج ضمن عائلة واحدة.
إعادة كتابة من دون تدريب
تقول الورقة إن نموذج اللغة يُدرب عادة مرة واحدة ثم يُجمد. ولتحسينه، يُشغّل المطورون عادة تدريباً إضافياً، أو يضيفون مطالبات أو أُطر تشغيل، أو ينفقون حساباً إضافياً أثناء الاستدلال ينتهي بالمهمة. ويقترح المؤلفون "الإعادة الذاتية للكتابة" (self-rewriting) كخيار ثالث: يعمل النموذج كمحسّن لنفسه ويُعيد كتابة أوزانه عبر الاستدلال وحده. ويقارنون ذلك بأعمال سابقة حيث عدّل نموذج متقدم نموذجاً أصغر بكثير. في هذه الدراسة، أُعطي نموذج مفتوح بحجم 27B أوزانه وإجابات مُقيّمة وقدرة على تشغيل نفسه، ثم شخّص إخفاقه وأعاد كتابة الأوزان الكامنة وراءه.
اختبار التعديلات وإصلاح الضرر
يذكر المؤلفون أن النموذج فاق نفسه: جعل تعديله الخاص دقته أعلى بـ 6.6 نقاط على مسائل لم يرها من قبل. ويقولون أيضاً إنه يواصل التحسن باختبار التعديلات على مسائل تدريبية وإرسال فقط ما ينجح، وكل تعديل يتفوق على الذي قبله؛ وعلى مدى ثماني جلسات متتالية لم تفعل دقته سوى الارتفاع. في اختبار آخر، أصلح النموذج نسخة تالفة من نفسه. لم تكن النسخة تحل شيئاً تقريباً، ومع ذلك، من دون إعادة تدريب ومن دون قراءة الأوزان الأصلية، أعاد النموذج إلى أكثر من 80% من الدقة الأصلية على مهام صور لم يرها من قبل.
الحجم والتداعيات المستقبلية
يبدو أن القدرة تظهر مع الحجم. في عائلة نماذج واحدة، إما لم تقم النماذج الأصغر بأي تعديل أو أفسدت نفسها، بينما تحسن الأكبر وحده وأصلح نفسه. يقول المؤلفون إن "الإعادة الذاتية للكتابة" (self-rewriting) تكتب مكاسبها في الأوزان من دون تكلفة لكل إجابة، خلافاً لتوسيع وقت الاختبار، وتشغل تمريرات أمامية فقط، مثل الخدمة، خلافاً للتدريب. ويجادلون بأن الجدار بين التدريب والاستدلال حد للأدوات الحالية وليس خاصية للذكاء، وأن "الإعادة الذاتية للكتابة" (self-rewriting) خطوة ضرورية نحو التحسن الذاتي التكراري. ويقترحون أن نموذجاً يمكنه أن يواصل ترقية نفسه طوال حياته من دون نموذج أكبر، ومن دون إطار تشغيل أو هندسة مطالبات، ومن دون تدريب مسبق أو تدريب لاحق.
المصادر: arxiv.org
SiTech — تطوير ويب مدعوم بالذكاء الاصطناعي
نبني مواقع سريعة وعصرية وندمج الذكاء الاصطناعي في سير عمل الشركات. لديك مشروع أو سؤال؟ يسعدنا مساعدتك.