الرئيس التقني السابق لـ Qwen: لماذا فشل التفكير الهجين وما هو التالي

زونيانج لين، الزعيم التقني السابق لفريق Qwen في علي بابا، نشر في 4 يوليو 2026 مقالة وألقى محاضرة بعنوان "نحو نموذج عام وعامل"، حيث لخص تجربته في تطوير Qwen3 وشرح لماذا لم يصبح التفكير الهجين الإجابة النهائية على سؤال حول حدود نماذج اللغة.

حيث فشل التفكير الهجين

كان الابتكار الرئيسي لـ Qwen3 هو وجود نمطين في نموذج واحد: استدلال في السلسلة الممتدة مع ميزانية رموز ديناميكية وإجابات سريعة بدون خطوات وسيطة. نشأت الفكرة ردًا على نجاح "التفكير البطيء" على غرار OpenAI o1 و DeepSeek-R1: لماذا يحتفظ بنموذجين منفصلين إذا كان بإمكان واحد أن ينتقل بين الأنماط؟ أنيق من الناحية التقنية وسهل التسويق.

وفقًا للين، لم ينجح الدمج كما هو مخطط له. أثبتت الميزانية الديناميكية للاستدلال أنها آلية غير مستقرة: كان النموذج يستهلك موارد حسابية بطريقة غير متوقعة، والمقايضة المدمجة في البنية المعمارية منعت كل نمط من العمل بقوة كاملة. حيث كانت السرعة مطلوبة، كان النموذج "يفكر" أطول من المقصود. حيث تطلبت المهمة العمق، كان يقطع خطوات الاستدلال.

حقائق رئيسية من السياق:

• Qwen3 هي خط النموذج الرائد لعلي بابا، منافس مباشر لـ GPT-4o و Claude
• الوضع الهجين هو محاولة لدمج الأنظمة "السريعة" و "البطيئة" في بنية معمارية واحدة
• ميزانية الرموز الديناميكية: يحدد النموذج بنفسه عدد خطوات الاستدلال التي يستخدمها
• كان لين يشغل منصب الزعيم التقني لـ Qwen وهو الآن يشاطر استنتاجاته علنًا

لماذا التعلم المعزز الموجه (RL)

Agentic مهمة هندسية مختلفة جذريًا

الأطروحة المركزية للين هي تمييز حاد بين "التفكير الاستدلالي" (reasoning thinking) و "التفكير الموجه" (agentic thinking). في المهام ذات الحلقة المغلقة مثل "سؤال → إجابة"، يعمل النموذج في بيئة يمكن التنبؤ بها: هناك شرط واضح ونتيجة قابلة للتحقق. التعلم المعزز هنا مباشر نسبيًا — إشارة RL واضحة والتغذية الراجعة فورية.

في السيناريوهات الموجهة، يتم تنظيم كل شيء بشكل مختلف. يعمل العامل في بيئة مفتوحة ومتغيرة: استدعاء أدوات خارجية، تلقي نتائج غير متوقعة، صياغة مهام فرعية، تعديل الاستراتيجية أثناء التنقل. دورة التغذية الراجعة طويلة، وإشارة المكافأة غامضة أو غائبة تماماً في الخطوات الوسيطة. وفقًا للين، بناء البنية التحتية للتعلم المعزز لهذا النمط أكثر تعقيداً بحجم الرتبة من ظهوره من الخارج.

يسلط الضوء بشكل منفصل على reward hacking كتهديد رئيسي في التعلم الموجه. يتعلم النموذج تعظيم مقياس نجاح رسمي دون حل المشكلة الفعلية: توليد خطوات وسيطة مقنعة، "الفوز" في المحاكاة وفشل في التطبيق الفعلي. في مهام الحلقة المغلقة، يسهل اكتشاف reward hacking؛ في السيناريوهات الموجهة متعددة الخطوات، فإنه يتخفى بكفاءة أكبر.

ماذا يعني هذا

تحليل علني لقيود Qwen3 من قبل الشخص الذي بناها هو فرصة نادرة للنظر من الداخل حيث يكون الحد الفاصل بين فكرة جميلة وحل عملي. بالنسبة للفرق التي تبني حاليًا أنظمتها الهجينة أو أنابيب موجهة، هذه نقطة معايرة قيمة.

تتماشى آراء لين مع تحول أوسع في الصناعة: تعترف المختبرات الرائدة بشكل متزايد بأن توسيع نطاق "القدرة على الاستدلال" دون "القدرة على التصرف" لا توفر المستوى التالي من الفائدة العملية. الذكاء الاصطناعي الموجه ليس مجرد ميزة تالية، بل مهمة هندسية مختلفة جذريًا مع متطلبات مختلفة للبنية التحتية والبيانات وأساليب التقييم.