DeepSeek V3.2 достигла 67% точности на тесте абстрактного мышления ARC-AGI
Исследование на arXiv показывает: открытая модель DeepSeek V3.2 решает тесты ARC-AGI-1 на абстрактное мышление с точностью 67%, используя только агентские архитектуры и без дообучения. Explorer-Definer Pipeline стоит $0.25 за задачу, Reflective Orchestrator — $0.62. Главное открытие: моделям нужно не лучше отбирать ответы, а больше их генерировать.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.AI؛ بتحرير Hamidun News
نشر الباحثون على موقع arXiv طريقة تسمح للنموذج المفتوح DeepSeek V3.2 بحل مهام اختبار التفكير المجرد ARC-AGI-1 بدقة 67% على pass@2، باستخدام معماريات الوكلاء فقط، والعمل في وضع بدون رموز thinking وبدون تدريب متخصص على بيانات ARC.
- DeepSeek V3.2 — نموذج مفتوح، وضع بدون thinking
- Explorer-Definer Pipeline: 57.50% pass@2 بـ $0.25 لكل مهمة
- Reflective Orchestrator: 67.25% pass@2 بـ $0.62 لكل مهمة
- تحسن بمقدار 52 نقطة من نتيجة الأساس single-shot (15.50%)
- الملاحظة: جودة توليد المتغيرات أهم من اختيارها
كيفية عمل الوكيل ثنائي المرحلة
قسم الباحثون المهمة إلى مرحلتين: اكتشاف الأنماط وتوليف البرامج. Explorer-Definer Pipeline عبارة عن وكيلين متتاليين. في المرحلة الأولى، يجد النموذج أنماطاً في الأمثلة؛ في المرحلة الثانية، يحول الأنماط إلى كود تحويل قابل للتنفيذ. يسمح هذا التقسيم بتحليل منهجي للمشكلة بدلاً من محاولة حلها من الصفر.
النتيجة: حقق خط الأنابيب 57.50% من دقة pass@2 على مجموعة عامة تضم 400 مهمة، بإنفاق $0.25 لكل مهمة. وللمقارنة، أعطى الأساس single-shot (مثال واحد) 15.50%.
Reflective Orchestrator: إعادة الاستكشاف التكرارية
بناءً على خط الأنابيب، بنى المؤلفون نظام Reflective Orchestrator—وهو نظام يعيد استكشاف المهمة بشكل مستقل عندما تفشل الفرضية على أمثلة التدريب. عندما لا تعمل التحويل الموجودة، يبحث Orchestrator عن متغيرات جديدة بدلاً من مجرد التكرار من خلال تلك الموجودة بالفعل. أدى هذا إلى زيادة الدقة إلى 67.25% pass@2، لكن التكلفة ارتفعت إلى $0.62 لكل مهمة—موازنة بين الدقة والميزانية.
الملاحظة الحرجة: أظهر التحليل أن النموذج محدود بالتوليد وليس بالاختيار. اختيار أفضل إجابة من تلك المقترحة يحقق ~95% من الإمكانات، والباقي يجب أن يأتي من توسيع التوليد نفسه. أكد Orchestrator هذا: تحسن pass@1 غير المتحيز بمقدار 9.81 نقطة بفضل متغيرات جديدة، وليس إعادة ترتيب القديمة.
لماذا يشكل هذا تحدياً للنماذج الحدودية
تجنب المؤلفون نهجين شهيرين: heavy test-time compute (البحث التطوري، chain-of-thought) على GPT-5/Claude والضبط الدقيق الخاص بالمعايير للنماذج الصغيرة. بدلاً من ذلك، أظهروا: DeepSeek V3.2 المفتوح يحقق 67% فقط من خلال معمارية نمط الوكيل، بدون تدريب إضافي. أداة thinking للنموذج هي مكون ملحوظ: تعطيلها قلل النتائج بمقدار 5.75 نقطة، مما يؤكد التفكير المخفي حتى في وضع بدون thinking.
ماذا يعني هذا
تقترح الدراسة بديلاً للمقياس: التقسيم الصحيح للمهام وإعادة الاستكشاف التكرارية يحققان مكاسب أكبر من مجرد نموذج أكبر مع مزيد من الحوسبة. بالنسبة للمطورين، هذا إشارة: النظام المصمم بشكل جيد يمكنه تجاوز المقياس من خلال هندسة المعمارية.
الأسئلة الشائعة
كيف يختلف ARC-AGI-1 عن الاختبارات النموذجية للقدرات؟
ARC-AGI-1 عبارة عن 400 مهمة حول اكتشاف الأنماط المخفية. يرى النموذج 3–5 أمثلة (مدخلات-مخرجات) ويجب أن يقترح منطق التحويل للمدخلات الجديدة. هذا أقرب إلى "التعلم من الأمثلة في خطوات قليلة" من الأسئلة القائمة على المعرفة.
لماذا هذا أرخص من الضبط الدقيق؟
يتطلب الضبط الدقيق تحضير مجموعة البيانات والتدريب والتحقق على GPU. هنا—فقط الاستدلال مع استدعاءات الوكلاء: ثلاثة أو أربعة وصولات للنموذج لكل مهمة. كل شيء يحدث في وقت الاستدلال، بدون تحديثات الأوزان.
متى سيظهر هذا في المنتجات الحقيقية؟
في الوقت الحالي، هذا بحث على arXiv من 6 يوليو 2026. يعتمد التنفيذ في المنتجات على قابلية تعميم الطريقة خارج ARC-AGI—وهذا غير واضح حالياً.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.