PEARL: как модель на 4B обошла DeepSeek-V3.2 685B в моделировании оптимизации
Исследователи показали PEARL — систему, которая превращает задачу оптимизации из обычного текста в математическую модель и код для солвера, а затем правит ошибки в цикле «реши-отладь-перепиши». Её компактная версия PEARL-Qwen3-4B на 4 млрд параметров обошла DeepSeek-V3.2 на 685 млрд параметров по точности моделирования оптимизации.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.AI؛ بتحرير Hamidun News
بيرل: كيف تفوّق نموذج بحجم 4B على DeepSeek-V3.2 بحجم 685B في نمذجة التحسين
قدّم باحثون نظام PEARL، وهو نظام يحوّل مسألة تحسين موصوفة بلغة عادية إلى نموذج رياضي وكود برمجي عملي لأداة حل (solver)، مع التحقق من الحل وتصحيحه ضمن حلقة متكررة. تفوّقت نسخته المدمجة PEARL-Qwen3-4B، البالغة 4 مليارات معامل (بارامتر)، من حيث الدقة على نموذج DeepSeek-V3.2 البالغ 685 مليار معامل، في مهام نمذجة التحسين؛ وقد نُشر البحث على arXiv في يوليو 2026.
ما هو PEARL وكيف يعمل
PEARL نظام لنمذجة التحسين التفاعلية يُشغّل Python وأدوات الحل الرياضية مباشرة داخل حلقة الحل، بدلاً من تقديم الصياغة دفعة واحدة. معظم المقاربات السابقة القائمة على نماذج اللغة الكبيرة كانت تعمل بنمط one-shot: يبني النموذج الصياغة مرة واحدة دون التحقق منها بالتشغيل، ودون النظر إلى استجابة أداة الحل، ودون تصحيح الأخطاء بشكل تكراري.
يكرر PEARL الطريقة التي تُحل بها مسائل التحسين في الواقع — عبر دورات متكررة من «الحل — التصحيح — إعادة الكتابة». يتعلّم النظام بنفسه متى يختبر نموذجاً جزئياً، وكيف يعيد كتابته استناداً إلى تشخيص أداة الحل، ومتى حان وقت التوقف.
- يعمل في وضع متعدد الأدوار (multi-turn) مع دمج الأدوات — يتم استدعاء Python وأدوات الحل أثناء العملية
- يستخدم نتائج التشغيل الوسيطة، وإشارات جدوى الحل، وفحوصات الصحة قبل التوصل إلى النتيجة النهائية
- يتعلّم ثلاثة أمور: متى يختبر، وكيف يراجع استناداً إلى التشخيص، ومتى يتوقف
- تفوّق PEARL-Qwen3-4B (4 مليارات معامل) على DeepSeek-V3.2 (685 مليار) في الدقة المتوسطة macro وmicro
- يرفع بشكل ملحوظ نسبة المهام المحلولة بشكل موثّق مقارنة بمقاربات one-shot والمقاربات المدعومة بالأدوات
لماذا تفوّق نموذج بحجم 4B على عملاق بحجم 685B
تفوّق PEARL-Qwen3-4B على DeepSeek-V3.2-685B لأنه يتعلّم ليس فقط صياغة المسألة، بل أيضاً تصحيحها استناداً إلى إشارات أداة الحل — وهو أمر يتضح أنه أكثر قيمة من الحجم الخام للنموذج. الفارق في عدد المعاملات بينهما يبلغ نحو 171 ضعفاً، لكن في مهام نمذجة التحسين، ما يحسم الأمر ليس حجم الأوزان بل القدرة على تشغيل الحل، ورصد الخطأ، وإعادة كتابة الكود.
المقياس الأساسي في هذا البحث هو verified solve rate، أي نسبة المهام التي اجتاز فيها الحل النهائي فعلياً فحص أداة الحل، وليس مجرد الظهور بمظهر معقول. وفق هذا المؤشر، يتفوّق PEARL على كل من نماذج one-shot المعتادة والمقاربات التي تملك وصولاً إلى الأدوات دون استراتيجية إصلاح قابلة للتعلّم.
«يتفوّق نموذجنا PEARL-Qwen3-4B على
DeepSeek-V3.2-685B الأكبر بكثير، سواء في الدقة المتوسطة macro أو micro، في مهام نمذجة التحسين»، بحسب ما جاء في ملخص البحث على arXiv.
ما الذي يعنيه هذا
تُعد نتيجة PEARL حجة إضافية على أنه بالنسبة إلى المهام التطبيقية ذات النتيجة القابلة للتحقق، فإن حلقة قابلة للتعلّم من «الفعل — التغذية الراجعة — التصحيح» تتفوّق على مجرد التوسّع في الحجم. فنموذج صغير يمتلك وصولاً إلى أداة حل واستراتيجية للتحقق الذاتي يحل مهام تحسين أكثر من نموذج أكبر بـ171 مرة يعمل بمحاولة واحدة فقط.
الأسئلة الشائعة
ما هي نمذجة التحسين؟
هي ترجمة مسألة واقعية لاتخاذ القرار، موصوفة بلغة عادية، إلى صياغة رياضية رسمية وكود قابل للتنفيذ لأداة حل. على سبيل المثال، توزيع الموارد أو اللوجستيات — حيث تُنتج أداة الحل في النهاية الحل الأمثل.
بماذا يختلف PEARL عن مقاربات LLM المعتادة؟
تعمل المقاربات المعتادة بنمط one-shot: يبني النموذج الصياغة مرة واحدة، دون تشغيل ودون تصحيحات. أما PEARL فيُشغّل Python وأدوات الحل ضمن حلقة متكررة، ويقرأ التشخيص، ويصحح النموذج والكود، ويقرر بنفسه متى يتوقف.
إلى أي حد يُعد PEARL-Qwen3-4B أصغر من DeepSeek-V3.2؟
يمتلك PEARL-Qwen3-4B 4 مليارات معامل مقابل 685 مليار معامل لدى DeepSeek-V3.2 — أي أصغر بنحو 171 مرة، لكنه رغم ذلك أكثر دقة في مهام نمذجة التحسين.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.
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.