arXiv cs.AI→ المصدر

MUX: منهج للاستدلال المستمر في نماذج LLM عبر الرموز المُضاعَفة

MUX منهج جديد ورد في ورقة بحثية أولية على arXiv، يتيح للنماذج اللغوية الاستدلال في فضاء كامن مستمر. فبدلاً من كلمة واحدة، يرمّز رمز واحد جزءاً كاملاً من سلسلة الاستدلال دون فقدان للمعلومات، ما يسرّع الحسابات. وبحسب المؤلفين، تفوّق MUX على خطوط أساس كامنة قوية في 32 إعداداً للتقييم على أربعة نماذج.

معالج بواسطة الذكاء الاصطناعي من arXiv cs.AI؛ بتحرير Hamidun News
MUX: منهج للاستدلال المستمر في نماذج LLM عبر الرموز المُضاعَفة
المصدر: arXiv cs.AI. كولاج: Hamidun News.
◐ استمع للمقال

نشر باحثون في يوليو 2026 على arXiv منهج MUX (multiplexed tokens، أي الرموز المُضاعَفة)، وهو طريقة لإجراء استدلال النماذج اللغوية في فضاء كامن مستمر، حيث يرمّز رمز كامن واحد جزءاً كاملاً من سلسلة الاستدلال دون فقدان للمعلومات، بدلاً من كلمة واحدة. وبحسب المؤلفين، تفوّق MUX على خطوط أساس قوية للاستدلال الكامن (reasoning-بيزلاين) في 32 إعداداً للتقييم على أربعة نماذج لغوية.

لماذا يتباطأ الاستدلال التقليدي

تهدر نماذج الاستدلال (reasoning) الكلاسيكية جزءاً من الحسابات: فكل خطوة في سلسلة الاستدلال تنقل جزءاً لفظياً واحداً (subword) فقط، وتُصرف بعض الخطوات على صياغة الفكرة لفظياً لا على الحساب نفسه. ويصف مؤلفو MUX ذلك بأنه «عنق زجاجة» حسابي: فالنموذج يستدل بلغة طبيعية، ولذلك تقتصر سعة كل خطوة على حجم رمز subword واحد، ما يؤدي في السلاسل الطويلة إلى حسابات زائدة.

ما المقصود بالرموز المُضاعَفة

يقوم MUX بتقطير (distillation) سلسلة الاستدلال المنفصلة إلى رموز كامنة مستمرة. يُدرَّب كل رمز منها على تمثيل تراكب خطي موزون (تضاعف، أي multiplexing) لنطاق كامل من الأجزاء اللفظية، وهذا التراكب قابل للعكس: إذ يمكن استعادة نطاق الأجزاء اللفظية الأصلي بالكامل (فكّ التضاعف، أي demultiplexing). والفكرة الأساسية جعل الضغط قابلاً للعكس بحكم البناء لا تقريبياً، وبذلك لا «يتجاوز» النموذج بعض الخطوات ويحتفظ بمنطق الاستدلال الأصلي كاملاً.

  • المنهج — MUX، ورقة arXiv:2607.18264 الأولية، نوع النشر «new» (يوليو 2026)
  • الآلية — الرمز الكامن الواحد يساوي مجموعاً موزوناً لعدة أجزاء لفظية منفصلة من الاستدلال
  • قابلية العكس — تراكب دون فقدان، ويُستعاد نطاق الأجزاء اللفظية بالكامل
  • الترجيح — يعتمد على الموضع، مثل التناقص الهندسي للأوزان
  • ميزة إضافية — استكشاف متوازٍ لعدة مسارات حل في المهام التي تتطلب بحثاً

ويبرهن المؤلفون أن الأوزان البسيطة المعتمدة على الموضع، مثل التناقص الهندسي المناسب، تحقق التضاعف دون فقدان. وهذا بدوره يمنع «الانهيار الكامن» (latent collapse)، وهو سلوك اختصاري منحطّ ينهار فيه التمثيل الكامن فيتوقف النموذج عن الاستدلال فعلياً.

ما مدى تفوق MUX على نظائره

تفوّق MUX على خطوط أساس قوية للاستدلال الكامن في 32 إعداداً تجريبياً شملت أربعة نماذج لغوية مختلفة، بحسب ما أورده المؤلفون في ملخص الورقة على arXiv. والحديث هنا لا يدور عن التفوق على نموذج واحد، بل على فئة كاملة من طرق الاستدلال الكامن، عبر شبكة التجارب كلها البالغة 32 تكويناً. كما أظهرت تحليلات الاستئصال (ablation) والفحص (probing) أن الرموز الكامنة المتعلَّمة ترمّز استدلالاً صحيحاً وقابلاً للتفسير، لا ضوضاء عشوائية.

ومن النتائج المستقلة القدرة على البحث المتوازي: فالاستدلال المُضاعَف قادر على استكشاف عدة مسارات حل في آنٍ واحد في المهام التي تتطلب تجربة خيارات متعددة.

«التراكب دون فقدان كهدف تدريب محلي شرط كافٍ لاستدلال مستمر قوي وفعّال

في الفضاء الكامن»، بحسب ما جاء في ملخص دراسة MUX على arXiv.

ماذا يعني ذلك

يمثل الاستدلال الكامن محاولة لرفع «الضريبة اللغوية» عن نماذج الاستدلال: أي الحساب في فضاء مستمر مضغوط بدلاً من سلاسل نصية طويلة. وإذا أمكن تكرار نتائج MUX على نماذج أكبر، فسيكون ذلك طريقاً إلى استدلال أرخص وأسرع دون خسارة في الدقة وقابلية التفسير، أي إلى ذكاء اصطناعي استدلالي يستهلك حسابات أقل للمهمة نفسها.

الأسئلة الشائعة

ما المقصود بالرموز المُضاعَفة؟

هي رموز كامنة مستمرة، يرمّز كل منها مجموعاً موزوناً لعدة أجزاء لفظية من سلسلة الاستدلال في آنٍ واحد. والتراكب قابل للعكس بحكم البناء، إذ يمكن استعادة نطاق الأجزاء اللفظية الأصلي بالكامل، ولذلك لا تضيع المعلومات.

ما الفرق بين MUX وسلسلة الاستدلال المعتادة؟

تنقل سلسلة الأفكار (chain-of-thought) المعتادة جزءاً لفظياً واحداً في كل خطوة وتستدل نصياً. أما MUX فيضغط جزءاً كاملاً من الاستدلال في رمز كامن واحد ويحسب في فضاء مستمر، ما يرفع السعة، ويتفوق، بحسب المؤلفين، على خطوط الأساس الكامنة في 32 إعداداً اختبارياً على أربعة نماذج.

ZK
Hamidun News
أخبار الذكاء الاصطناعي بدون ضوضاء. اختيار تحريري يومي من أكثر من 50 مصدر. منتج من جمال حميدون، رئيس الذكاء الاصطناعي في Alpina Digital.
✦ Unified AI Workspace

Access Frontier LLMs & Multimodal AI in One Workspace

Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.

Try NomadNet AI →Launch NomadNet Agent
ما رأيك؟
جارٍ تحميل التعليقات…