جامعتا تشجيانغ وبكين تقترحان SPADER للإجابة عن الأسئلة متعددة الإجابات

نشر باحثون من جامعتي تشجيانغ وبكين طريقة SPADER، وهي طريقة تعلّم تعزيزي للأسئلة التي لا تقتصر على إجابة صحيحة واحدة. وقُبل البحث في البرنامج الرئيسي لمؤتمر EMNLP 2026. ولا يتضمن إعلان Jiqizhixin حتى الآن أي اختبارات معيارية (benchmarks) أو جداول، ولذلك لا يمكن تقييم سوى الفكرة وصياغة المسألة. أما المكاسب المعلنة بالأرقام فيلزم التحقق منها في الورقة نفسها.

المشكلة: النموذج يذكر الواضح فقط

في multi-answer QA يجب إرجاع المجموعة الكاملة من الإجابات: جميع أفلام مخرج معيّن، وجميع الدول التي تستوفي شرطًا ما، وجميع الأدوية من فئة محددة. وتُحتسب المقاييس هنا عادةً على المجموعة بأكملها، فلا تقل أهمية الاكتمال عن الدقة. أما خط RL القياسي الذي يكافئ الصحة فيدفع النموذج إلى استراتيجية آمنة: يذكر إجابتين أو ثلاثًا من الأكثر شيوعًا، ويحصل على المكافأة، ويتوقف عن البحث. وهكذا تبقى الإجابات النادرة من «الذيل الطويل» خارج الصورة.

هذا الانحياز بالذات هو ما يضعه المؤلفون في عنوان الورقة: فاسم SPADER هو اختصار Step-wise Peer Advantage with Diversity-Aware Exploration Rewards. ويحمل الاسم أسلوبين رئيسيين.

ما الذي يحتويه SPADER

تستغني GRPO (Group Relative Policy Optimization) عن نموذج ناقد (critic) منفصل. فبالنسبة إلى سؤال واحد تُولَّد مجموعة من الإجابات، ويُحتسب «الأفضلية» (advantage) لكل إجابة قياسًا إلى بقية المجموعة. واستنادًا إلى الاسم وعنوان الإعلان، يجعل SPADER هذا الحساب تدريجيًا بالخطوات: فالمقارنة بين «الأقران» (peer advantage) لا تجري على النتيجة النهائية فحسب، بل على خطوات الاستدلال أو البحث أيضًا. وفي السلاسل الطويلة يمنح ذلك إشارة أكثر كثافة. فيرى النموذج في أي خطوة عثر على إجابة جديدة، وفي أي خطوة بقي يدور في مكانه.

أما المكوّن الثاني فهو مكافأة تراعي التنوع (diversity-aware exploration reward). فهي تشجّع النتائج المختلفة عمّا عُثر عليه سابقًا، وبذلك تدفع السياسة إلى استكشاف ذيل التوزيع. ولم يكشف الإعلان عن الصيغة الدقيقة، ولا عن طريقة قياس التنوع، ولا عن وزن هذه المكافأة.

ما المعروف حتى اليوم

• المؤلفون: فريقان من جامعة تشجيانغ وجامعة بكين
• المنصة: EMNLP 2026، Main Conference
• المهمة: أنظمة الأسئلة والأجوبة ذات الإجابات الصحيحة المتعددة
• الخوارزمية: GRPO مع حساب تدريجي بالخطوات للأفضلية بين المسارات «المتجاورة»
• المكافأة: مكافأة إضافية على تنوّع الإجابات التي يعثر عليها النموذج
• المقاييس والنماذج الأساسية وحجم التحسّن: غير مذكورة في الجزء المتاح

أين قد يكون مفيدًا

تظهر المهام متعددة الإجابات في البحث المؤسسي، وفي جمع الوقائع لأغراض التحليل، وفي المذكرات القانونية والطبية، وفي أنظمة RAG التي تكون فيها القائمة الناقصة أسوأ من «لا أعرف» الصريحة. وإذا حقق SPADER زيادة ملحوظة في الاكتمال دون خسارة في الدقة، فإن الطريقة تهم الفرق التي تُجري ضبطًا إضافيًا للنماذج عبر RL على بياناتها الخاصة. فقد أصبحت GRPO أداة عملية لهذا النوع من الضبط، كما أن المخطط التدريجي بالخطوات لا يتطلب ناقدًا منفصلًا.

قبل اعتماد أي شيء، ينبغي التحقق في الورقة من أربعة أمور. الأول: على أي مجموعات بيانات وأي نماذج تحقق النتيجة. الثاني: كيف يتغير التوازن بين الاكتمال والدقة، لأن مكافأة التنوع قد تشجّع بسهولة على اختلاق إجابات زائدة. الثالث: كم مرة تزداد تكاليف التدريب بسبب الحساب التدريجي بالخطوات. الرابع: هل الشيفرة مفتوحة. وما دامت هذه المعطيات غير متاحة أمامنا، يبقى SPADER فكرة بحثية لافتة، لا وصفة جاهزة.