نموذج بحجم 0.8 مليار معلمة بعد الضبط الدقيق يتفوق على GPT-5.4 في وسم القواعد النحوية

ضبط فريق منصة تعليمية لمتعلمي الإنجليزية نماذج Qwen3.5 اللغوية الصغيرة ضبطًا دقيقًا، وأطلق نسخة بحجم 0.8 مليار معلمة لجميع طلاب الخدمة. يقرأ النموذج نصوص الدروس المفرّغة ويوسم المفاهيم النحوية، ومنها يُبنى متتبّع إتقان القواعد. وعلى اختبارين معياريين بوسم يدوي، تفوّق هذا النموذج ونسخة مرجعية بحجم 4B على GPT-5.4 وGPT-5.6 Sol اللذين جرى تزويدهما بالبرومبت، وذلك في الدقة والاستدعاء معًا. وانخفضت كلفة التشغيل نحو 16 مرة. وفي تجربة عبر الإنترنت ارتفع تفاعل الطلاب بنسبة 15.8%.

ما المهمة التي عالجها الفريق

تُعدّ التغذية الراجعة التصحيحية من أكثر العوامل المثبتة في اكتساب اللغة الثانية. لكن التصحيحات في الدرس تُقال ثم تضيع في سيل الكلام. ولا تتشكل منها صورة واضحة: ما التراكيب التي يستخدمها الطالب بثقة، وأين يخطئ مرارًا. تستطيع النماذج الرائدة (frontier) استخلاص هذه الصورة من نصوص الحوار المفرّغة بين الطالب والمعلم. غير أن ذلك مكلف على مستوى المنصة كلها، لأن كل درس يتحول إلى طلب طويل يُرسل إلى نموذج باهظ الثمن.

عالج المؤلفون المشكلة بالضبط الدقيق. أخذوا وسومًا ولّدتها نماذج معلِّمة، ورشّحوها، وأعادوا موازنة الفئات كي لا تضيع المفاهيم النحوية النادرة. وعلى هذه البيانات ضبطوا نموذج Qwen3.5 بحجمين.

العقد في الأوزان لا في البرومبت

الحيلة الهندسية الرئيسية أن قواعد الوسم مكتوبة في أوزان المحوّل (adapter). فمع النماذج المعتمدة على البرومبت، يجب في كل مرة إرسال تعليمات مفصلة: ما الذي يُعدّ مفهومًا، وكيف يُستخرج المقطع الدليل، ومتى تُعتبر الإجابة صحيحة. أما هنا فقد «دُمجت» التعليمات في التدريب نفسه. لذلك يعمل النموذج بحجم 0.8B ببرومبت مضغوط ومتسق. ويأتي التوفير من جهتين معًا: النموذج أصغر، والسياق المُدخل أقصر.

جرت المقارنة وفق معايير متداخلة تزداد صرامة:

• مطابقة المفهوم؛
• مطابقة مقطع النص الذي يستند إليه الوسم (evidence span)؛
• صحة التقييم نفسه.

وعلى المستويات الثلاثة كلها، حقق النموذجان المضبوطان، نموذج 0.8B من الإنتاج ونموذج 4B للمقارنة، دقة واستدعاءً أعلى من GPT-5.4 وGPT-5.6 Sol. وكلفة تشغيل نموذج 0.8B أقل بنحو 16 مرة.

واختبر الفريق الأثر على المنتج أيضًا. ففي تجربة عبر الإنترنت على مستوى الميزة، جاءت النتائج على النحو التالي:

• تفاعل الطلاب: +15.8%؛
• ساعات الدروس المجدولة: +2.1%؛
• GMV الناتج من الدروس الجديدة: +13.2%.

ما الذي لا يرد في الملخص

لا يكشف الملخص عدة أمور مهمة: القيم المطلقة للدقة والاستدعاء، وحجم عينة التدريب، ومدة التجربة عبر الإنترنت وتصميمها. ولم تُذكر المنصة، ولم يُوضَّح أي النماذج ولّدت الوسوم التدريبية بالتحديد. وشاركت النماذج الرائدة (frontier) في المقارنة بالبرومبت، من دون ضبط دقيق خاص بالمهمة. والاختبارات المعيارية مرتبطة بمجال محدد، ولذلك لا يصح تعميم النتيجة على أي وسم للنصوص. والمنشور نسخة أولية (preprint)، ولا يوجد تحقق مستقل حتى الآن.

ما الذي يمكن الاستفادة منه عمليًا

المهمة هنا ضيقة وتتكرر ملايين المرات: مخرجات منظمة وفق مخطط واضح. وفي مثل هذه المواضع يتفوق النموذج الصغير المتخصص على النموذج العام. فإذا كان لدى الفريق صيغة إجابة ثابتة وتدفق من الطلبات المتشابهة، فمن المجدي حساب كلفة النموذج الرائد (frontier) المعتمد على البرومبت على الحجم الفعلي، ومقارنتها بنموذج مضبوط بحجم 1–4B معلمة.

تسلسل الخطوات في الدراسة هو التالي: جمع الوسوم بنموذج قوي أولًا، ثم ترشيحها وموازنة توزيع الفئات، ثم ضبط المحوّل (adapter) وتقليص البرومبت إلى الحد الأدنى. ويُستحسن تقييم النتيجة وفق معايير متداخلة كما في الدراسة، لمعرفة أين يفقد النموذج جودته: في اختيار الفئة، أم في الربط بالنص، أم في التقييم النهائي. والأفضل أن يتم الطرح عبر تجربة على الإنترنت بمؤشرات تجارية، لا اعتمادًا على اختبار معياري واحد خارج الإنترنت.