MMVistaReason: وصفة تدريب مفتوحة لنموذج 4B تتفوق على Qwen3.5-9B في 15 اختبارًا معياريًا

تتعلم نماذج الاستدلال المتعددة الوسائط المفتوحة منذ وقت طويل من مجموعات ضخمة من المسارات الموسومة، لكن جودة النتائج كثيرًا ما تتذبذب: البيانات غير متجانسة، وتوزيع الصعوبة مختل، والمجالات تتداخل وتعيق بعضها. يقترح مؤلفو MMVistaReason (MVR) وصفة متكاملة لما بعد التدريب على بيانات مفتوحة، ويعرضون نتائجها بالأرقام. يحقق نموذج MVR-4B متوسط 72,8 نقطة في 15 اختبارًا معياريًا متعدد الوسائط، ويتفوق على Qwen3.5-9B (Instruct) وMMFineReason-8B. ومع ذلك اكتفى بعدد أقل من عينات التدريب بنحو 70% مقارنة بـ MMFineReason. أما نسخة 9B فترفع المتوسط إلى 74,4 وتتفوق على Qwen3.5-35B-A3B (Instruct).

ثلاث طبقات للوصفة: التغطية والبيانات والتخصص

تتعلق الطبقة الأولى بتغطية المهارات. يقسّم المؤلفون القدرات إلى مجموعتين متكاملتين: Analytical وReal-World. ويركز العمل على الاستدلال البنيوي، لا على الإدراك البصري والربط المكاني (spatial grounding) وحدهما.

تُخصَّص الطبقة الثانية لبناء البيانات. تُحوَّل مجموعات البيانات المفتوحة غير المتجانسة إلى صيغة موحدة عبر تنقية ووسم على مراحل. وفي مرحلة SFT يُستخدم تقطير متسلسل (cascaded distillation) من معلّمين، مع مراعاة صعوبة المهام. ومن مجموعة المسارات المولَّدة تُنتقى المسارات التي يكون فيها احتمال الإجابة الصحيحة (answer-likelihood) أعلى. وهكذا تشكّلت مدونة MVR-SFT-528K. أما لمرحلة RL فبُنيت مجموعة MVR-RL-63K بشكل منفصل، وصُفّيت وفق «حدّ» قدرات نموذج بحجم معيّن: ينبغي ألا تكون المهام سهلة جدًا ولا مستعصية بوضوح.

تسمى الطبقة الثالثة specialize-then-integrate. تُدرَّب أولًا خبراء RL مكمِّلون لبعضهم، كلٌّ في مجاله. ثم تُدمج مهاراتهم في نموذج واحد عبر التقطير على السياسة من عدة معلّمين (multi-teacher on-policy distillation، أو MOPD).

النماذج الصغيرة تحتاج إلى الانتقاء، أما الكبيرة فتتحمل دونه

أهم ما في الورقة هو تحليل اعتماد النتائج على سعة النموذج. فصعوبة الأمثلة وجودة المسارات وحجم النموذج الطالب تؤثر في بعضها. تستفيد النماذج الصغيرة بوضوح من إشراف (supervision) منتقى بعناية، بينما تكون الكبيرة أكثر ثباتًا: فهي تتحمل التفاوت في جودة المسارات وتداخل المجالات المختلطة.

يؤدي RL المختلط عبر المجالات إلى انتقال سلبي للتعلم على مستوى اختبارات معيارية بعينها: فالتحسن في جانب يُدفع ثمنه تراجعًا في جانب آخر. في المقابل يدمج MOPD المهارات بثبات. كما أن اتجاه تباعد KL المفضل في التقطير يتغير مع حجم النموذج، ولذلك لا يوجد إعداد واحد يناسب الجميع.

ما الذي قورن وما النتيجة

• MVR-4B: متوسط 72,8 في 15 اختبارًا معياريًا متعدد الوسائط • MVR-9B: متوسط 74,4 في الاختبارات الـ15 نفسها • Qwen3.5-9B (Instruct): يتخلف عن MVR-4B • MMFineReason-8B: يتخلف عن MVR-4B، مع أنه يستخدم عينات أكثر بنحو 70% مما يحتاجه MVR • Qwen3.5-35B-A3B (Instruct): يتخلف عن MVR-9B • MVR-SFT-528K: مدونة مرحلة الإشراف (supervised) • MVR-RL-63K: مدونة مرحلة RL مع تصفية وفق حدّ القدرات • MOPD: طريقة دمج خبراء RL عبر التقطير على السياسة من عدة معلّمين

ينبغي قراءة المقارنة مع Qwen3.5-35B-A3B بحذر: فهو نموذج MoE بعدد صغير من المعاملات النشطة، والمقارنة تجري مع نسخته Instruct. ومع ذلك فإن نموذجًا كثيفًا (dense) بحجم 9B دُرِّب على بيانات مفتوحة يتفوق على نموذج أكبر منه بوضوح من حيث العدد الإجمالي للمعاملات. وهذا ما يقوله المؤلفون أنفسهم.

ما الذي يمكن أخذه إلى خط الإنتاج لديك

تخرج الورقة بعدة قواعد عملية للفرق التي تواصل تدريب نماذج VLM المفتوحة. إذا كان النموذج صغيرًا، فاستثمروا في انتقاء المسارات ومعايرة الصعوبة: فهنا يكون العائد الأعلى. وإذا كان كبيرًا، فيمكن التوفير في التنقية، لكن ليس في فصل المجالات داخل RL.

خلط جميع المجالات في تشغيل RL واحد محفوف بالمخاطر. والأكثر موثوقية تدريب خبراء ضيقي التخصص ودمجهم عبر التقطير، مع اختيار اتجاه KL بما يناسب حجم النموذج. كما ينبغي تصفية مهام RL وفق حجم نموذج محدد: فمجموعة ناجحة لنموذج 9B قد تكون عديمة الفائدة لنموذج 4B.

شيفرة المشروع منشورة على GitHub في المستودع JackieForest/MMVistaReason. صدرت الورقة في 22 أكتوبر 2026، ومؤلفوها هم Juekai Lin وHonglin Lin وYuqian Yuan وXiaolong Wu وJie Cao وLiang Liang وYunqi Cao وYun Zhu وWenqiao Zhang وLijun Wu. وقد أُدرج العمل في Hugging Face Daily Papers، حيث حصل حتى الآن على ثلاثة أصوات إيجابية (upvotes)، ولذلك لا يزال ينبغي انتظار تحقق مستقل من النتائج.