ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

النماذج اللغوية الروسية تحتل المراكز الستة الأولى في اختبار SLAVA، لكنها تحتاج إلى بيانات عالمية

احتلت النماذج اللغوية الروسية (LLM) في مطلع عام 2026 المراكز الستة الأولى في اختبار SLAVA، وهو اختبار من 14 ألف سؤال عن تاريخ روسيا وجغرافيتها. أما في نوفمبر 2024 فكانت النماذج الأمريكية والصينية في الصدارة. لكن الإنترنت الناطق بالروسية أصغر من الإنترنت العالمي بما بين 10 و20 مرة، وبحسب تقدير ITMO فإن حصة النصوص الروسية اللازمة في التدريب لا تتجاوز 5–30%. وإذا غابت البيانات الدولية بدأت النماذج تتأخر عن نظيراتها الأجنبية. لذلك اختبروا النموذج على مهامكم الخاصة قبل اختياره.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
النماذج اللغوية الروسية تحتل المراكز الستة الأولى في اختبار SLAVA، لكنها تحتاج إلى بيانات عالمية
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
SLAVA14 ألف سؤال في التاريخ والعلوم الاجتماعية وعلم الاجتماع والجغرافيا
حقيقة رئيسية #2يظل المحتوى الإنجليزي الناقل الرئيسي للمعرفة العلمية
حقيقة رئيسية #3يقترح المؤلفون رقمنة الأرشيفات والمكتبات لخدمة الطب والقانون والجيولوجيا

تخيلوا أنكم تبنون مساعدًا للمحامين، فتسألون نموذجًا عصبيًا عن قانون روسي، ثم تطلبون منه تحليل مقالة علمية حديثة بالإنجليزية. في السؤال الأول سيكون الأفضل أداءً هو النموذج الذي قرأ نصوصًا روسية كثيرة، وفي الثاني النموذج الذي تدرّب على مدونة نصوص عالمية. هذا هو موضوع دراسة أعدها معهد الذكاء الاصطناعي في ITMO بالتعاون مع خبراء من جامعة موسكو الحكومية والأكاديمية الرئاسية الروسية للاقتصاد الوطني والإدارة العامة والمدرسة العليا للاقتصاد وAIRI وYandex وSber وT-Bank وVK.

احتلت النماذج اللغوية الكبيرة (LLM) في مطلع عام 2026 المراكز الستة الأولى في تصنيف SLAVA، وهو اختبار لمعرفة التاريخ الروسي والقانون والثقافة. لكن حتى لا يضيع هذا التفوق، تحتاج النماذج إلى وصول واسع إلى البيانات، الروسية والدولية معًا. وإذا كنتم تختارون نموذجًا لمنتج ما، فهذا يؤثر مباشرة في اختياركم.

ماذا أظهر اختبار SLAVA

يختبر SLAVA النماذج بـ14 ألف سؤال في التاريخ والعلوم الاجتماعية وعلم الاجتماع وجغرافيا روسيا. وفي مطلع عام 2026 احتلت النماذج اللغوية المحلية المراكز الستة الأولى في التصنيف. أما في نوفمبر 2024 فكانت النماذج الأمريكية والصينية ضمن المراكز الثلاثة الأولى. وقد تغيّر المشهد في أقل من عام ونصف.

لا يربط المؤلفون ذلك باستثمارات المطورين وحدها، بل أيضًا بارتفاع حصة البيانات الروسية في مجموعات التدريب. فالنموذج الذي قرأ نصوصًا روسية أكثر لا يتحدث الروسية بشكل أفضل فحسب، بل يعرف أيضًا الواقع الروسي والقانون والسياق الثقافي معرفة أفضل. ولذلك قد يحقق النموذج المحلي مكسبًا ملحوظًا في المهام ذات الخصوصية الروسية، مثل الاستشارات حول الأنظمة المحلية أو العمل مع الوثائق الحكومية.

لماذا لا تكفي اللغة الروسية وحدها؟

الإنترنت الناطق بالروسية أصغر من الإنترنت العالمي بنحو 10–20 مرة. وتُدرَّب النماذج الحديثة مسبقًا على مجموعات بيانات تبلغ تريليونات الرموز (tokens)، من صفحات الويب والكتب والمنشورات العلمية والشيفرات المفتوحة والموسوعات. وبحسب الباحثين، تكفي البيانات الروسية لتكوين جزء من مدونة متعددة اللغات، لكنها لا تكفي لبناء نموذج عام منافس بالروسية وحدها.

ويقدّر الخبراء الحصة المثلى للبيانات الناطقة بالروسية في مجموعة التدريب بنحو 5–30%. أما الباقي فينبغي أن تقدمه لغات أخرى، لأنها تحمل معلومات مفيدة متنوعة، ولأن المحتوى الإنجليزي يظل الناقل الرئيسي للمعرفة العلمية. وإذا انعزل النموذج عن البيانات الدولية، فسيتأخر أكثر عن نظيراته الأجنبية، وسيكون أداؤه أضعف في المهام الواقعة خارج السياق اللغوي المحلي.

والمهمة أصعب على الفرق الروسية منها على الأجنبية، فهي أكثر اعتمادًا على المصادر المفتوحة لأن مواردها أقل لجمع البيانات وشرائها ورقمنتها بنفسها. وأي قيد على المدونة المتاحة يؤثر فيها بشكل أوضح.

ماذا يقترح المؤلفون

أولًا، رقمنة البيانات غير المتوافرة بعد على الإنترنت المفتوح: مواد المكتبات والأرشيفات، والمجموعات التعليمية والعلمية والثقافية والمهنية. ومن شأن ذلك أن يحسّن النماذج في الطب والقانون والبناء والجيولوجيا وغيرها من المجالات التي تهم فيها المعارف والمعايير الروسية.

ثانيًا، التوقف عن تكرار العمل. يشير مدير معهد الذكاء الاصطناعي في ITMO ألكسندر بوخانوفسكي إلى أن كل شركة كبيرة تبني حاليًا نماذج لنفسها وتغلق تطوراتها. وبدلًا من أن يبني كل طرف وكيلًا (agent) يقرأ الأدبيات المهنية نفسها، يمكن تبادل هذه الوكلاء أو إتاحتها على أساس تجاري. ومن الحلول الجاهزة ستتمكن الشركات من تجميع أنظمة تناسب مهامها.

ثالثًا، تنظيم حقوق المؤلف بعناية: ينبغي أن تحمي القواعد أصحاب الحقوق، لكن دون أن تقلّص مجموعة المعلومات المتاحة للتدريب.

كيف نقرأ ذلك عمليًا

هذه دراسة قطاعية وليست تجربة مستقلة: مؤلفوها من المشاركين في السوق والمؤسسات العلمية التي يهمها الوصول إلى البيانات. ويقيس معيار SLAVA معرفة السياق الروسي، لا الذكاء العام للنموذج ولا جودة شيفرته البرمجية.

والخلاصة العملية للمطورين وفرق المنتجات بسيطة. لا تختاروا نموذجًا بالاستناد إلى تصنيف واحد، بل اختبروه على مهامكم الخاصة: الأفضلية المحلية حقيقية، لكنها تظهر حيث تلزم اللغة الروسية والواقع الروسي. وقد تصبح المدونات المغلقة، مثل قواعد البيانات التنظيمية والأدبيات المهنية، ميزة لكم عند إجراء التدريب الإضافي (fine-tuning) أو بناء البحث في الوثائق. أما السوق ككل، فيرى المؤلفون أنه سيحصل على فرصة ليصبح طبقة بنية تحتية متكاملة لروسيا، إذا اعتمد على القاعدة التكنولوجية العالمية وعزّزها بالبيانات المحلية وأوصل المنتجات سريعًا إلى مرحلة التطبيق.

القصة

أسئلة وأجوبة حول الخبر

لماذا لا تكفي اللغة الروسية وحدها؟

الإنترنت الناطق بالروسية أصغر من الإنترنت العالمي بنحو 10–20 مرة. وتُدرَّب النماذج الحديثة مسبقًا على مجموعات بيانات تبلغ تريليونات الرموز (tokens)، من صفحات الويب والكتب والمنشورات العلمية والشيفرات المفتوحة والموسوعات. وبحسب الباحثين، تكفي البيانات الروسية لتكوين جزء من مدونة متعددة اللغات، لكنها لا تكفي لبناء نموذج عام منافس بالروسية وحدها. ويقدّر الخبراء الحصة المثلى للبيانات الناطقة بالروسية في مجموعة التدريب بنحو 5–30%.

ما أبرز التفاصيل حول ماذا أظهر اختبار SLAVA؟

يختبر SLAVA النماذج بـ14 ألف سؤال في التاريخ والعلوم الاجتماعية وعلم الاجتماع وجغرافيا روسيا. وفي مطلع عام 2026 احتلت النماذج اللغوية المحلية المراكز الستة الأولى في التصنيف. أما في نوفمبر 2024 فكانت النماذج الأمريكية والصينية ضمن المراكز الثلاثة الأولى. وقد تغيّر المشهد في أقل من عام ونصف. لا يربط المؤلفون ذلك باستثمارات المطورين وحدها، بل أيضًا بارتفاع حصة البيانات الروسية في مجموعات التدريب.

ما أبرز التفاصيل حول ماذا يقترح المؤلفون؟

أولًا، رقمنة البيانات غير المتوافرة بعد على الإنترنت المفتوح: مواد المكتبات والأرشيفات، والمجموعات التعليمية والعلمية والثقافية والمهنية. ومن شأن ذلك أن يحسّن النماذج في الطب والقانون والبناء والجيولوجيا وغيرها من المجالات التي تهم فيها المعارف والمعايير الروسية. ثانيًا، التوقف عن تكرار العمل. يشير مدير معهد الذكاء الاصطناعي في ITMO ألكسندر بوخانوفسكي إلى أن كل شركة كبيرة تبني حاليًا نماذج لنفسها وتغلق تطوراتها.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

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