معهد ماساتشوستس للتكنولوجيا يطلق MathNet — أكبر مجموعة مسائل أولمبياد رياضيات في العالم

فتح معهد ماساتشوستس للتكنولوجيا (MIT) شبكة MathNet — أكبر مجموعة مفتوحة لمسائل أولمبياد الرياضيات حتى الآن، وهي ضرورية بالتزامن للباحثين في مجال الذكاء الاصطناعي والطلاب الذين يستعدون للمسابقات. تتضمن قاعدة البيانات أكثر من 30 ألف مسألة وحلول مفصلة من أولمبيادات الرياضيات الوطنية في 47 دولة. بالنسبة للصناعة، هذا اختبار أكثر صرامة للاستدلال الرياضي من المعايير التقليدية باللغة الإنجليزية.

بالنسبة للطلاب — مكتبة موحدة من مسائل عالية الجودة كانت في السابق موزعة عبر المجموعات الورقية والمنتديات والأرشيفات الشخصية. قام بإنشاء المشروع باحثون من مختبر علوم الحاسوب والذكاء الاصطناعي في معهد ماساتشوستس (MIT CSAIL) وجامعة الملك عبدالله للعلوم والتكنولوجيا (KAUST) وشركة HUMAIN. وفقاً للفريق، تغطي شبكة MathNet 17 لغة و 143 مسابقة وحوالي أربعة عقود من رياضيات الأولمبياد.

اضطر المؤلفون إلى جمع 1,595 مجلد PDF بإجمالي أكثر من 25,000 صفحة: من الوثائق الرقمية الحديثة إلى المسحات القديمة التي كانت موجودة فقط في المجموعات الشخصية لسنوات. جاء جزء كبير من الأرشيف من مجموعة خاصة لأحد المؤلفين المشاركين، الذي كان يمسح يدويًا مجموعات الأولمبياد منذ عام 2006. مجموعة البيانات الناتجة، وفقاً لمعهد ماساتشوستس، أكبر تقريباً بخمسة أضعاف من النظير الأقرب، وقد تم بالفعل إتاحتها للجمهور وسيتم عرضها في مؤتمر ICLR 2026 في البرازيل.

الفرق الأساسي في شبكة MathNet ليس فقط في الحجم بل أيضاً في جودة المصادر. بينما تم جمع العديد من مجموعات البيانات الرياضية الموجودة من منتديات مثل Art of Problem Solving، يتم هنا أخذ المسائل فقط من المجموعات الوطنية الرسمية. هذا مهم لأن الحلول في هذه المواد عادة ما يكتبها الخبراء، وتمر عبر التحقق وغالباً ما تستكشف عدة طرق حل مختلفة لمسألة واحدة.

بالإضافة إلى ذلك، المجموعة أوسع بكثير جغرافياً: فهي تغطي ستة قارات وتتضمن مسائل نصية وبصرية ولا تقتصر على التقاليد الناطقة بالإنجليزية والصينية. للتحقق الإضافي، جمع الفريق مجموعة من أكثر من 30 مراجعاً من دول مختلفة قاموا بمراجعة مشتركة لآلاف الحلول. بالنسبة للباحثين، هذه فرصة لتدريب النماذج على ثقافة رياضية متنوعة بدلاً من مجموعة ضيقة من الصيغ المألوفة.

كمعيار للذكاء الاصطناعي، تعطي شبكة MathNet نتائج غير مريحة إلى حد ما حتى للنماذج القوية. على المجموعة الرئيسية المكونة من 6,400 مسألة، أظهر GPT-5 حوالي 69.3 بالمائة، مما يعني أنه فشل في حل ما يقرب من كل مسألة ثالثة على مستوى الأولمبياد.

عندما تحتوي المسألة على رسوم توضيحية، تنخفض نتائج النموذج بشكل أكثر وضوحاً، مما يشير إلى ضعف مستمر في الاستدلال البصري. اختبر الفريق أيضاً كيفية أداء النماذج مع اللغات الأقل شيوعاً: حققت عدة أنظمة مفتوحة المصدر 0 بالمائة في المسائل باللغة المنغولية. بشكل منفصل، أضاف الباحثون معيار استرجاع، حيث يجب التعرف على التشابه الهيكلي بين مسألتين.

حتى أفضل نماذج التضمين وجدت التطابق الصحيح في المحاولة الأولى في حوالي 5 بالمائة فقط من الحالات. هذا مهم ليس فقط للذكاء الاصطناعي بل أيضاً للأولمبيادات نفسها: ظهرت مسائل متشابهة جوهرياً بالفعل في الامتحانات الفعلية، وتتبع المعادلات الرياضية عبر لغات وترميزات وتنسيقات مختلفة أمر صعب للغاية حتى بالنسبة للخبراء. أظهر اختبار آخر أن الجيل المدعوم بالاسترجاع يساعد بالفعل، لكن فقط إذا كانت المسألة المقترحة قريبة حقاً في البنية: بالنسبة إلى DeepSeek-V3.

2-Speciale، وصل التحسن إلى 12 نقطة مئوية، بينما أدت الاقتراحات غير ذات الصلة إلى تفاقم النتيجة في حوالي 22 بالمائة من الحالات. تتجاوز الأهمية العملية لشبكة MathNet مجال الذكاء الاصطناعي الأكاديمي. بالنسبة للطلاب والمعلمين، هذه حالة نادرة حيث يتم جمع مواد أولمبياد عالية الجودة من عشرات الدول في مكان واحد وإحضارها إلى صيغة موحدة.

بالنسبة لمطوري النماذج، هذا تذكير بأن الادعاءات الجريئة حول الرياضيات "المحلولة تقريباً" لا تزال مبكرة جداً: بمجرد أن تصبح المسائل دولية حقاً وعديدة الاستخدامات وأقل توحيداً، فإن الفجوة النوعية لا تزال واضحة جداً. لهذا السبب، يمكن لشبكة MathNet أن تصبح أحد أكثر الاختبارات فائدة للتفكير الرياضي الحقيقي للنماذج في السنوات القادمة وفي نفس الوقت واحدة من أكثر المكتبات المفتوحة قيمة للتحضير لأولمبيادات الرياضيات.