يواجه مطورو النماذج المتعددة الوسائط تحدياً تقنياً معقداً: كيف توازن بين الإدراك الدقيق للصور والاستنتاج متعدد الخطوات دون التضحية بأحدهما؟ فريق بحثي بقيادة Wenbo Hu من جامعة كاليفورنيا يقدم حلاً رياضياً جذرياً عبر نموذج OpenVLThinkerV2 الذي يعيد تعريف التدريب التعزيزي للنماذج المفتوحة.
المشكلة الأساسية تكمن في التباين الشديد لطوبولوجيا المكافآت عبر المهام البصرية المختلفة، وصعوبة الموازنة بين القدرة على فهم التفاصيل الدقيقة والتفكير المتسلسل المعقد. Group Relative Policy Optimization (GRPO) كان الأسلوب السائد لتدريب النماذج المتعددة الوسائط، لكنه يفشل عند التطبيق على النماذج المفتوحة المصدر نظراً لهذه التحديات.
الابتكار الجوهري يأتي عبر Gaussian GRPO (G²RPO)، خوارزمية تدريب تستبدل التدرج الخطي التقليدي بمطابقة توزيعية غير خطية. الهدف الرياضي واضح: إجبار توزيع الميزة لأي مهمة معطاة على التقارب الصارم مع التوزيع الطبيعي المعياري 𝒩(0,1). هذا النهج يضمن نظرياً العدالة في التدرج بين المهام، ويقلل نقاط الضعف أمام القيم الشاذة ذات الذيل الثقيل، ويوفر تحديثات متماثلة للمكافآت الإيجابية والسلبية.
التطبيق العملي للنظرية يتم عبر آليتين لتشكيل المهام تعملان على مستوى المهمة الواحدة. Response Length Shaping تستخرج ديناميكياً سلاسل استنتاج ممتدة للاستعلامات المعقدة بينما تفرض مخرجات مباشرة لتعزيز التأريض البصري. Entropy Shaping تحدد بإحكام منطقة استكشاف النموذج، مما يمنع بفعالية كلاً من انهيار الإنتروبيا وانفجارها.
- إعداد بيئة التدريب: تهيئة النموذج الأساسي مع مجموعة بيانات متنوعة تغطي 18 معياراً مختلفاً من المهام البصرية، مع ضمان التوزيع المتوازن للصعوبات.
- تطبيق G²RPO: استبدال خوارزمية GRPO التقليدية بالنسخة الغاوسية، مع ضبط معاملات التوزيع لتحقيق التقارب مع 𝒩(0,1) لكل مهمة على حدة.
- تفعيل Response Length Shaping: برمجة الآلية لتحديد متى تتطلب المهمة استنتاجاً متعدد الخطوات مقابل الإجابة المباشرة، مع تدريب النموذج على التبديل التلقائي بينهما.
- ضبط Entropy Shaping: تحديد الحدود العليا والسفلى لإنتروبيا النموذج، مع وضع آليات مراقبة تمنع التطرف في أي اتجاه أثناء التدريب.
- التقييم متعدد المجالات: اختبار النموذج عبر المعايير الـ18 المحددة مسبقاً، مع مقارنة الأداء بالنماذج المفتوحة القوية والنماذج المملوكة الرائدة.
- التحسين التكراري: تحليل نقاط الضعف المتبقية وإعادة ضبط المعايير بناءً على النتائج، مع التركيز على المهام التي لا تزال تظهر تبايناً عالياً.
النتائج التي حققها الفريق تتحدث عن نفسها – أداء فائق عبر 18 معياراً متنوعاً مقارنة بالنماذج المفتوحة القوية والنماذج المملوكة الرائدة في السوق. لكن الأهمية الحقيقية تكمن في الاستقرار النظري الذي توفره G²RPO، والذي يجعل تدريب النماذج المتعددة الوسائط أكثر قابلية للتنبؤ والتحكم.
للمطورين العرب العاملين على نماذج الذكاء الاصطناعي، هذا البحث يوفر إطار عمل رياضي واضح لحل مشكلة عملية حقيقية. الكود والنماذج المدربة ستكون متاحة للمجتمع المفتوح، مما يفتح الباب أمام تطبيقات محلية في معالجة النصوص العربية والصور أو بناء مساعدين ذكيين متخصصين في السياق الثقافي العربي.
الحذر الوحيد أن هذا النهج يتطلب موارد حاسوبية كبيرة للتدريب، وقد يواجه تحديات عند التطبيق على مجموعات بيانات أصغر أو مهام أكثر تخصصاً من تلك المستخدمة في التقييم.
