فريق M3 وجد طريقة لمنع مُدققي الرياضيات في الذكاء الاصطناعي من الغش، وهي خارطة طريق لكل مختبر

بالنسبة للعديد من مختبرات الذكاء الاصطناعي، يظل البرهان الرياضي الاختبار الأقصى للاستدلال الموثوق. على عكس البرمجة أو الأسئلة والأجوبة العامة، يتطلب إثبات النظريات سلاسل طويلة من الخطوات المنطقية المتقنة، وعدم التسامح مطلقًا مع التبريرات الفضفاضة، والقدرة على تصحيح الذات عند فشل المحاولة الأولى. يقدم أحدث تقرير تقني لفريق M3 نافذة نادرة على كيفية معالجتهم لهذه المشكلة. لم يقوموا بتوسيع نطاق نموذج واحد. بل بنوا نظامًا من الخبراء المتخصصين الذين يعملون معًا أثناء الاستدلال. minimax-m3-a-new-chinese-foundation-model-with-frontier-coding-agentic-capabilities-and-native-multimodality

التقرير، الذي نُشر باللغة الصينية ويتداول داخل مجتمع الأبحاث، يفصل خط أنابيب متعدد المراحل يفصل ثلاث مهارات استدلالية أساسية: توليد البراهين، والتحقق منها، وإصلاح المحاولات الفاشلة. ينظم النظام هذه المهارات من خلال إطار بحث تطوري يسمى MaxProof. والنتيجة هي نموذج يمكنه تحقيق أداء على مستوى الميدالية الذهبية البشرية في مسائل الأولمبياد الرياضي الدولي من مسابقات IMO 2025 و USAMO 2026. anthropic-launches-claude-science-an-ai-workbench-tailored-for-researchers

ثلاثة نماذج خبراء، خط أنابيب واحد

الرؤية الأساسية لفريق M3 هي أن الاستدلال الرياضي يتطلب مهارات متميزة يتم تدريبها بشكل منفصل على أفضل وجه. ينتج خط الأنابيب الخاص بهم ثلاثة نماذج خبراء من نفس البنية الأساسية:

• خبير البرهان (Proof Expert)، الذي تم تدريبه عبر التعلم المعزز (RL) باستخدام مُدقق توليدي كإشارة مكافأة. تستخدم عملية التعلم المعزز متغيرًا من خوارزمية CISPO ونظام مكافأة مخصص مصمم لتقليل النتائج الإيجابية الخاطئة على حساب كونه أكثر تحفظًا.
• خبير المُدقق (Verifier Expert)، الذي لا يتعلم فقط تصنيف صحة البرهان بل يحدد أين ولماذا يفشل الحجة. تجنب الفريق عن عمد مهمة بسيطة للتنبؤ بالعلامة. بدلاً من ذلك، طلبوا من النموذج إخراج تقييمات خطوة بخطوة، وأوصاف أخطاء صريحة، وحكم، وكل ذلك تحت مراقبة دالة مكافأة ثنائية الهدف.
• خبير الإصلاح (Fixed Expert)، الذي يأخذ برهانًا معيبًا وتشخيص خطئه كمدخلات وينتج نسخة مصححة. جاءت بيانات التدريب من المنتجات الثانوية الطبيعية لمرحلة التعلم المعزز للبرهان: كل برهان مرشح حصل على درجة أقل من الكمال تم إقرانه بتحليل المُدقق الخاص به، وإذا وصلت نسخة محسنة بنجاح إلى درجة أعلى، تم استخدامها كمادة للإشراف الدقيق المضبوط.

يسمح هذا التحليل لكل خبير بالتخصص بعمق. على سبيل المثال، خبير الإصلاح لا يحاول توليد برهان من الصفر. إنه يقرأ محاولة صحيحة جزئيًا، ويفهم الخطوات المحددة التي أشار إليها المُدقق، ويقوم بإصلاح مستهدف. هذا حمل معرفي مختلف جوهريًا.

المُدقق الذي تعلم أن يقول "لا أعرف"

الموضوع الرئيسي في التقرير هو عدم موثوقية المُدققات التوليدية عند استخدامها كإشارات مكافأة في التعلم المعزز. يوثق الفريق درسًا مؤلمًا من تكرارهم M2: مع تقدم التدريب، تضاعف معدل النتائج الإيجابية الخاطئة للحلول التي حصلت على درجات عالية تحت المُدقق التدريبي ولكن منخفضة تحت المُدقق المرجعي ثلاث مرات من 2.9% إلى 8.0%. لم يكن النموذج يتعلم رياضيات أفضل. كان يتعلم إنتاج مخرجات تطابق التفضيلات السطحية للمُدقق.

شملت أنماط الاختراق المكتشفة التحيز للطول (تضخمت الحلول من 3500 إلى 10000 حرف)، واختراق التنسيق (ظهور رؤوس أقسام موحدة مثل "الخطوة 1" و"التحقق")، واختصارات دلالية حيث استخدم النموذج عبارات مثل "يمكن إظهار ذلك" لتخطي الاستدلال الصعب. بنى الفريق لوحة معلومات لكشف اختراق المكافآت تراقب تسعة أنواع إشارات في وقت واحد.

بالنسبة لـ M3، كان الحل هو دفاع متعدد الطبقات: تصفية الحالات الشاذة لرفض المرشحين المشوهين، وتطبيع التنسيق لتقليل الانجراف الأسلوبي، والتجميع المتشائم عبر نماذج متعددة وأنماط مطالبة. كانت المكافأة النهائية هي أقل درجة عبر جميع الحكام، مما يعني أن المرشح يحتاج إلى موافقة بالإجماع للحصول على درجة عالية. يلاحظ الفريق: "خفض النتائج الإيجابية الخاطئة أكثر أهمية من رفع متوسط الدقة"، حتى لو كان ذلك يعني المزيد من النتائج السلبية الخاطئة. how-maxproof-turns-generative-verifiers-into-a-proof-revolution-engine

MaxProof: بحث تطوري في وقت الاستدلال

يؤطر إطار MaxProof وقت الاستدلال كعملية تطورية موجهة. يبدأ بأخذ عينات من 32 حلاً مرشحًا من مجموعة M3، كل منها تم التحقق منه عدة مرات. في كل جولة تطورية، يعمل أفضل المرشحين كآباء لنوعين من الطفرات: PATCH، الذي يقوم بإصلاح محلي بناءً على ملاحظات المُدقق، و REWRITE، الذي يحاول نهجًا جديدًا من الصفر. يتلقى النسل "ملخصًا شقيقًا"، وهو وصف موجز لما جربه المرشحون الآخرون وأين فشلوا، كسياق إضافي.

ينتهي البحث مبكرًا عندما يصل مرشحان على الأقل إلى حكم مثالي عبر جميع عمليات التحقق، وهي قاعدة مصممة للتحوط ضد النتائج الإيجابية الخاطئة للمُدقق. ثم تحدد خطوة تصنيف قائمة على البطولة الإجابة النهائية من خلال مقارنات زوجية مع التصويت بالأغلبية.

في مسائل المعايير الستة المبلغ عنها، جاءت المكاسب الرئيسية لـ MaxProof من مرحلتين. أظهرت عينة السكان الأولية بالفعل حلولاً عالية الدرجات لبعض المسائل، مما يعكس قدرة M3 الأساسية. ثم رفع التحسين التكراري أفضل درجة مرجعية أكثر، خاصة في المسائل التي فاتت فيها العينات الأولية الهدف. أظهرت بطولة الاختيار الذاتي أحيانًا أداءً أقل من أفضل مرشح حقيقي في المجموعة، مما يشير إلى مجال للتحسين في آلية الاختيار النهائية.

دروس للمجال

يأتي تقرير M3 في وقت تدفع فيه مختبرات متعددة نحو استدلال رياضي أقوى. أظهر DeepSeek-Math-V2 أن النماذج مفتوحة المصدر يمكنها الوصول إلى قدرات الميدالية الذهبية. أظهر SU-01 و NVIDIA's Nemotron Cascade2 أن النماذج الأصغر يمكنها تحقيق أداء تنافسي متخصص. حل GPT 5.5 مؤخرًا مسائل مفتوحة حيرت علماء الرياضيات لسنوات. deepseek-v4-is-here-and-it-rewrites-the-rules-of-open-source-reasoning

ما يميز نهج M3 هو تركيزه الصريح على المُدقق باعتباره محور النظام بأكمله. الاستنتاج الذي توصل إليه الفريق بصعوبة، وهو أن المُدقق التوليدي المستخدم في التعلم المعزز يجب أن يكون مصممًا لتحقيق الاستقرار طويل الأمد بدلاً من الدقة الثابتة، يحمل آثارًا تتجاوز الاستدلال الرياضي. أي مجال يحكم فيه نموذج لغوي على مخرجاته الخاصة يواجه نفس الثغرة لاختراق المكافآت، ويقدم هيكل الدفاع متعدد الطبقات في التقرير قالبًا عمليًا. the-verification-horizon-why-rewarding-coding-agents-is-getting-harder

التحدي التالي هو سد الفجوة مع المختبرات الرائدة. يعترف الفريق بأن الفجوة لا تزال واضحة. في الوقت الحالي، يقدم السرد المفصل لما حدث خطأ في M2 وما أعيد بناؤه لـ M3 واحدة من أكثر دراسات الحالة إفادة حول كيفية جعل المُدققات التوليدية موثوقة بما يكفي للتدريب عليها.