Meta تكشف عن DeepConf: قفزة نوعية في قدرات التفكير العميق
أعلن فريق FAIR التابع لشركة Meta عن ابتكار جديد باسم DeepConf (Deep Think with Confidence)، وهي طريقة للتفكير العميق تعتمد على آليات الثقة الداخلية للنماذج اللغوية. التقنية الجديدة تمكنت من تحقيق دقة 99.9% على اختبار AIME 2025 باستخدام نماذج مفتوحة المصدر.
تفاصيل الخبر
تُعد DeepConf نقلة نوعية لأنها لا تتطلب إعادة تدريب النماذج أو تعديل معقد في المعلمات، بل يمكن دمجها مباشرة مع أطر التشغيل الحالية:
- تعتمد التقنية على التفكير الموازي، حيث يقوم النموذج بإنتاج عدة مسارات تفكير بالتوازي.
- يتم قياس مستوى الثقة الداخلي لكل مسار، ليتم استبعاد المسارات ضعيفة الجودة أثناء أو بعد التوليد.
- النتيجة: تحسين الأداء بشكل كبير مع تقليل عدد التوكينات المنتَجة بنسبة تصل إلى 84.7% مقارنة بالأساليب التقليدية.
- تم اختبار الطريقة على مجموعة بيانات HMMT’25 باستخدام نموذج Qwen3-8B، وأثبتت فعاليتها في الوقت الحقيقي.
- ورقة البحث متاحة على arXiv بعنوان Deep Think with Confidence مع وعود بإصدار الكود الكامل قريبًا.
الأهداف المستقبلية
من خلال DeepConf، تسعى Meta إلى:
- تمكين النماذج المفتوحة المصدر من منافسة النماذج المغلقة في دقة التفكير والاستدلال.
- تقليل التكلفة الحسابية المرتبطة بالتفكير العميق عبر تحسين كفاءة الاستنتاج.
- دعم الباحثين والمطورين بأدوات عملية يمكن دمجها بسهولة في تطبيقات الذكاء الاصطناعي.
- المساهمة في تطوير بيئة بحثية مفتوحة تقود الابتكار بشكل أسرع وأكثر شفافية.
يمثل ابتكار DeepConf خطوة متقدمة نحو جعل التفكير العميق أكثر كفاءة وموثوقية داخل النماذج المفتوحة. وإذا تم تعميم هذه التقنية، فقد نرى نماذج مفتوحة تنافس بقوة النماذج الرائدة في مجال الاستدلال الرياضي والمنطقي.
