الاستدلال على اللغة الطبيعية هو هدف قديم يسعى إليه مجتمع البحث العلمي. ومع ذلك، أظهرت الدراسات أن النماذج اللغوية الحالية تفتقر إلى الكفاءة في الاستدلال. ولحل هذه المشكلة، نقدّم "POET"، وهي منهجية جديدة للتدريب المسبق على الاستدلال. من خلال تدريب النماذج اللغوية باستخدام البرامج ونتائج تنفيذها، يمكّن POET النماذج اللغوية من استخلاص معرفة الاستدلال التي يمتلكها مُنفّذو البرامج عبر نهج يعتمد على البيانات. يتميّز POET ببساطته المفاهيمية، ويمكن تنفيذه باستخدام أنواع مختلفة من مُنفّذات البرامج. في هذه الورقة، نُظهر حالتين بسيطتين: POET-Math وPOET-Logic، بالإضافة إلى حالة معقدة هي POET-SQL. وقد أظهرت النتائج التجريبية على ستة معايير أن POET يمكنه تعزيز أداء النموذج بشكل كبير في الاستدلال على اللغة الطبيعية، مثل الاستدلال العددي، والاستدلال المنطقي، والاستدلال متعدد الخطوات. يفتح POET بابًا جديدًا للتدريب المسبق المُحسّن للاستدلال، ونأمل أن تُسهم تحليلاتنا في إضاءة مسارات البحث المستقبلية في مجال الاستدلال باستخدام مُنفّذات البرامج.