هل يحسن التفكير الرياضي قدرات النماذج اللغوية الكبيرة بشكل عام؟ فهم نقل قدرة التفكير في النماذج اللغوية الكبيرة

أصبح التفكير الرياضي رمزًا للتقدم في نماذج اللغات الكبيرة (LLMs)، حيث تتجاوز النماذج الجديدة بسرعة الأداء البشري في مقاييس مثل MATH و AIME. ومع تحسين قائمة المتصدرين في الرياضيات أسبوعًا بعد أسبوع، من الجدير طرح السؤال: هل تعكس هذه المكاسب قدرة أوسع على حل المشكلات أم مجرد تناسب ضيق؟ للاجابة على هذا السؤال، نقيم أكثر من 20 نموذجًا مفتوح الوزن ومُعَدَّل للتفكير عبر مجموعة واسعة من المهام، بما في ذلك الرياضيات، والاستفسار العلمي، والتخطيط الوكيل، والبرمجة، وتتبع التعليمات القياسية. وقد فوجئنا باكتشاف أن معظم النماذج التي تنجح في الرياضيات لا تستطيع نقل مكاسبها إلى مجالات أخرى. لدراسة هذا الظاهرة بشكل دقيق، أجرينا تجارب مراقبة على نماذج Qwen3-14B باستخدام بيانات خاصة بالرياضيات ولكن بطرق تعديل مختلفة. اكتشفنا أن النماذج التي تم تعديلها باستخدام التعلم التعزيزي (RL) تعمم بشكل جيد عبر المجالات المختلفة، بينما غالبًا ما تنسى النماذج التي تم تعديلها بالتعلم الإشرافي الدقيق (SFT) القدرات العامة. كشفتanalyses التحليلات لتمثيل الفضاء الخفي وتغير توزيع الفضاء الرمزي أن SFT يسبب انحرافًا كبيرًا في التمثيل والإخراج، بينما يحافظ RL على هيكل المجال العام. تقترح نتائجنا الحاجة إلى إعادة النظر في الوصفات القياسية لما بعد التدريب، وبشكل خاص الاعتماد على البيانات المستخلصة من SFT لتطوير نماذج التفكير.