في عالم [النماذج](/tag/النماذج) [متعددة الوسائط](/tag/متعددة-الوسائط) ([Multimodal Models](/tag/multimodal-models))، يواجه الكثير من [الباحثين](/tag/الباحثين) [تحديات](/tag/تحديات) كبيرة في [التفكير الهندسي](/tag/[التفكير](/tag/التفكير)-الهندسي) بسبب [الهلاوس البصرية](/tag/[الهلاوس](/tag/الهلاوس)-البصرية) ونقص [البيانات](/tag/البيانات) الرياضية الدقيقة. ولكن يبدو أن الأمور ستتغير بفضل [ابتكار](/tag/ابتكار) [جديد](/tag/جديد) يحمل عنوان [GeoSym](/tag/geosym).

يقدم هذا الابتكار، المعروف باسم [GeoSym](/tag/geosym) Engine، إطار [عمل](/tag/عمل) عصبي-رمزي (neuro-symbolic framework) قابل للتطوير، مما يتيح له [استنتاج](/tag/استنتاج) حقائق رمزية دقيقة من [معلومات](/tag/معلومات) معقدة. يعتمد النظام على [نحو](/tag/نحو) قواعد [التحقق](/tag/التحقق) المشروطة وأداة SymGT التحليلية، ما يجعله يحقق [دقة](/tag/دقة) عالية في إنتاج [الرسوم البيانية](/tag/الرسوم-البيانية) الهندسية وفقًا لمعايير دقيقة.

تأسيسًا على هذا الإطار، تم إنشاء [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) GeoSym127K، التي تحتوي على 51,000 [صورة](/tag/صورة) عالية الدقة، و127,000 سؤال مع حقائق رمزية موثوقة، و55,000 زوج من الأسئلة والأجوبة التي تم [التحقق](/tag/التحقق) منها. بالإضافة إلى ذلك، تم تقديم [GeoSym](/tag/geosym)-Bench، مجموعة مختارة بعناية من 511 [عينة](/tag/عينة) معقدة للتقييم الدقيق.

من خلال عملية [تحسين](/tag/تحسين) مشرف مكثفة (Supervised Fine-Tuning) على النموذج Qwen3-VL-8B، أظهرت [الدراسة](/tag/الدراسة) أن [GeoSym](/tag/geosym) يحقق تحسنًا ملحوظًا، خاصة في المهام الهندسية متعددة الخطوات. حيث حقق النموذج معدل [تحسين](/tag/تحسين) بنسبة 22.21% على مجموعة MathVerse Vision-Only، و61.52% (+6.19% تحسن) على WeMath، مما يساعد على معالجة الانفصال المنطقي الطويل الأمد.

عند تطبيق [تقنيات [التعلم](/tag/التعلم) المعزز](/tag/[تقنيات](/tag/تقنيات)-[التعلم](/tag/التعلم)-المعزز) مع [مكافآت](/tag/مكافآت) يمكن [التحقق](/tag/التحقق) منها ([Reinforcement Learning](/tag/reinforcement-learning) with Verifiable Rewards)، أظهرت النتائج أن بدء [التحسين](/tag/التحسين) من نقاط تفتيش [SFT](/tag/sft) الهيكلية يعزز من [الأداء](/tag/الأداء) بصورة كبيرة مقارنة بالأساليب التقليدية.

يمكن الاطلاع على [البيانات](/tag/البيانات) والشيفرة المصدرية على صفحات [Hugging Face](https://huggingface.co/datasets/Tomie0506/GeoSym127K) و[GitHub](https://github.com/Tomie56/GeoSym127K).

هل تعتقد أن هذه التطورات ستحدث تغييرًا جذريًا في مجال [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) والتفكير الهندسي؟ شاركونا آراءكم في [التعليقات](/tag/التعليقات)!