تحول رسومي مبتكر: استراتيجيات جديدة لتوليد الرسوم المتحركة باستخدام نماذج اللغات الضخمة

في عصر يتسارع فيه تطور الذكاء الاصطناعي، تأتي دراسة جديدة للإضاءة على التحديات والفرص المقدمة بواسطة نماذج اللغات الضخمة (Large Language Models - LLMs) في مجال الرسوم المتحركة. تواجه مكتبة Manim المعروفة بابتكاراتها البرمجية تحديات تتعلق بالتفكير المكاني والبياني الزمني، مما يستدعي استراتيجيات تدريب دقيقة لتعزيز الأداء.

تقدم هذه الدراسة مفهومًا مبتكرًا يُعرف بـ ManimTrainer، وهو مسار تدريبي يعزز عملية التعليم عبر دمج التعديل الفائق المراقب (Supervised Fine-tuning - SFT) مع تحسين سياسة النسبة النسبية القائم على التعلم المعزز (Reinforcement Learning - GRPO) باستخدام إشارة مكافأة موحدة تجمع بين تقييمات الرمز والتقييمات البصرية.

وتم أيضًا تقديم ManimAgent، وهو مسار استنتاج يضم استراتيجيات مثل Renderer-in-the-loop (RITL) وRITL-DOC المعززة بوثائق البرمجة. من خلال هذه التقنيات، تم التوصل إلى أول دراسة موحدة للتدريب والاستنتاج من النص إلى الكود إلى الفيديو باستخدام Manim.

عبر تسعة تركيبات من استراتيجيات التدريب والاستنتاج، تم تقييم 17 نموذجًا مفتوح المصدر تحت 30 مليار معلمة بواسطة ManimBench. وكشفت النتائج أن SFT يعزز جودة الشيفرة بشكل عام، في حين أن GRPO يحسن المخرجات البصرية ويزيد من استجابة النماذج للمعايير الخارجية أثناء التصحيح الذاتي في وقت الاستنتاج.

وصل نموذج Qwen 3 Coder 30B مع GRPO وRITL-DOC إلى أعلى أداء بشكل عام، مسجلاً معدل نجاح في العرض (Render Success Rate - RSR) بنسبة 94% و85.7% تشابه بصري (Visual Similarity - VS) مع مقاطع فيديو مرجعية، متجاوزًا النموذج السابق GPT-4.1 بفارق 3 نقاط مئوية في VS.

تظهر التحليلات أيضًا أن الارتباط بين مقاييس البرمجيات والبصرية يزداد قوة مع SFT وGRPO ولكنه يضعف مع تحسينات وقت الاستنتاج، مما يبرز الأدوار التكميلية لاستراتيجيات التدريب والاستنتاج في توليد الرسوم المتحركة باستخدام Manim.