في عالم الذكاء الاصطناعي، تظل النماذج اللغوية (Language Models) محور النقاشات حول كيفية تحسين أدائها في مجالات متعددة، ومن أبرزها الرياضيات. تم إجراء دراسة رائدة تلقي الضوء على كيفية توجيه أساليب تعليم الرياضيات البشرية لتحسين تدريب هذه النماذج على التفكير الحسابي.

تستند الدراسة إلى طريقة GASING، وهي أسلوب تعليمي إندونيسي يركز على حل العمليات الحسابية الأساسية من اليسار إلى اليمين، مما يتناسب مع ترتيب توليد الرموز (Token Generation). يتم تحويل كل عملية رياضية إلى إجراء حسابي، حيث يتم تسجيل مسار التنفيذ في شكل تسلسل لغوي من الأفكار (Chain-of-Thought - CoT).

تم تدريب نموذج صغير من نوع GPT-2 والذي يحتوي على 86 مليون معلمة، باستخدام مجموعة بيانات تعتمد فقط على هدف توقع الرموز التالية، دون الاعتماد على التعلم المعزز أو تحسين قائم على المكافآت. أثناء عملية التدريب، تم ملاحظة ثلاث مراحل تعلم متميزة.

أظهرت التحليلات الميكانيكية مثل تدخلات تمييز الانتباه (Attention-Masking) على مخطط معلومات CoT، واختبار تيار البقايا (Residual-Stream Probing)، وفحص اللوجتات، أن النموذج أولاً يتبنى مسارًا إجرائيًا، ثم يطور قدرة حساب ذهنية “Mental Arithmetic” تتيح له استرجاع النتائج الوسيطة دون حاجة للحساب خطوة بخطوة.

النموذج المدرب حقق دقة تزيد عن 80% في حل المشكلات المحتفظ بها، وأظهر أداءً تنافسياً مع نماذج لغوية أكبر بكثير. تشير هذه النتائج إلى أن التدريب المستهدف المبني على أسس تعليمية يمكن أن يحقق قدرة رياضية قوية وفعالة على نطاق صغير.