شهد مجال الذكاء الاصطناعي مؤخرًا خطوة جديدة ومثيرة تتمثل في إطلاق MathNet، مجموعة بيانات متعددة الأنماط (multimodal) لريادة التفكير الرياضي. تعتبر ريادة التفكير الرياضي اختبارًا معقدًا للذكاء الاصطناعي، حيث تكافح النماذج الحديثة مثل نماذج اللغات الضخمة (Large Language Models) في تجاوز حواجز معينة.

تحتوي MathNet على 30,676 مسألة رياضية تم إعدادها بواسطة خبراء، تم جمعها من 47 دولة ومن 17 لغة، تعكس تنوع المنافسات على مدار عقدين. وفي خطوة مبتكرة، تم إنشاء معيار (benchmark) يسمح بتقييم أداء النماذج في حل المشكلات الرياضية واسترجاع المعلومات بشكل فعّال.

تدعم MathNet ثلاث مهام رئيسية: (i) حل المشكلات، (ii) استرجاع قائم على الرياضيات، و(iii) حل المشكلات المعزز بالاسترجاع. أظهرت التجارب أن النماذج الحديثة، مثل Gemini-3.1-Pro وGPT-5، لا تزال تواجه صعوبات في تأدية المهام بدقة عالية.

من المثير للاهتمام أيضًا أنه بالرغم من المزايا التي توفرها النماذج المعتمدة على الاسترجاع، إلا أن الأداء كان حساسًا لجودة الاسترجاع، حيث سجل نموذج DeepSeek-V3.2-Speciale تقدمًا ملحوظًا بفارق يصل إلى 12% مقارنةً بالنماذج الأخرى.

MathNet هي خطوة رائدة لتوفير أكبر مجموعة بيانات عالمية لمشكلات أولمبية رياضية، مما يفتح آفاقًا جديدة للبحث وتطوير النماذج في مجال الذكاء الاصطناعي. يمكنكم استكشاف المجموعة والمعيار الجديد عبر الرابط: [https://mathnet.mit.edu].

هل أنتم مستعدون لاستخدام هذه الأداة في تطوير حلول جديدة في عالم الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!