تُعتبر تقنية الكشف (TREK) الجديدة خطوة ثورية في عالم الذكاء الاصطناعي، حيث توفر حلاً فعالاً لمشكلة صعوبة بعض المحفزات التي تقع خارج نطاق دعم النموذج الحالي. تستند TREK إلى مفهوم استكشاف الاستجابات من خلال تقنيات التقطير، لا لتقليد ما سبق ولكن لزيادة نطاق探索 النتائج الممكنة.

تعتمد TREK على تحليل التوجهات الناتجة من المحفزات الصعبة، حيث تقوم أولاً بتحديد المحفزات ذات معدلات النجاح المنخفضة للطالب، ثم تستعين بمصدر مقترحات لإنتاج حلول موثوقة. واحدة من أبرز مزايا TREK هي قدرتها على العمل مع نماذج المعلم الخارجية أو النماذج البيضاء، مما يجعلها جامعة بين الكفاءة والموثوقية.

عند تطبيق TREK على المهام الرياضية، أظهرت النتائج تحسينات ملحوظة لنماذج Qwen3 في مسابقتي AIME 2024 وAIME 2025، حيث ارتفع متوسط النتائج من 36.9 إلى 40.3 في AIME 2025 ومن 47.9 إلى 51.1 في AIME 2024.

كما أثبتت TREK فعاليتها في المهام الوكيلة، حيث زادت معدلات نجاح ALFWorld من 75.8 إلى 82.8، وScienceWorld من 12.5 إلى 26.7. هذه النتائج تؤكد على أهمية الاستراتيجيات الجديدة التي تمثلها TREK، التي تمكّن النماذج من التكيف مع التحديات الصعبة بفعالية أكبر مقارنة بالأساليب التقليدية التي تتطلب خطوات تحسين إضافية.