AREX-2 MathForm-8B: مُدقّق البرهان وحلقة البحث نوعان مختلفان من التحقق

MathForm-8B و AREX-2 هما النموذجان الأكثر قابلية للتحقق بدقة في هذه السلسلة، ويقومان بالتحقق بطرق متعاكسة. إن MathForm-8B هو نموذج OpenBMB ذو 8 مليارات معامل للصياغة الآلية، صدر في أغسطس 2026: أعطيه مسألة رياضية مكتوبة بالإنجليزية البسيطة وسينتج عبارة Lean 4 صحيحة شكليًا لتلك المسألة، والتي يتحقق منها مترجم مساعد الإثبات بعد ذلك. AREX-2 هو مستودع على Hugging Face أنشأه BAAI في 29 سبتمبر 2026 الساعة 17:56 UTC، ويحتوي على ملف .gitattributes ولا أوزان، ولا بطاقة نموذج، ولا علامة ترخيص، ولا إعلان — اسم محجوز لجيل ثانٍ محتمل من وكلاء البحث العميق AREX التابعين لـ BAAI، والذين يتحقق جيلهم الأول من نفسه عبر إعادة فحص إجابته مقابل القيود التي أُعطيها.

إذن، السؤال المثير هنا ليس أيّ النموذجين أفضل، بل ما الذي يعنيه أن يكون النموذج قابلاً للتحقق؛ لأن أحد هذين الاثنين يتحقق منه مُصرِّف لا يهمه ما يعتقده أي أحد، والآخر يتحقق منه، إذا صحّت سابقة العائلة، حلقةٌ يشغّلها النموذج نفسه. ويظل هذا التمييز قائمًا رغم أن أحد طرفي المواجهة لم يُطرح بعد، وهو السبب في أن هذين الاثنين ينتميان إلى المحادثة نفسها من الأساس.

الجانب الموجود، والسبب في كونه قابلًا للتحقق

لدى MathForm-8B وصف وظيفي ضيق، ويجدر ذكره بدقة لأن الضيق هو المقصود. فهو لا يحل المسائل الرياضية ولا يدّعي ذلك. لقد جرى ضبطه الدقيق على FormalVerse، وهي مجموعة تضم نحو 367,000 مثال مُتحقَّق منه بلغة Lean 4، وجاءت مكافأة تدريبه من مُصرِّف Lean لا من نموذج تفضيل بشري. عند إعطائه عبارة غير رسمية، يُخرج الاستيرادات والأنواع وترويسة المبرهنة — تاركًا واجب البرهان نفسه مفتوحًا — بحيث يستطيع مُصرِّف التحقق من أن الصياغة الرسمية تقول ما قالته المسألة غير الرسمية.

أرقامه المنشورة، وكلها مُبلَّغ عنها من المورّد OpenBMB ولم يُعِد أحد إنتاجها بشكل مستقل، هي متوسط Pass@8 يبلغ 88.06% في ظل فحص الصياغة، و72.37% في ظل فحص اتساق أكثر صرامة، عبر ستة معايير تقييم، لتهبط إلى 63% و37% على أصعب المجموعتين الفرعيتين FATE-H وFATE-X. اقرأها على حقيقتها: نموذج يُقاس مقابل نظام صوري، حيث تكون الإجابة الخاطئة فشلاً في التصريف بدلاً من خلاف حول الجودة. وهذه خاصية نادرة. معظم ادعاءات المعايير في هذه المدونة تعتمد على مُقيِّم يجب الوثوق به؛ أما هذا فيعتمد على عمليات حسابية تؤديها آلة.

الجانب الذي لا وجود له بعد، ولماذا يختلف التحقق منه

الحقائق الوحيدة القابلة للتأكيد بشأن AREX-2 هي المؤسسة والاسم والطابع الزمني. لم يُرفع أي شيء ولم تقل BAAI شيئًا. ومع ذلك، فإن العائلة التي تقف خلف الاسم موجودة بالفعل، وقد صدرت في 23 يوليو 2026 باسم AREX-Base — وهو نموذج خليط خبراء بـ 122 مليار معامل مع 10 مليارات معامل نشط على قاعدة Qwen3.5-122B-A10B — إلى جانب AREX-Turbo، وهو نموذج كثيف بحجم 4 مليارات معامل. كلاهما بترخيص Apache 2.0، وكلاهما وكيلان لا نموذجا محادثة.

يُعدّ تصميم AREX إطارًا بحثيًا ثنائي الحلقتين، والحلقة الخارجية فيه خطوة تحقّق. تجمع الحلقة الداخلية أدلة من البحث والاستعراض، وتدمجها، وتنتج إجابة مرشّحة مرفقة برقم ثقة. ثم تفحص الحلقة الخارجية تلك الإجابة المرشّحة مقابل القيود الأصلية وتقرّر: قبولها أو تحسينها أو نبذ المسار وإعادة البدء. وبين التكرارات، يحتفظ النموذج بكتلة سياق من النتائج المتحقّق منها، والمرشّحات المفتوحة، والقيود غير المحلولة، والخطة التالية، وهو ما يمكّنه من متابعة خط طويل من الاستقصاء دون فقدان الخيط. تُبلِغ BAAI عن 82.5 على BrowseComp، و85.4 على GAIA، و89.9 على DeepSearch QA للنسخة Base، وعن 70.7 / 81.6 / 78.5 للنسخة Turbo — وهي أرقام البائع نفسه، غير مُعاد إنتاجها.

هذا شكل حقيقي ومفيد من التحقق الذاتي. لكنه أيضًا أضعف بشكل قاطع من المُصرِّف. عندما تقرر الحلقة الخارجية لـ AREX أن إجابة ما تستوفي قيودها، يأتي الحكم من نموذج لغوي يقرأ القيود. وعندما يقبل Lean صياغة صورية من MathForm-8B، يأتي الحكم من مدقق أنواع يطبّق حسابًا ثابتًا. لا يخلو أيٌّ منهما من الخطأ — فقد تكون الصياغة الصورية كود Lean صالحًا يلتقط المبرهنة الخاطئة — لكن واحدًا منهما فقط يمكن أن يكون خاطئًا دون أن يلاحظ أحد، والفرق ليس مسألة درجة.

• الإتاحة — يمكن تنزيل MathForm-8B من OpenBMB مع بطاقة منشورة. أما AREX-2 فهو مستودع لا يحتوي على أي ملفات.

• المعاملات — 8B كثيف لـ MathForm-8B. غير معروف بالنسبة لـ AREX-2؛ تمتد العائلة لتشمل مزيجًا من الخبراء بحجم 122B و4B كثيف.

• ما الذي ينتجه — عبارات مبرهنات Lean 4 الخاصة بـ MathForm-8B، مع ترك البرهان مفتوحًا عن قصد. غير معروف بالنسبة لـ AREX-2؛ أنتج التوليد الأول إجابة قائمة على بحث مع رقم ثقة.

• كيف يتم التحقق منه — مترجم Lean، الخاص بـ MathForm-8B. حلقة تحقق داخل النموذج نفسه، بناءً على أدلة AREX-Base.

• الترخيص — شروط OpenBMB الخاصة بـ MathForm-8B؛ لم يُعلن أي شيء بعد بشأن AREX-2. كان الجيل الأول من AREX يعمل بترخيص Apache 2.0.

• الأرقام الرئيسية — نسبة 88.06% في فحص الصياغة و72.37% في فحص الاتساق من Pass@8 الخاصة بـ MathForm-8B، وفق ما أفاد به المورّد. ولا توجد أي منها لـ AREX-2.

مهمتان يمكن للمكدس الاحتفاظ بهما في وقت واحد

هذه النماذج لا تتقاطع في الوظيفة، ويجدر قول ذلك قبل أن يقرأ أي شخص كلمة "versus" على أنها اختيار بين بديلين. إن MathForm-8B واجهة أمامية لمساعد إثبات. مخرجه عبارة عن صياغة مبرهنة يعمل عليها بعد ذلك رياضياتي أو مُثبِت آلي. وموضعه الطبيعي داخل خط أنابيب تحقّق للرياضيات أو الأساليب الصورية أو أعمال المواصفات، حيث تكمن القيمة في أن أداة لاحقة يمكنها استهلاك المخرج دون الوثوق بالنموذج.

AREX-2، إذا واصل مسيرة عائلته، هو نظام خلفي للأسئلة التي لا مُصرِّف لها. سؤال «أي من هذه الإيداعات الثلاثة غير متسق مع الاثنين الآخرين؟» لا يوجد نظام صوري للتحقق منه مقابله، والدفاع الوحيد المتاح هو جمع مزيد من الأدلة وإعادة فحص استدلالك الخاص — وهو ما تمثله الحلقة الخارجية لـ AREX. الفريق الذي يحتاج إلى كليهما سيشغّلهما في موضعين مختلفين: الصوغ الصوري للجزء من المشكلة الذي يمكن جعله صوريًا، ووكيل بحث وتحقق للجزء الذي لا يمكن.

هذا الانقسام هو أيضًا الإجابة الصادقة عن أيٍّ من هذه يمكنك العمل عليه هذا الأسبوع. MathForm-8B تم شحنه، وهو موثّق وقابل للاستخدام الآن. AREX-2 مجرّد اسم.

كيف تبدو قصة التوجيه عندما يكون التحقق هو الموضوع

ولأن الاثنين يُستخدمان على نحو مختلف إلى هذا الحد، فإن مسألة البنية التحتية تنقسم هي أيضًا.

بالنسبة إلى MathForm-8B، يكون عبء العمل موجةً من التوليدات القصيرة الحتمية التي يذهب ناتجها مباشرةً إلى المصرّف. المهم هو أن يكون النموذج قابلاً للوصول وأن يُعاد المحاولة عند فشل نداء، لأن خط أنابيب التحويل إلى صيغة رسمية يُسقط طلبًا يبدو مطابقًا لخط أنابيب التحويل إلى صيغة رسمية فشل — وواحد فقط من هذين يشكّل حقيقة عن النموذج. التحويل التلقائي عند الفشل بين المزوّدين هو الميزة المحددة التي تفصل بين هذين. لا يحمل OrcaRouter اليوم MathForm-8B ولا AREX-2، لذا تأتي أوزان OpenBMB من توزيع OpenBMB نفسه، وأي نقطة نهاية مستضافة تكون مملوكة لجهة أخرى؛ ما نقدمه هو التوجيه في المقدمة، مع تمرير سعر قائمة المزوّد كما هو دون إضافة أي شيء لكل رمز.

بالنسبة لوكيل مثل AREX-Base، يكون الشكل أصعب وتكون الحجة المؤيدة للتوجيه أقوى. مسار بحث عميق يُجري عشرات من استدعاءات النموذج لكل استعلام، ويعيد كل منها قراءة سياق ينمو مع تراكم الأدلة، وتتفاقم أنماط الفشل: مزوّد تنتهي مهلته عند الخطوة التاسعة عشرة من خمس وعشرين لا يخفض جودة الإجابة، بل ينتج إجابة خاطئة بثقة. وهذه هي الحجة لوضع الحلقة خلف واجهة برمجة تطبيقات واحدة لأكثر من 200 نموذج مع قاعدة تجاوز فشل تقرر في وقت التشغيل، بحيث يصبح المزوّد السيئ الواحد إعادة محاولة بدلاً من اقتباس سيئ.

الشيء الوحيد الذي يجب الانتباه إليه، والشيء الوحيد الذي لا ينبغي افتراضه

ثلاث حقائق من شأنها أن تجيب عن معظم الأسئلة المفتوحة بشأن AREX-2، وجميعها مرئية من الخارج: ما إذا كانت الملفات تظهر في ذلك المستودع، وما عدد المعاملات الذي تدّعيه البطاقة، وما إذا كانت تحمل وسم Apache 2.0 الذي حملته سابقتاها. وإلى أن يحدث ذلك، فإن البيان الوحيد القابل للدفاع بشأن AREX-2 هو أن BAAI حجزت الاسم في 29 سبتمبر 2026 ولم تعلن شيئًا.

الشيء الذي لا ينبغي افتراضه هو أن الجيل الثاني يرث شكل الأول. إن "2" اسم منتج، وليس معمارية. قد يكون أكبر من 122B Base، أو قد يكون تقطيرًا صغيرًا للإطار نفسه — وبما أن العائلة قد أطلقت بالفعل طبقة جودة وطبقة تكلفة خدمة في آنٍ واحد، فإن كلا القراءتين معقولتان. أما غير المعقول، في هذه اللحظة، فهو نشر مواصفة له.