ما هو MathForm-8B؟ إصدار OpenBMB الهادئ للأتمتة الشكلية يحول الرياضيات إلى Lean 4

openbmb/MathForm-8B هو نموذج أتمتة صياغة جديد من OpenBMB يترجم البيانات الرياضية المكتوبة باللغة الطبيعية إلى Lean 4، وقد أُطلق تقريبًا دون أي إعلان: فقد ظهرت الأوزان ومجموعة البيانات والورقة جميعها على Hugging Face وarXiv في اليوم نفسه، 2026-08-14، تحت العنوان الجامع "MathForm: Scaling Mathematical Autoformalization with Knowledge Retrieval and Verification-Guided Refinement." هذا الإطلاق الهادئ يخفي نتيجة غير معتادة — نموذج بمعاملات 8B يحقق متوسط درجات Pass@8 يبلغ 88.06% في فحص بناء الجملة و72.37% في فحص اتساق أكثر صرامة عبر ستة معايير، وتدّعي الورقة أنه يتفوق على العديد من أتمتة الصياغة المتخصصة بحجم 32B. هذه مقالة تعتمد على ما نعرفه حتى الآن: كل ما هو مُعلَّم في الأسفل بعبارة "من المستودع" يأتي مباشرةً من بطاقة النموذج وبطاقة مجموعة البيانات والورقة، وأي شيء لم يُؤكَّد بعد بشكل مستقل يُشار إليه على هذا النحو.

النقاط الرئيسية

• MathForm-8B هو نموذج أتمتة صياغة رسمية بحجم 8B ومرخّص بموجب Apache-2.0: يقرأ مسألة رياضية غير رسمية ويكتب عبارة نظرية في Lean 4 مع عنوان مسمّى، جاهزة للإثبات لاحقًا.

تم ضبطه بدقة انطلاقًا من Qwen3-8B على FormalVerse، وهي مجموعة بيانات Lean 4 مُتحقق منها تضم ~367,000 مثال، بناها OpenBMB باستخدام استرجاع المعرفة والتحسين المُتحقق منه بواسطة المترجم، ثُم دُرِّب باستخدام التعلم بالتعزيز المعتمد على تجميع Lean وملاحظات الاتساق الدلالي.

• الأرقام المُبلَّغ عنها (مُبلَّغ عنها من البائع، غير مُعاد إنتاجها): متوسط 88.06% في Pass@8 تحت فحص البنية (Syntax Check)، و72.37% تحت فحص الاتساق (Consistency Check)، متجاوزةً أدوات الأتمتة الشكلية المتخصصة من 7B إلى 32B في الجدول الخاص بالورقة.

• لم يتم الإعلان عنه، وليس على واجهة برمجة تطبيقات مدفوعة رئيسية عند الإطلاق، ولم يتم تقييمه بشكل مستقل بعد — ثلاث فجوات مهمة لاعتماد الإنتاج.

• التقديم مستضاف ذاتيًا: Transformers أو vLLM أو SGLang، وجميعها تعرض نقطة نهاية متوافقة مع OpenAI.

ما الذي يحتويه الإصدار فعليًا

تم رفع ثلاث مصنوعات خلال دقائق من بعضها البعض في 2026-08-14، وهو ما يبدو عليه الإصدار المنسّق ولكن غير المُعلن:

• مستودع النموذج، openbmb/MathForm-8B — نموذج لغوي سببي بحجم 8B بصيغة BF16 مع قالب محادثة، وأربعة أجزاء safetensors، وترخيص Apache 2.0.

• مستودع البيانات، openbmb/FormalVerse — مجموعة بيانات أتمتة الصياغة الرسمية بلغة Lean 4 تضم حوالي 367,000 مثال مُتحقق منه، ومرخصة أيضًا بموجب Apache 2.0.

الورقة، arXiv 2608.14221 — 25 صفحة تصف خط أنابيب بناء البيانات، ووصفة التدريب، وتقييم المعايير الستة.

رابط كود GitHub في ملف README ما يزال عنصرًا نائبًا وقت كتابة هذا النص، لذا فإن خط أنابيب التقييم وبرامج Pass@k موعودة لكنها غير متاحة للعامة بعد. يذكر ملف README أن فحوصات التجميع تتطلب تشغيل خادم Kimina Lean Server وأن التجارب تستخدم إصدار Lean 4.21.0.

صفحة المستودع أعلاه هي الواجهة العامة الكاملة للإصدار حاليًا: بطاقة نموذج، وأربعة أجزاء safetensors، وقالب محادثة، وملف README يعد بمثابة التوثيق الوحيد. لا توجد تدوينة إعلانية في وقت كتابة هذا النص.

ما يفعله MathForm-8B — ولماذا هو عمل ضيّق

التحويل الآلي إلى صيغة رسمية هو الخطوة التي تسبق إثبات المبرهنات: عند إعطاء مسألة رياضية باللغة الإنجليزية المبسطة ("بيّن أنه لكل عدد حقيقي x، فإن x² غير سالب")، يجب على النموذج إنتاج عبارة صحيحة رسميًا في Lean 4 — استيرادات وأنواع ورأس مبرهنة — يمكن لإنسان أو مُثبِت أن يهاجمها بعد ذلك. إنها مهارة مختلفة حقًا عن حل الرياضيات، لأن على النموذج أن يربط المفاهيم اللغوية الطبيعية بالتسلسل الهرمي الدقيق للتعريفات والأنواع في Mathlib. العبارة التي تنجح في فحص الأنواع لكنها تُضعف الأصل بصمت ("(2^5) ∣ (13^4 − 11^4)" بدلاً من ادعاء قابلية القسمة الكامل) هي نمط الفشل الكلاسيكي، وهذا هو سبب تمييز الورقة بين فحص الصياغة (هل يُترجم؟) وفحص الاتساق (هل هي نفس العبارة دلاليًا؟).

تُظهر بطاقة النموذج نمط الاستخدام المقصود: تُزوّده بموجّه يتضمن المشكلة غير الصورية واسم النظرية المطلوب، فيُعيد بيان Lean 4 مع code>theorem my_favorite_theorem : ... := by sorry/code> — الكلمة code>sorry/code> تُبقي التزام الإثبات مفتوحًا. هذا التقسيم للعمل مهم: MathForm-8B مُصيغ وليس مُبرهنًا. الفرق التي تطور أدوات Lean تستخدمه لتحويل بنوك المسائل إلى صيغة يمكن التحقق منها آليًا.

كيف تم تدريبه

تعتمد منهجية الورقة على مرحلتين. أولًا، بنت OpenBMB نظام FormalVerse بخط أنابيب يقوم بالآتي: (1) استرجاع التعريفات ذات الصلة والصياغات الرسمية الموجودة في Mathlib قبل التوليد، (2) توليد عبارات مرشحة، (3) صقلها باستخدام تشخيصات مترجم Lean والتغذية الراجعة المتعلقة بالاتساق الدلالي، و(4) الاحتفاظ فقط بالعينات التي تجتاز كلا الفحصين. وتُستخدم هذه المجموعة النصية الموثوقة بعد ذلك في الضبط الدقيق المُوجَّه، متبوعًا بتعلّم التعزيز بإشارات مكافأة مستمدة من تجميع Lean والاتساق الدلالي.

بطاقة مجموعة البيانات تعطي فكرة ملموسة عن البيانات: كل إدخال يقرن عبارة غير رسمية بعبارة رسمية موثقة، مع وسم حسب المصدر (مثل AceReason-Math) ووسم الموضوع (نظرية الأعداد، وهكذا). ولأن كل مثال اجتاز فحص مترجم حقيقي قبل دخوله إلى التدريب، فإن النموذج يتعلم من عبارات معروفة بأنها صحيحة بدلاً من المخرجات الخام لنموذج.

جدول المعايير، مُعلَّم بصدق.

جميع الأرقام في هذا القسم مأخوذة من تقارير البائع من الورقة (arXiv 2608.14221) ولم يتم إعادة إنتاجها بشكل مستقل. Pass@8 تعني أن النموذج يحصل على ثماني محاولات لكل مسألة، وتُحتسب المحاولة إذا نجحت أي واحدة منها؛ وهذا مقياس أكثر تساهلاً من Pass@1 وينبغي قراءته على أنه "كم مرة يمكن للنموذج أن ينتج عبارة صحيحة في ضوء الميزانية المتاحة."

• متوسطات MathForm-8B — فحص الصياغة 88.06%، فحص الاتساق 72.37%.

• حسب المعيار، SC ثم CC: FormalIMATH 100.00 / 95.06، ProverBench 100.00 / 94.83، CombiBench 93.00 / 47.00، FATE-M 99.33 / 97.33، FATE-H 82.00 / 63.00، FATE-X 54.00 / 37.00.

• المجموعات الصعبة هي الصادقة: تُظهر FATE-H CC بنسبة 63% وFATE-X CC بنسبة 37% سقف النموذج على أصعب المجموعات الفرعية، مقارنةً بأكثر من 95% CC على مجموعتي FormalIMATH وProverBench الأسهل.

أفضل خطوط الأساس 8B التي يوردها البحث — ReForm-8B 81.76 / 66.21، وGoedel-Formalizer-V2-8B 78.24 / 60.08 — وأفضل خطوط الأساس 32B — ReForm-32B 81.61 / 68.41، وGoedel-Formalizer-V2-32B 78.28 / 63.74، وStepFun-Formalizer-32B 63.65 / 44.47 — جميعها تتخلف عن MathForm-8B التي حققت 88.06 / 72.37.

• نقطة التحقق المعتمدة على SFT فقط (قبل مرحلة التعلم التعزيزي) تصل إلى 84.38 / 66.53، لذا فإن تمريرة التعلم التعزيزي تستحق تقريبًا +3.7 SC و +5.8 CC في المتوسط، مع أكبر المكاسب في المجموعات الصعبة.

أقوى الادعاءات التي ينبغي التشكك فيها: درجات SC البالغة 100.00 على FormalIMATH وProverBench (النجاح في التجميع بنسبة 100% على المجموعات السهلة هو إشارة حمراء إلى أن تلك المجموعات قد تقاربت)، والمقارنة مع نماذج 32B التي لم يُعَد تشغيلها تحت ظروف متطابقة. أرقام فحص الاتساق على FATE-H وFATE-X هي الأكثر ترجيحًا للصمود أمام الاختبار المستقل.

ما الذي لم يتم تأكيده؟

• لا يوجد أي تقييم مستقل. لم يقم أي طرف ثالث بتشغيل MathForm-8B عبر منصة اختبار عامة حتى وقت كتابة هذا النص، ولم يتم إصدار كود التقييم بعد.

• لا يوجد إعلان عن تقديم الخدمة. لم تنشر OpenBMB مدونة إطلاق، أو صفحة تسعير، أو نقطة وصول للـ API. إن وصف «أُطلق بهدوء» هو وصف حرفي.

• أوزان مكافآت التعلم المعزز، وميزانية التدريب، والأجهزة غير موجودة في بطاقة النموذج؛ فهي موجودة فقط في الورقة البحثية.

• ما إذا كان نموذج 8B يعمم على Lean 4.21.1+ أو على الواردات غير Mathlib غير مُختبر.

كيفية تشغيله

الاستضافة الذاتية هي السبيل الوحيد اليوم. يوثّق ملف README ثلاثة مسارات، جميعها بنقطة نهاية دردشة متوافقة مع OpenAI على code>localhost:8000/v1/chat/completions/code>:

• Transformers — code>AutoModelForCausalLM.from_pretrained("openbmb/MathForm-8B", torch_dtype=torch.bfloat16)/code>، ثم قم بالتوليد باستخدام قالب المحادثة.

• vLLM — code>vllm serve openbmb/MathForm-8B --served-model-name MathForm-8B --dtype bfloat16 --max-model-len 16384code>.

• SGLang — code>python -m sglang.launch_server --model-path openbmb/MathForm-8B --served-model-name MathForm-8B --dtype bfloat16 --context-length 16384/code>.

يوصي ملف README بدرجة حرارة 0.6، وtop_p بقيمة 0.95، وما يصل إلى 16384 رمزًا جديدًا — العبارات الرسمية تطول، لذا فإن نافذة التوليد الواسعة هي متطلب النظام الفعلي الذي يجب وضع ميزانية له.

لماذا يهم جزء "8B يتفوق على 32B"

إذا ثبتت الأرقام، فإن نموذج MathForm-8B هو أقوى حجة حتى الآن على أن عنق الزجاجة في التحويل الصوري التلقائي هو جودة البيانات والتحقق منها، وليس عدد المعاملات الخام. ويُظهر جدول الورقة نفسه أن النماذج المتخصصة بحجم 32B (ReForm-32B، وGoedel-Formalizer-V2-32B، وStepFun-Formalizer-32B) تأتي في مرتبة أدنى من نموذج 8B تم تدريبه على مجموعة نصوص مُتحقق منها بواسطة مترجم. بالنسبة للفرق التي تشغّل حاليًا مُنسّقًا بحجم 32B، فهذا تغيير جوهري في التكلفة — إذ إن نموذج 8B بصيغة BF16 يتسع في بطاقة GPU واحدة لا تستطيع معظم نماذج 32B أن تتسع فيها، كما أنه يقدّم النتائج بشكل أسرع لكل توكين.

كما أنها تطرح الخيار الصريح الذي يستمر مشهد النماذج في إنتاجه: متخصص ضيق النطاق يؤدي مهمة موثقة واحدة بشكل ممتاز، مقابل نموذج عام يستطيع محاولة أداء مهام عديدة دون أي ضمان للتحقق. وفيما يخص التوثيق الشكلي تحديدًا، يكون المتخصص هو النموذج الذي يتحقق مترجم برمجي من مخرجه — وهي الخاصية ذاتها التي تجعل وضع موجه مع تجاوز تلقائي للأعطال أمامه أمرًا مريحًا. طبقة التوجيه مثل تلك التي يشغّلها OrcaRouter عبر أكثر من 200 نموذج، مع تمرير بسعر قائمة المزود، تتيح لك توجيه مسار اختبار نحو نموذج مفتوح الأوزان عمره أيام معدودة مثل هذا، ثم العودة إلى نموذج مجرّب بمجرد تعثره — يمكنك اعتماد إصدار هادئ دون المخاطرة بمسار إنتاجك عليه، ولا توجد أي زيادة على سعر الرمز المميز إذا أدرجه مزود لاحقًا.

ماذا تشاهد بعد ذلك

الأشياء الثلاثة التي ستحوّل هذا من "مستودع مثير للاهتمام" إلى "أداة موثوقة": ظهور كود تقييم GitHub فعليًا؛ وإجراء أول محاولة مستقلة على FATE-H وFATE-X باستخدام pass@1 بدلًا من pass@8؛ وأي إعلان من OpenBMB يضيف مسارًا مستضافًا أو ورقة بحثية نسخة 2 بأرقام تجارب الإزالة. وحتى يظهر واحد من هذه الأمور على الأقل، تعامل مع النتائج الرئيسية كمجرد اتجاهات إرشادية — فالهندسة المعمارية وفكرة بيانات التدريب هما الخبر الدائم، وليس النسبة المئوية الدقيقة.