إطار I2B-LPO يعزز استكشاف نماذج التعلم المعزز

تم قبول إطار I2B-LPO في مؤتمر ACL 2026، حيث يهدف إلى تحسين استراتيجيات الاستكشاف لنماذج التعلم المعزز بعد التدريب. من خلال تحسين سلوك الاستكشاف، يحقق الإطار زيادة في دقة النماذج تصل إلى 5.3% وتنوع دلالي يصل إلى 7.4% على عدة معايير رياضية. تعتبر نماذج التعلم المعزز مع المكافآت القابلة للتحقق (RLVR) من الأساليب الحديثة التي تعزز قدرات النماذج في الرياضيات والترميز. تعتمد هذه النماذج على فكرة أخذ مسارات تفكير متعددة لنفس المشكلة، مما يعزز المسارات الصحيحة ويقلل من الأخطاء. يعالج إطار I2B-LPO مشكلة زيادة كمية العينات دون تحسين النتائج، من خلال تقديم استراتيجية استكشاف جديدة توجه النموذج نحو مسارات تفكير أكثر تميزًا عند نقاط القرار. هذا يؤدي إلى نماذج تفكر بشكل أكثر تنوعًا وتحقق أداءً أفضل.