DeepSeek V3.2 يحقق 67.25% على ARC-AGI-1 بدون تدريب مسبق أو تكلفة حسابية عالية

ملخص البحث

نشر باحثون ورقة على arXiv تظهر أن نموذج DeepSeek V3.2 المفتوح، في وضع غير تفكيري (non-thinking mode)، يمكنه تحقيق نتائج متقدمة على اختبار ARC-AGI-1 باستخدام وكلاء ذكاء اصطناعي مبتكرين وبتكلفة منخفضة جدًا. هذا الإنجاز يمثل نقلة نوعية في مجال التفكير الاصطناعي العام (AGI) لأنه يتجنب التدريب المسبق على بيانات ARC أو التكلفة الحاسوبية العالية.

المنهجية

طور الباحثون إطارين رئيسيين:

• Explorer-Definer Pipeline: يفصل عملية اكتشاف الأنماط عن تركيب البرامج التنفيذية، محققًا 57.50% pass@2 بتكلفة 0.25 دولار لكل مهمة.
• Reflective Orchestrator: يعزز الإطار السابق باستكشاف مستقل للتحويلات الجديدة عند فشل الفرضيات السابقة، محققًا 67.25% pass@2 بتكلفة 0.62 دولار لكل مهمة.

المقارنة

بالمقارنة مع النهج السابقة التي تعتمد على تدريب مخصص أو تكلفة حاسوبية عالية، يقدم هذا البحث حلاً أكثر كفاءة. على سبيل المثال، النماذج الحدودية مثل GPT-4 تتطلب آلاف الدولارات لكل مهمة، بينما DeepSeek V3.2 يحقق نتائج مماثلة بتكلفة أقل من دولار.

الأهمية للمنطقة

بالنسبة للشركات والحكومات في الشرق الأوسط، هذا يعني إمكانية الوصول إلى قدرات تفكير اصطناعي متقدمة دون الحاجة إلى بنية تحتية ضخمة أو ميزانيات ضخمة. يمكن استخدام هذا النهج في تطبيقات مثل تحليل البيانات، الأتمتة الذكية، وحل المشكلات المعقدة.

ملاحظة للمراجعة البشرية: تأكد من دقة الأرقام والمقارنات مع النماذج الأخرى.