RLVR: حين حلّ التغذية الرياضية محلّ الذوق البشري

لسنوات، كان تدريب النماذج اللغوية يقوم على الذوق: بشر يرتّبون الإجابات والنموذج يقلّد ذلك الذوق. كسر جيل الاستدلال هذه الحلقة: RLVR (تعلّم معزّز بمكافآت قابلة للتحقق) يفحص الجواب بدل الحكم عليه — رياضيات بالجواب، وشيفرة بتشغيل اختبار، ومنطق بالبرهان. إشارات صح/خطأ، بلا إنسان في الحلقة، آلاف في الثانية.
لماذا كانت قفزة؟ لأن الإشارة الآلية رخيصة ولا نهائية. يستطيع النموذج توليد ملايين المسائل وحلّها وتصحيحها بنفسه — اختفى السقف الذي اصطدمت به نماذج الذوق: تُعلِّم استدلالًا سلسليًا حقيقيًا لا محاكاته. وتُظهر المقاييس ذلك: رياضيات الأولمبياد والبرمجة التنافسية هي حيث ضرب RLVR بقوة.
ومع ذلك يحمل RLVR استعارة صامتة: كلما مال التدريب إلى إجابات قابلة للتحقق تأخرت مجالات لا «صحيح» واضح لها. الكتابة الإبداعية والحكم المنتجي وتصميم الواجهات والتلخيص بزاوية إنسانية — كلها بلا مفتاح إجابات. نمط العمل في 2026 ثنائي مجددًا: عضلة RLVR للمهام القابلة للتحقق، وبقيّة للبشر وتغذيتهم الراجعة. وعند اختيار نموذج لعملك اسأل: هل مقياس نجاحك آليّ التحقق أم بشري؟ جدول النماذج في الموقع صُمّم لهذا السؤال تحديدًا.