# نموذج Jev يرفع تقييم بوت الشطرنج إلى أكثر من 2200 في اللعب الخاطف

> يعزز نموذج Jev، الذي يقتصر على تقديم احتمالات، أداء بوت Stockfish بعد تحويل أحكامه إلى مُقيّم منخفض التكلفة؛ ليتجاوز تقييمه 2200 على Lichess، كما يجعل دمج بياناته مع بيانات Qwen3‑32B أكثر فاعلية في التدريب.

Oossa · 2026-10-08 · https://oossa.com/ar/jev-model-helps-chess-bot-break-2200-bullet-rating-and-improves-label-efficiency

قدّم باحثون في TypeSafe نموذج Jev، وهو نموذج لا يُخرج سوى احتمالات معايرة. ومن خلال دمج أحكام Jev في عملية البحث لدى Stockfish، ثم تقطيرها في مُقيّم سريع، بلغ البوت تقييم 2200 في اللعب الخاطف على Lichess. وعندما توزّعت ميزانية وضع التسميات بين Jev ونموذج اللغة الكبير Qwen3‑32B، تفوقت التسميات المدمجة على الاعتماد على Qwen وحده بنحو 9.6 نقطة Elo، وتكرر هذا التحسن مع افتتاحيات جديدة.

## الحقائق

- تجاوز Stockfish المعزز بـ Jev تقييم 2200 في اللعب الخاطف على Lichess.
- تفوق متوسط التسميات من Jev وQwen3‑32B على التسميات المعتمدة على Qwen وحده بمقدار 9.6 نقطة Elo (ضمن نطاق 95% من 4.3 إلى 14.9).

## لماذا يهم

يمكن لمطوري الشطرنج إنشاء بوتات أقوى من دون الاستعانة المكلفة بنماذج اللغة الكبيرة، ما يوفر تكاليف الحوسبة ووضع التسميات.

## المصادر والمراجع

1. [From Probabilities to Decisions: Search and Multi-Teacher Distillation with Jev](https://arxiv.org/abs/2610.09188) – arXiv, 2026-10-08
2. [Emo-Jev: Probabilistic Reasoning for Emotion Classification with Jev](https://arxiv.org/abs/2610.08829) – arXiv, 2026-10-08
3. [JevForest: Path Voting for Budgeted Feature Acquisition](https://arxiv.org/abs/2610.10615) – arXiv stat.ML, 2026-10-09
4. [Can a System-One LLM Perform Knowledge Tracing When Few or No Learners Are Logged?](https://arxiv.org/abs/2610.11135) – arXiv, 2026-10-09

آخر تحديث: 2026-10-09