# دراسة: معظم مكاسب RLVR خارج نطاق التدريب تعود إلى تنسيق الإجابات

> عند إعادة التقييم باستخدام أداة استخراج محايدة، اختفى 82% من التحسن المعلن، ما يشير إلى أن أثره كان في تنسيق الإجابات.

Oossa · 2026-10-16 · https://oossa.com/ar/study-finds-most-rlvr-out-of-domain-gains-come-from-answer-formatting

درس الباحثون زونغيه ليو وزملاؤه التعلّم المعزّز ذي المكافآت القابلة للتحقق (RLVR). وقارنوا نموذجًا أساسيًا يحوي 7 مليارات مُعامل بنسخته المدرّبة بتقنية RL، عبر أربع مجموعات من النماذج المتاحة. واستخدموا أداة استخراج خاصة بهم تبحث عن الإجابات داخل وسم \boxed{}، فوجدوا أن 82% من التحسن المُعلن في أسئلة الاختيار من متعدد خارج نطاق التدريب، وفق أدوات الاستخراج العامة، قد اختفى. ويُعزى معظم المكسب إلى أن النموذج صار يضع إجابته داخل المربع، لا إلى تحسّن قدرته على الإجابة.

## الحقائق

- يختفي 82% من المكسب المُعلن عند استخدام أداة الاستخراج الجديدة
- نُشرت الدراسة في 2026-10-16

## لماذا يهم

تشير الدراسة إلى أن مكاسب الأداء المنسوبة إلى RLVR قد تكون ناتجة عن طريقة تحليل الإجابات، لا عن تحسّن حقيقي في الاستدلال.

## المصادر والمراجع

1. [Same Answer, New Box: How Much of RLVR's Out-of-Domain Gain Is Answer Format?](https://arxiv.org/abs/2610.20639) – arXiv cs.LG, 2026-10-16

آخر تحديث: 2026-10-16