ترتيب بسيط يتفوّق على التعلم بالتعزيز في اختيار تفسيرات الذكاء الاصطناعي

أنظمة التوصية لا تحتاج التعلم بالتعزيز (Reinforcement Learning) ولا وحدة المعالجة الرسومية لتحديد أفضل تفسير يبرر توصية بمنتج أو فيلم أو نشاط تجاري. هذا هو جوهر ما تخلص إليه ورقة بحثية جديدة بعنوان "Pairwise Ranking Outperforms Single-Action RL for Offline Explanation Selection: A Practical Lesson"، نشرها الباحث تاناي تشودري على أرشيف الأبحاث (arXiv)، وقُبلت في مسار "ملاحظات البحث والتطبيق" ضمن مؤتمر RecSys 2026.

تعالج الورقة مسألة محددة وعملية: بعد أن يولّد نموذج لغوي عدة تفسيرات مرشحة لتوصية ما، أي منها يجب أن يُعرض على المستخدم؟ اختبر تشودري ستة أساليب اختيار غير متصلة (offline) في مواجهة بعضها البعض، من بينها LambdaRank وPPO وGRPO وDPO، وأسلوب تقطير من نوع المعلم والتلميذ، وثلاثة أساليب تعتمد على مسارات الرسم البياني المعرفي.

تفوّق LambdaRank، وهو خوارزمية ترتيب زوجي للتعلم (pairwise learning-to-rank) سبقت الموجة الحالية من تقنيات التدريب اللاحق القائمة على التعلم بالتعزيز، على جميع المنافسين. ففي الاختبار المعياري (Benchmark) الرئيسي، وهو مجموعة فرعية من 2,958 زوجاً من مجموعة بيانات XRec Google Local، سجّل درجة F1 بلغت 0.500. وفي اختبار MovieLens-1M، سجّل 0.329.

لماذا يتفوق الترتيب الزوجي

تصطدم هذه النتيجة بما هو سائد في المجال حالياً، حيث أصبحت أساليب التعلم بالتعزيز مثل PPO وGRPO وDPO الخيار المعتاد لمواءمة مخرجات النماذج مع تفضيلات البشر. تشير نتائج تشودري إلى أن هذه الأدوات قد تكون مبالغاً فيها عندما تكون المهمة محددة بوضوح وغير متصلة بالإنترنت.

جُمعت التفسيرات المرشحة من مخرجات نموذجي Claude 3 Haiku وClaude Haiku 4.5 معاً، ما أتاح لأساليب الترتيب مزيجاً واقعياً من صياغات النماذج القديمة والحديثة لفرزها.

ربما يكون الادعاء الأكثر لفتاً للانتباه في الورقة هو التكلفة. يذكر تشودري أنه بنى خط الإنتاج (Pipeline) بأكمله بتكلفة تقارب 15 دولاراً باستخدام أجهزة عادية متاحة تجارياً، من دون الحاجة لأي وحدة معالجة رسومية، مع زمن استجابة للاستنتاج أقل من 100 ملي ثانية.

هذا المزيج، من انخفاض تكلفة الحوسبة وعدم الحاجة لمعالج متخصص وزمن استجابة أقل من 100 ملي ثانية، يجعل الأسلوب لافتاً ليس لتفوقه على أحدث المعايير المرجعية، بل لأنه يثبت أن تقنية ترتيب خفيفة عمرها عقود ما زالت قادرة على التفوق على بدائل أثقل وأكثر رواجاً في مهمة يحلها كثير من الفرق حالياً بخطوط تعتمد على التعلم بالتعزيز. بالنسبة لفرق الهندسة التي توازن بين تكاليف البنية التحتية والمكاسب الهامشية في الدقة، تقدم الورقة دليلاً ملموساً لصالح تجربة الحلول الأبسط قبل اللجوء إلى التعلم بالتعزيز.