قال سايمون ويليسون في 3 نوفمبر 2026 إن نموذج لغة مفتوح الأوزان شغله على حاسوبه المحمول استطاع التعرف على عدة ألعاب من أوزان شبكات عصبية صغيرة. وفي تجربته، تعرف Qwen 3.8 27B على Breakout وPong، وقدم وصفا شبيها بـPac-Man، وفشل في التعرف على Freeway. إنها تجربة مستقلة لافتة لمهمة محدودة، وليست دليلا على أن النموذج يستطيع فهم أي شبكة أو تحسينها بمجرد النظر إلى أرقامها.
جاءت تجربة ويليسون بعد منشور Sparks of Weight-Space Programming، الذي نشره ريكيا تاكيهي وجايدن تيو وأليكس جانغ وعمر خطاب في 2 نوفمبر. ويصف المؤلفون التعرف على الأوزان وتعديلها باستخدام GPT-6 Astra. لكنهما تجربتان مختلفتان: اختبر ويليسون التعرف دون أدوات حسابية، بينما استخدم التحسن المعلن في الأداء الرياضي Python ومعلومات راجعة من تشغيل النموذج.
ما الذي يحاول الباحثون قراءته داخل الشبكة العصبية؟
الأوزان قيم عددية تحدد كيفية مرور الإشارات واندماجها داخل الشبكة العصبية. وفي التدريب المعتاد، تعدل هذه القيم بالاعتماد على أمثلة وهدف للأداء. سأل الباحثون هنا إن كان نموذج اللغة يستطيع استنتاج شيء عن شبكة أخرى من أرقامها وبنيتها، وأحيانا اختيار تعديلات محددة فيها. وهذا يختلف عن شرح شيفرة تصف عملية التدريب.
لم تقدم مهمة التعرف على الألعاب أرقاما بلا سياق. فبحسب التعليمات المنشورة، تلقى النموذج وصفا للوحة بحجم 10 في 10، داخلها مساحة لعب 8 في 8، مع شرح لقنوات الإدخال. وكانت تمثل اللاعب، والأجسام المتحركة، وأهداف المكافأة، والعوائق، ومعلومات الإطار السابق. كما شرحت له مسبقا الأفعال المتاحة وبنية الشبكة.
احتوت كل شبكة من الشبكات الأربع على 17,253 معلما، مع بنية متطابقة. وقدمت الأوزان كأرقام مقربة إلى ثلاث منازل عشرية. وكتب ويليسون أنه تحقق من تطابق التعليمات باستثناء الأوزان. يقلل ذلك احتمال التعرف على اللعبة من اختلاف ظاهر في السؤال، لكن التجربة تظل عن شبكة صغيرة مع شرح لمدخلاتها، لا عن نموذج كبير مجهول دون أي معلومات مرافقة.
ما الذي نجح على الحاسوب المحمول وما الذي فشل؟
استخدم ويليسون Qwen 3.8 27B عبر LM Studio دون تدريب إضافي للمهمة. وقال إنه اضطر إلى توسيع نافذة السياق لأن الإعداد الافتراضي لم يكن كافيا. ومنعت التعليمات تشغيل الشيفرة واستخدام الآلة الحاسبة، وطلبت إجابة واحدة اعتمادا على الأوزان. استخدام برنامج لتشغيل نموذج اللغة لا يعني في حد ذاته أن النموذج حصل على أداة لاختبار الشبكة المطلوب التعرف عليها.
في المخرجات التي عرضها ويليسون، تعرف النموذج على Breakout بثقة معلنة قدرها 88%، وعلى Pong بنسبة 75%، ووصف لعبة شبيهة بـPac-Man بنسبة 72%. هذه تقديرات النموذج لثقته في إجاباته، وليست نسب نجاح مقيسة عبر تجربة واسعة. ولا تعني أنه سيتعرف بدقة على 88 شبكة من كل 100. هذا الفرق مهم حين تبدو النسب كأنها نتائج اختبار.
في حالة Freeway، فشل النموذج وأجاب بأنها لعبة شبيهة بـPac-Man. ووصف ويليسون على نحو منفصل تشغيل Kimi K3.1 Pro عبر OpenRouter، الذي تعرف على Breakout بعد 9 دقائق و41 ثانية. يخص هذا الزمن تلك المحاولة، وليس مواصفات أداء عامة. النجاحات والفشل معا ضرورية لفهم ما عرض: عدة تعريفات مقنعة مع حد ظاهر، دون تقدير راسخ لدقة أوسع.
التحسن في الرياضيات جاء من تجربة أخرى
الرقم البارز في المنشور الأصلي هو الارتفاع من 7.9% إلى 48.1% على اختبار MATH-500 بعد تعديل أوزان Qwen3.5-0.8B. هذه نتيجة أعلنها المؤلفون، وليست قياسا أجراه ويليسون. كما تختلف أسماء النماذج: كان Qwen3.5-0.8B هدف التعديل، بينما كان Qwen 3.8 27B أحد النماذج التي استخدمها ويليسون للتعرف على شبكات الألعاب.
بحسب وصف التجربة الأصلية، حصل Astra على بيئة Python تحتوي الأوزان، ومسائل تدريبية من مجموعتي تدريب GSM8K وMATH، وميزانية لتمريرات أمامية. استخدمت النتيجة الأفضل ميزانية 50 تمريرة، وكان يمكن لكل تمريرة أن تشمل عدة مسائل. منع الباحثون التدريب بالتدرجات، لكنهم سمحوا بالشيفرة وبملاحظة سلوك النموذج. ولذلك فإن غياب التدريب التقليدي لا يعني غياب الأدوات أو المعلومات الراجعة.
يصف المؤلفون تعديلا في 131,072 وزنا، أي نحو 0.016% من النموذج، في طبقتين. ويفسرون ذلك بأنه خفف الميل إلى الوقوع في حلقات تفكير متكررة. وفي جدولهم، انخفضت نسبة الإجابات التي بلغت حد الرموز من 93.0% إلى 33.1%. يضع ذلك النتيجة الرياضية في سياقها: قد يسمح الإصلاح بإكمال إجابات كانت تنقطع، ولا يثبت وحده إنشاء قدرة جديدة من العدم.
لماذا تغير نقطة البداية معنى النتيجة؟
فعلت التجربة وضع التفكير وسمحت بما يصل إلى 32,768 رمز إخراج. وتحذر بطاقة Qwen من أن هذه النسخة الصغيرة معرضة للحلقات عند تفعيل التفكير، وتوضح أنها تعمل افتراضيا دون هذا الوضع. لذلك لا ينبغي اعتبار نتيجة 7.9% وصفا عاما لقدرتها الرياضية عبر جميع الإعدادات المعقولة. إنها نتيجة في ظروف محددة، ويجب أن تبقى المقارنة مرتبطة بها.
ويعرض المؤلفون أنفسهم حدا آخر. ففي تجربة إضافية على Gemma 3 270M، الذي نادرا ما يدخل في حلقات بحسب عملهم، لم يثبتوا تحسنا مماثلا. كانت النتيجة الأساسية 6.8%، وأنتجت ميزانية 50 تمريرة نتيجة 7.0%. ويفسرون ذلك بالفرق بين إزالة عائق يخفي قدرة موجودة وإضافة قدرة لا يمتلكها النموذج. وهذا أيضا تفسيرهم لنتائج محددة، لا قاعدة مثبتة لكل نموذج.
نشر سجلات التجارب وملفات التعديل يتيح للآخرين فحص العملية، لكنه لا يحول كل نتيجة إلى إعادة إنتاج مستقلة كاملة. توسيع الاستنتاج يحتاج إلى مقارنات بإعدادات توليد أخرى وشبكات أخرى وتشغيلات متكررة. وفي التعرف على الألعاب، يهم أيضا ما يحدث عند تغيير بعض المعلومات عن البنية أو حذفها. النتائج الحالية وحدها لا تقدم كل هذه المقارنات.
ما الذي يبقى بعد فصل التجربتين؟
كتب ويليسون أنه وجد صعوبة في متابعة أجزاء من استدلال النماذج، وحذر من أن بعض النقاش حول العمل تجاوز ما تبرره الأدلة. النص الاستدلالي الطويل ليس اختبارا مستقلا للطريقة التي أنتجت إجابة صحيحة. قد يقترح مسارات للفحص، لكنه لا يثبت وحده أن النموذج حسب سلوك الشبكة بدقة أو فهم كل وزن فيها.
التمييز المفيد هو بين ثلاثة أفعال: تحديد الغرض الذي دربت عليه شبكة صغيرة، وتعديل شبكة باستخدام أدوات، وتقييم الشبكة بعد التغيير. لكل فعل أدلة مختلفة. تضيف تجربة ويليسون دعما محدودا للأول، وتصف نتائج المؤلفين الفعلين الآخرين ضمن إعداد معين. جمع ذلك كله في ادعاء عن قراءة الأوزان وكتابتها دون أدوات يمحو الفرق المنهجي الأساسي في العمل.
تبقى الأخبار مثيرة للاهتمام ضمن حجمها المثبت. قدم نموذج مفتوح يعمل محليا عدة تعريفات مفيدة انطلاقا من أرقام وبنية مشروحة، وأعلن باحثون إصلاحا محددا خفف خللا في نموذج آخر. الفشل مع Freeway والتحفظ بشأن نقطة البداية ليسا ملاحظتين هامشيتين. إنهما جزء من النتيجة، ويحددان ما يمكن تعلمه الآن وما يحتاج إلى تجربة أخرى.