[
    {
        "id": "osp-15402",
        "type": "article-journal",
        "title": "التقييم الفعّال للسياسة لأفضل-من-N للمواءمة وقت الاستدلال",
        "author": [
            {
                "family": "Schweisthal",
                "given": "Jonas"
            },
            {
                "family": "Wang",
                "given": "Yuxin"
            },
            {
                "family": "Deviyani",
                "given": "Athiya"
            },
            {
                "family": "Feuerriegel",
                "given": "Stefan"
            },
            {
                "family": "Frauen",
                "given": "Dennis"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/efficient-best-of-n-policy-evaluation-for-inference-time-alignment",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "أفضل-من-N (BoN) طريقة شائعة للمواءمة وقت الاستدلال، تختار أعلى الاستجابات تقييماً من بين N عينة من نموذج مرجعي. وتصعب تقييم سياسات BoN من البيانات المسجلة في ظل وصول قائم على العينات فقط، لأن مقدّرات خارج السياسة القياسية تتطلب نسب كثافة تعتمد على احتمالات الاستجابة غير المتاحة. نقترح في هذه الورقة إطاراً قائماً على العينات فقط لتقييم سياسات BoN واختيارها دون الوصول إلى هذه الاحتمالات. نُظهر أن بنية إحصاءات الترتيب في BoN تتيح التعبير عن نسب الكثافة المطلوبة عبر احتمالات الرتبة الدرجية، والتي يمكن تقديرها من العينات وحدها. ثم نطور مقدّراً مزدوج المتانة لقيمة سياسة BoN (BoN-DR) يعيد استخدام مجموعة عينات مساعدة مشتركة عبر ميزانيات المرشحين بكفاءة. ونقيم استدلالاً تقاربياً صالحاً حتى في ظل سوء تحديد مقدّر المكافأة، ونثبت كفاءة مقدّر BoN-DR. ولأن الميزانيات الأكبر قد تضخم أخطاء دالة الدرجة وتؤدي إلى الإفراط في تحسين المكافأة، نشتق قاعدتي اختيار: (1) تعظيم قيمة السياسة المقدّرة، و(2) تعظيم حد ثقة أدنى للتحسن على السياسة المرجعية، الذي يأخذ في الحسبان عدم اليقين في التقدير ويوفر ضماناً بعدم الضرر. وعبر تجارب تركيبية وGSM8K مع نماذج مرجعية ونماذج مكافأة متعددة، يقدّر إطارنا قيم سياسات BoN بدقة، ويختار ميزانيات أخذ عينات فعّالة."
    }
]