[
    {
        "id": "osp-16446",
        "type": "article-journal",
        "title": "الـ \"OPSD\" الفضائي: تحليل الذكاء الفضائي بنفسه من آثار وكيل التشفير المحقق",
        "author": [
            {
                "family": "Li",
                "given": "Rongxue"
            },
            {
                "family": "Yang",
                "given": "Meng"
            },
            {
                "family": "Mao",
                "given": "Yiru"
            },
            {
                "family": "Tao",
                "given": "Yongliang"
            },
            {
                "family": "Hu",
                "given": "Lulu"
            },
            {
                "family": "Yang",
                "given": "Bin"
            },
            {
                "family": "Xu",
                "given": "Zhao"
            },
            {
                "family": "Luo",
                "given": "Weihua"
            },
            {
                "family": "Xu",
                "given": "Bowen"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/spatialopsd-self-distilling-spatial-intelligence-from-verified-coding-agent-traces",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "وكلاء التشفير الفضائيين يحسنون بشكل كبير التفكير الفضائي في نماذج اللغة الكبيرة متعددة الحركات (MLLMs) باستخدام أدوات خارجية لتوليد آثار التنفيذ المحققة. ومع ذلك، فإن هذا النموذج يعاني بطبيعته من التبعيات العلوية والخارجية في وقت الإستنتاج. في هذه الورقة، نستكشف ما إذا كان MLLM يمكن أن تتداخل هذه القدرة التنفيذية للعمل بالكامل دون أدوات. نبدأ بملاحظة بسيطة: تحفيز MLLM مع آثار التنفيذ المختصرة لعامل التشفير المكاني يفتح بطبيعة الحال سلسلة الفكر الفضائية الداخلية للنموذج (CoT). تحفيزاً لهذا، نقوم بتقديم SpatialOPSD، وهي إطار للاستنزاف الذاتي في السياسة الذي يدمج التفكير الفضائي إلى MLLM مستقل عن طريق صياغة آثار العملاء المحققة كمعلومات متميزة. لتخفيف تسرب المعلومات الخاصة أثناء التطهير، نقدم التطهير المتكرر، الذي يجمع بين تخفيض التكرار مع تنظيم عدم الاحتمال. تظهر التجارب عبر العديد من المعايير المرجعية أن عملية التحلية الذاتية لـ SpatialOPSD تحقق دقة متوسطة أعلى من SFT و GRPO على مجموعات البيانات الفضائية و OOD، مما يظهر أداءً وتعميمًا أفضل."
    }
]