Qwen-Drive-1.0 يسجّل 69.43 في أسئلة وأجوبة القيادة، ثم يشير إلى فجوة في استدلاله

يزعم ملخّص Qwen-Drive-1.0 أنه الأول في فئته: نموذج أساسي للرؤية واللغة مخصص للقيادة الذاتية يوحّد الإدراك ثلاثي الأبعاد والإجابة على الأسئلة البصرية في مرحلة التدريب المسبق، ثم يمتد إلى تخطيط الحركة. وإن جرّدنا المسوّغ، تضيق المساهمة إلى شيء أكثر تحديدًا. ثلاث قدرات تتقاسم نموذج لغة-رؤية واحدًا مدربًا مسبقًا، حيث يتولى الإدراك رأس بمنظور عين الطائر مُلحق به، وتتولى الإجابة على الأسئلة مسار اللغة، ويتولى توليد المسار وحدة خبيرة مستقلة.

«الأول» الذي تتراجع عنه الخاتمة

تستخدم الخاتمة لغة أكثر ليونة من الملخّص. فهناك، يُوصف العمل نفسه بأنه «خطوة أولية نحو نموذج أساسي للرؤية واللغة مخصص للقيادة الذاتية». والجملتان تردان في الورقة ذاتها. وما يفصلهما هو نطاق ما جرى إظهاره فعليًا.

لا يقول أي شيء في المواد المتاحة عدد الأنظمة التي جرى اختبارها في مواجهته. وتفيد الورقة بأن نسختها Qwen-Drive-1.0-SFT تتفوق على نماذج اللغة-الرؤية العامة وعلى المتخصصين في القيادة أو الأنظمة المجسَّدة في أسئلة وأجوبة القيادة، لكن المقتطفات المتاحة هنا لا تسمّي أيًّا منها.

هيكل مجمَّد ووحدتان تقرآن منه

يستند Qwen-Drive-1.0 إلى Qwen3.5-4B، الذي تصفه الورقة بأنه متعدد الوسائط أصلاً. ويعالج مُرمِّز رؤية مشترك ونموذج لغة-رؤية صور القيادة أحادية المنظور ومتعددة المناظر، والتسلسلات الزمنية للصور، والصور العامة. وتقرأ وحدتان خارجيتان من ذلك المسار المشترك بينما يبقى الهيكل المدرب مسبقًا على حاله.

الوحدة الأولى رأس إدراك بالمنظور العلوي (BEV). يبني تمثيلاً بمنظور عين الطائر من مدخلات أحادية الإطار متعددة المناظر، ويتعامل مع كشف الأجسام ثلاثية الأبعاد، والتنبؤ بالإشغال الدلالي، وتجزئة خريطة BEV. وتصفه الورقة بأنه مسبار ثلاثي الأبعاد صريح قابل للفحص، وهو يطرح ادعاءً معماريًا أقوى مما توحي به كلمة «رأس». وتغذّي خسائره مسار تدرّج إضافيًا إلى المسار البصري المشترك أثناء التدريب المشترك، فيكتب رأس الإدراك عائدًا في السمات التي يقرأ منها.

وهذه التفصيلة تتنافر قليلاً مع الوعد بهيكل تُرك «دون أي مساس به بالكامل». فالهيكل والأوزان شيئان مختلفان، ويمكن للتدرجات أن تعيد كتابة الأوزان دون تغيير البنية، لذا يمكن أن تصح العبارتان معًا. ولا توضح الورقة أيّ القراءتين تقصد.

الوحدة الثانية هي خبير التخطيط، وهو محوّل انتشار مُصمَّم خصيصًا لتمثيلات نماذج اللغة-الرؤية، يولّد مسارات ذاتية مدتها 5 ثوانٍ عبر مطابقة التدفق. ويتلقى سببًا نصيًا للتخطيط كشرط اختياري، ما يعني أن اللغة يمكنها توجيه المناورة لكنها ليست مطلوبة لإنتاج المسار.

ما الذي يخبرك به 69.43 و2.83 مليون فعلاً

الرقم المذكور	القيمة	ما تُرفقه الورقة به
متوسط أسئلة وأجوبة القيادة (Qwen-Drive-1.0-SFT)	69.43	يتقدم على نماذج اللغة-الرؤية العامة وعلى المتخصصين في القيادة أو الأنظمة المجسَّدة، دون تسمية أيٍّ منهم في المقتطفات المتاحة
عينات التدريب	2.83 مليون	بيانات عامة بالكامل
أفق المسار	5 ثوانٍ	تنبؤات بتردد 10 هرتز
الوحدات الخارجية	2	رأس إدراك BEV وخبير التخطيط
النموذج الأساسي	Qwen3.5-4B	متعدد الوسائط أصلاً؛ الهيكل المدرب مسبقًا دون تغيير

يبلغ Qwen-Drive-1.0-SFT متوسطًا قدره 69.43 في أسئلة وأجوبة القيادة، بمنزلتين عشريتين. ولا تقدّم المواد المتاحة أي تفصيل حسب المعيار، لذا لا سبيل لمعرفة أي أنواع الأسئلة ترفع هذا المتوسط وأيها تخفضه. وقد اختلفت التعليقات التوضيحية عبر مجموعات البيانات في الأسلوب، فوحّد الفريق صيغة المسار لإنتاج تنبؤات مستقرة مدتها 5 ثوانٍ بتردد 10 هرتز.

تأتي جميع عينات التدريب البالغ عددها 2.83 مليون من بيانات عامة، ما يعني غياب سجلات الأساطيل الخاصة، ومن حيث المبدأ، وصفة يمكن لمختبرات أخرى أن تحاول نسخها. وحجم النموذج الأساسي هو الموضع الذي يصبح فيه الادعاء مثيرًا للاهتمام. ولا تجادل الورقة بأن هيكلاً أكبر هو ما يقود المكاسب. بل تجادل بأن التدريب المرحلي مع وحدتين متخصصتين يرفع نموذجًا عام الغرض إلى متوسط رائد في أسئلة وأجوبة القيادة في التقييم الذي أجرته.

مخرجان لا يتفقان

تسمّي الورقة نمط فشلها بنفسها: «لا يزال الاتساق بين الاستدلال النصي والمسار المولَّد بحاجة إلى تعزيز، وهو ما نتركه محورًا للعمل المستقبلي».

ينبغي أن تصاحب هذه الجملة كل عنوان يذكر 69.43. فالنموذج الذي يقدّم تعليلاً بليغًا لأجل التباطؤ ومسارًا يفعل شيئًا آخر أصعب في التدقيق من نموذج لا يقدّم أي تعليل على الإطلاق، لأن التفسير يستدعي ثقة لم يكسبها المسار.

والنتيجة بالنسبة لأي شخص يبني على هذا ملموسة. يمكن التحقق من المسار مقابل محاكٍ. أما الجملة فلا. وإلى أن يُتحقق من الاثنين أحدهما مقابل الآخر، يتكئ الإشراف على نظام كهذا على المسار وحده، ويبقى المخرج اللغوي وسيلة تسهيل لا سجل تدقيق.

لماذا نموذج أساسي للقيادة، ولماذا مُغلَّف بهذه الطريقة

تأتي الورقة ضمن حزمة من مواد Alibaba Cloud يُروَّج فيها لـ Qwen تجاريًا: منصة لبناء التطبيقات على نماذج من بينها Qwen-Max، وأداة عمل تُسمى QwenWork، وبند حالة عن مُكتتب التأمين بالذكاء الاصطناعي لدى Prudential يعمل على Alibaba Cloud. ونشر الأبحاث إلى جانب صفحات المنتجات ممارسة معتادة لدى المورّدين الساعين لاستقطاب حسابات المؤسسات، ولا تذكر المواد المتاحة أي نية استراتيجية.

ما تقوله الورقة عن الاتجاه أضيق وأكثر فائدة. فهي تضع النموذج كـ «قاعدة من الجيل الجديد لنماذج اللغة-الرؤية للتكيّف مع سيناريوهات القيادة». والقاعدة للتكيّف شيء يضبطه فريق آخر بالتدريب الدقيق، وليست حزمة قيادة مكتملة، وتستبعد عبارة «خطوة أولية» في الخاتمة القراءة الأقوى. ويوافق قيد البيانات العامة هذا الموقف. فـ 2.83 مليون عينة قابلة للفحص تجعل وصفة التدريب قابلة للتكرار على نحو لا تكون عليه سجلات الأساطيل أبدًا.

ويبقى الجزء غير المكتمل هو الأكثر أهمية. فنموذج موحّد لا يستطيع بعد ربط استدلاله بمساره قد أظهر أن نموذج لغة-رؤية واحدًا يمكنه حمل الإدراك والأسئلة والتخطيط في الأوزان ذاتها. لكنه لم يُظهر أن الثلاثة تتفق، وهو ما يجب على نظام قيادة فعلاً أن يفعله على نحو صحيح.