FlashProve: ما الذي يتركه دليل الاستدلال للمنتج؟

قد تأتي الإجابة من النموذج الذي دفعت مقابله وتظل خاطئة. يساعد الدليل التشفيري في التحقق من مصدر الحساب، ولا يحسم صحة الكلام. يستحق FlashProve، النموذج البحثي من Anthropic، القراءة بسبب الحدود الدقيقة التي تصفها وثائقه.

هذه مراجعة مصادر بتاريخ 5 نوفمبر 2026. لم أبن أداة التحقق أو أشغل دليلا أو أستأجر GPU. يصف المستودع نفسه بأنه أثر بحثي غير مصان ولا يقبل مساهمات. لا أختاره اعتمادا إنتاجيا مدعوما.

أي نموذج يحدده الالتزام؟

يشرح إعلان البحث إثبات الاستدلال دون كشف الأوزان. ينشر المزود التزاما بمجموعة أوزان، وينتج GPU الدليل، ويتحقق CPU منه مقابل الطلب والالتزام المتوقعين.

يجب أن تأتي هوية الالتزام من مصدر موثوق. يوضح دليل القيود أن المزود يستطيع اختيار أي نموذج، حتى نموذج صغير أو متدهور. لا يثبت دليل لالتزام عشوائي الاسم التجاري الذي توقعه العميل.

ولا يشمل الدليل سوى مواضع المخرجات المسماة. قد تمر إجابة مختصرة باعتبارها إجابة أقصر، ولذلك يجب مطابقة النطاق وفحص النهاية. لا يسمي الدليل عميلا أو وقتا بطبيعته؛ يجب على الخدمة ربطه بالعملية المعنية.

سياسة القبول تحدد معنى النجاح

تتعلق المطابقة التامة برموز النموذج الصحيح المحدد. أما سياسة clipped gap الألين فتقبل تكاليف رموز ضمن حدود مختارة، ولا تثبت أن كل رمز كان اختيار النموذج الدقيق.

قد تنتهي المطابقة التامة وWITHIN LIMITS معا برمز خروج صفر. تحويل كل صفر إلى شارة "إجابة صحيحة من النموذج" يحذف معلومة مهمة. لا يوصي المشروع بحدود جاهزة؛ الحد الذي يقبل الردود العادية يحتاج اختبارا مستقلا ضد الاستبدالات المهمة.

الالتزام المتوقع + الطلب + التغطية + السياسة
                         |
                    تحقق الدليل
                         |
              نتيجة وفق هذه السياسة

صحة الحقائق والإذن وإكمال المهمة
تحتاج أدلة منفصلة.

النظرية والبرنامج ليسا الدليل نفسه

يصف دليل الخصائص المثبتة براهين Lean لأداة تحقق Lean وتعريفات البروتوكول تحت افتراضات محددة. تتبع أداة C++ ومثبت CUDA البروتوكول وتختبران مقابله، لكن تكافؤهما الشكلي مع تعريفات Lean غير مثبت.

يتعلق الحساب بنموذج مكمم ذي أعداد صحيحة وفاصلة ثابتة. العلاقة بالنموذج الأصلي ذي الفاصلة العائمة مسألة قياس. تقييمي أن المواصفة والتنفيذ وغلاف الخدمة تحتاج كل منها أدلة تناسب حدودها.

ماذا يعد رقم السرعة؟

يفسر دليل الأداء نحو 110 رموز في الثانية: prefill مستقر، سياق 1024 رمزا، 24 طلبا في الدفعة، وبطاقة H100 واحدة. يثبت كل دليل في تلك القياسات الرمز التالي. لا يشمل الرقم بدء التشغيل أو إنشاء الالتزام أو تحقق غلاف الخدمة.

ليس هذا توليد 110 رموز إجابة في الثانية. الردود الكاملة المحفوظة تحت السياسة الألين تجربة أخرى. ويجب حساب انتظار الدفعة والتحقق على CPU وذاكرة المضيف. هذه قياسات المشروع، وسجلات التشغيل ليست في المستودع، ولم أعد إنتاجها.

سجل اختبار محدود

هذا JSON توضيحي، وليس صيغة طلب FlashProve أو أداة تحقق عاملة:

{
  "expected_commitment": "reviewed-registry-entry",
  "request_fixture": "synthetic-question-07",
  "expected_output_positions": [0, 1, 2],
  "acceptance_policy": "exact-match",
  "proof_status": "not-run",
  "factual_answer_check": "separate-fixture-required",
  "external_action_permission": "none"
}

يغير الاختبار المقترح الالتزام أو الطلب ويطلب الرفض. تقليص التغطية يجب أن يظهر اختلافا صريحا. تبقى السياسة غير المعروفة غير مدعومة، ولا يتحول انتهاء المهلة إلى قبول. لم أنفذ هذه الفحوص هنا.

بعد ذلك تحتاج الإجابة إلى مثال اصطناعي منفصل بنتيجة معروفة، كإجمالي مخزون مختلق. لا يلغي دليل الاستدلال هذا الفحص، ولا يمنح إذنا بإرسال رسالة أو تغيير حساب.

يغطي Apache 2.0 المشروع، بينما للأوزان والمكونات شروطها. لا يلغي المصدر المفتوح تكاليف GPU والهندسة. متطلبي للمنتج هو إظهار السياسة والتغطية، دون تحويل الدليل إلى وعد عام بالحقيقة أو المهمة المكتملة.