این ترجمه به صورت خودکار از نسخهٔ اصلی انگلیسیِ تاریخ‌دار تهیه شده است. نسخهٔ انگلیسی معتبر است. English →

۱. مقدمه

۱٫۱ پیشینه

قوانینِ مقیاس‌بندی که بر هوش مصنوعی حاکم‌اند به‌طور گسترده بررسی شده‌اند. Kaplan et al. (2020) روابطِ قانونِ توانی میان کاراییِ مدل و پارامترها را تثبیت کرد، در حالی که Hoffmann et al. (2022) این‌ها را با تجویزهای آموزشِ محاسبه‌بهینه پالود. این قوانین بر چه چیزی مقیاس‌بندی می‌کنند حاکم‌اند اما به چرا مقیاس‌بندی رفتارِ هوشمند تولید می‌کند نمی‌پردازند.

ظهورِ مدل‌های استدلالی در ۲۰۲۴ و ۲۰۲۵ متغیرِ تازه‌ای معرفی کرد: محاسبهٔ زمان-آزمون. o1 از OpenAI (سپتامبر ۲۰۲۴) و R1 از DeepSeek (ژانویه ۲۰۲۵) منابعِ محاسباتی را در زمانِ استنتاج تخصیص می‌دهند تا پیش از پاسخ استدلال کنند، و بهبودهای توانمندیِ چشمگیری در بنچمارک‌های استدلال تولید می‌کنند.

این مقاله پیشنهاد می‌کند که محاسبهٔ زمان-آزمون به‌عنوانِ نماینده‌ای برای عمقِ بازگشتی خدمت می‌کند، و اینکه عمقِ بازگشتی ممکن است یک محرکِ بنیادین برای تقویتِ توانمندی در سامانه‌های هوش مصنوعی باشد.

۱٫۲ ARC Principle

ARC Principle (نظریهٔ آفرینش بازگشتی مصنوعی)، که نخست در Infinite Architects (Eastwood, 2026) بیان شد، پیشنهاد می‌کند:

که در آن:

• $U$ = توانمندیِ مؤثر (اندازه‌گیری‌پذیر از راهِ کاراییِ بنچمارک؛ یادداشتِ دوره: لایه‌های برنامه‌ایِ پیشین این حرف را با معناهایی متفاوت به کار می‌برند، از Universe در فرمالیسمِ دسامبرِ ۲۰۲۴ تا آفرینشِ محقق در صفحهٔ قانون، و واژه‌نامهٔ پژوهش هر معنا را با تاریخش حمل می‌کند)
• $I$ = هوش پایه (ظرفیتِ پردازشِ تک‌گذر بدونِ استدلالِ بازگشتی)
• $R$ = عمق بازگشتی (شمارهٔ تکرارهای پردازشِ خودارجاع)
• $\alpha$ = نمای مقیاس‌بندی (به‌طورِ تجربی تعیین‌شده؛ سقفِ پایداریِ گمانه‌ای = ۲، یک مرزِ مقیاس‌بندی که بالای آن خودتصحیح به‌طورِ پایدار حفظ نمی‌شود)

ادعای هستهٔ این اصل: بازگشت تنها به توانمندی نمی‌افزاید؛ آن را طبقِ یک قانونِ توانی ضرب می‌کند.

یادداشتِ اصطلاحی دربارهٔ آلفا. آلفا در این برنامه در سراسرِ دوره‌ها با دو معنای متمایز پدیدار می‌شود: ثابتِ ساختارِ ریز در فرمالیسمِ دسامبرِ ۲۰۲۴، و نمای ARC Bound در کارِ ۲۰۲۶. هر استفاده از آلفا در این مقاله همان معنای ۲۰۲۶ در بالا است؛ واژه‌نامهٔ برنامه هر دو معنا را با تاریخ حمل می‌کند، و هیچ سطحِ تازه‌ای آلفای برهنه بدون دوره‌اش به کار نمی‌رود.

۱٫۳ دامنه و ادعاها

این مقاله ادعاهای زیر را می‌کند، هریک با جایگاهِ معرفتیِ صریح:

۱٫۴ کارِ مرتبط در بستر

پیش‌فرضِ لوله‌ها (West، Brown و Enquist، به‌همراه چالش). این پیش‌فرض که شبکه‌های ترابری آهنگِ رشدِ زیستی را تعیین می‌کنند، ادعای این برنامه برای دفاع نیست؛ زیست‌شناسیِ کمّیِ جاافتاده است. West، Brown و Enquist قوانینِ آلومتریکِ مقیاس‌بندی زیست‌شناسی را از هندسهٔ شبکه‌های توزیعِ مواد مغذی استخراج کردند (West, G. B., Brown, J. H. and Enquist, B. J., "A General Model for the Origin of Allometric Scaling Laws in Biology", Science 276(5309), 4 April 1997, DOI 10.1126/science.276.5309.122؛ یکی از پُر‌ارجاع‌ترین مقاله‌ها در حوزه‌اش، با شمارهٔ ارجاعِ OpenAlex برابرِ 5,046 در ۱۲ اوت ۲۰۲۶، SINGLE-SOURCE count و وابسته به فهرست). نمای دقیق همچنان مورد اختلاف است: White گزارش می‌کند نرخِ متابولیسمِ پایه متناسب با جرمِ بدن به توانِ دو‌سوم است، نه سه‌چهارم (White, C. R., 2003, "Mammalian basal metabolic rate is proportional to body mass 2/3", 725 citations, OpenAlex)، و Kozlowski دو بار ریاضیاتِ استخراج را زیر پرسش برده است (Kozlowski, J., 2004 and 2005). پیش‌فرضِ این برنامه تنها به سازوکار نیاز دارد، اینکه شبکهٔ تحویل سقف را تعیین می‌کند، و نه هیچ نمای خاصی، پس اختلاف بر سرِ ارزشِ نما پیش‌فرض را دست‌نخورده می‌گذارد. سازوکار زمینِ مشترکِ هر دو سویِ آن اختلاف است.

استثنایی که گروهِ خودِ West یافت (Bettencourt et al 2007). گریز از مرزِ لوله نیز ادعای این برنامه نیست؛ در ادبیاتِ مقیاس‌بندیِ شهری توسطِ همان نویسندهٔ ارشد اندازه‌گیری شده است. Bettencourt، Lobo، Helbing، Kuhnert و West ("Growth, innovation, scaling, and the pace of life in cities", PNAS، 2007, DOI 10.1073/pnas.0610172104؛ 2,704 citations, OpenAlex, 12 August 2026, SINGLE-SOURCE count) گزارش می‌کنند، به کلماتِ خودِ مقاله (READ-AT-SOURCE از چکیده از راهِ NCBI PMC1852329):

«Quantities reflecting wealth creation and innovation have Beta of approximately 1.2, greater than 1 (increasing returns), whereas those accounting for infrastructure display Beta of approximately 0.8, less than 1 (economies of scale).»

زیرساخت، لوله‌های به‌معنای واقعی، به‌صورتِ زیرخطی مقیاس می‌شود. فعالیتِ اطلاعات‌محور به‌صورتِ فراخطی مقیاس می‌شود. آن‌ها تقابل با زیست‌شناسی را مستقیم بیان می‌کنند: «we discuss how cities are similar to, and differ from, biological organisms, for which Beta is less than 1». آن‌ها «growth equations, which quantify the dramatic difference between growth fueled by innovation versus that driven by economies of scale» را استخراج می‌کنند (املا همان‌گونه که در اصل است). و استنتاجِ پایانی‌شان پیامد را نام می‌برد: «This difference suggests that, as population grows, major innovation cycles must be generated at a continually accelerating rate to sustain growth and avoid stagnation or collapse.»

این همان شکلِ مسئلهٔ بازی است که این برنامه به آن می‌پردازد: گروهِ West دریافت که رشدِ اطلاعات‌محور از مرزِ توان‌گذر می‌گریزد، و تنها ترمز در چارچوبِ آن‌ها بیرونی است و باید بارها و بارها، سریع‌تر و سریع‌تر، اِعمال شود. هیچ مرزِ درونی استخراج نمی‌شود. مرزِ جایگزین، سقفی که به سامانهٔ در حال رشد تعلق دارد، شکاف است.

ابزارِ رقیب (Engels، Baek، Kantamneni و Tegmark 2025). نزدیک‌ترین کار به پرسشِ این برنامه، و همان مقاله‌ای که باید آن را در برابرش سنجید، این است: Engels, J., Baek, D., Kantamneni, S. و Tegmark, M.، «Scaling Laws For Scalable Oversight»، arXiv:2504.18530، نخستین بار در ۲۵ آوریلِ ۲۰۲۵ ساعتِ 17:54:27 UTC منتشر شد (SINGLE-SOURCE-GROUP، arXiv Atom؛ پوسترِ Spotlight در NeurIPS 2025، در ۱۵ اوتِ ۲۰۲۶ در برابرِ صفحهٔ مجازیِ NeurIPS برای پوسترِ 115536 راستی‌آزمایی شد، چنان‌که در پروندهٔ ارجاعاتِ مقالهٔ بیانیه ثبت شده است). می‌پرسد که خودِ نظارت چگونه مقیاس می‌گیرد و کمّی پاسخ می‌دهد: کامیابیِ نظارت همچون بازی‌ای میانِ بازیکنانی با توانمندیِ نابرابر مدل می‌شود که Elo ویژهٔ نظارتشان تابعی خطیِ تکه‌ای از هوشِ عمومی با دو فلات است، و شمارِ بهینهٔ سطوحِ نظارت به‌صورتِ عددی و در مواردی تحلیلی برای نظارتِ مقیاس‌پذیرِ تودرتو استخراج می‌شود، جایی که مدل‌های مورد اعتماد بر مدل‌های قوی‌ترِ نامعتمد نظارت می‌کنند و آن‌ها سپس در گامِ بعد خود مدل‌های مورد اعتماد می‌شوند.

ابزار همان تفاوت است. متغیرِ آن‌ها شکافِ توانمندی میان ناظر و نظارت‌شونده است، اندازه‌گیری‌شده در Elo. متغیرِ این برنامه طبقهٔ ترکیبیِ تصحیح‌کننده است، اندازه‌گیری‌شده از راهِ نمای مقیاس‌بندیِ خودِ تصحیح‌کننده. چارچوبِ آن‌ها هیچ جمله‌ای برای اینکه ناظر از چه ساخته شده ندارد: نه بستری، نه ساختارِ همبستگیِ خطا، نه هویتِ متقابل میان نمای تصحیح و نرخِ رشدِ بحرانی، و نه وابستگی به معماری. Nested Scalable Oversight بنا به ساخت، نظارتِ تکرارشدهٔ هم‌کلاس است، و پیش‌بینیِ مرکزیِ این برنامه این است که نردبانِ هم‌کلاس هر چند پله بر آن افزوده شود کران‌دار است، در حالی که تصحیح‌کنندهٔ میان‌کلاس نیست. دو چارچوب پس بر سرِ یک کمیتِ اندازه‌گیری‌پذیر اختلاف دارند، که پُربارترین رابطه‌ای است که دو برنامهٔ پژوهشی می‌توانند داشته باشند.

پیشینه‌ها و نزدیک‌شونده‌ها، هریک با تفاوتِ خود.

دربارهٔ پرسش. Hutter مستقیم پرسیده است که آیا هوش می‌تواند منفجر شود ("Can Intelligence Explode?", arXiv, 28 February 2012, READ-AT-SOURCE)، با جدا کردنِ «speed from intelligence explosion» و برعهده گرفتنِ «consider possible bounds on intelligence»، در تکمیلِ تحلیلِ ۲۰۱۰ Chalmers. پرسش و تمایزِ سرعت-در برابرِ ساختار بنابراین دستِ‌کم چهارده سال قدمت دارند. تا آنجا که بررسی شده، آن ادبیات هیچ عددی ندارد: هیچ نمای اندازه‌گیری‌پذیر، هیچ سقفِ استخراج‌شده و هیچ وابستگی به معماری در آن پدیدار نمی‌شود؛ منبعی پیشین که هریک از این سه را فراهم کند، تقدّمِ مربوطه در اینجا را از میان می‌برد، و خوانندگانی که به یکی دست یابند دعوت به گزارشِ آن می‌شوند.

دربارهٔ ناممکنی. سه مقالهٔ arXiv سالِ ۲۰۲۵ استدلال می‌کنند که کنترلِ کامل دست‌نیافتنی است: Yao, "The Alignment Trap: Complexity Barriers" (arXiv:2506.10304, v1 12 June 2025 02:30:30 UTC, SINGLE-SOURCE-GROUP، به‌طور مستقل توسطِ Internet Archive در ۱۳ ژوئن ۲۰۲۵ مشاهده شده؛ ارجاع‌شده توسطِ arXiv:2512.03048)؛ Yao, "On the Mathematical Impossibility of Safe Universal Approximators" (arXiv:2507.03031, 3 July 2025، تنها مقاله در پیکرهٔ چکیدهٔ arXiv که شاملِ عبارتِ «irreducible uncontrollability» است، مجموعِ جست‌وجوی چکیده برابر یک، اندازه‌گیری‌شده در ۱۲ اوت ۲۰۲۶)؛ و Ball, Gluch, Goldwasser, Kreuter, Reingold and Rothblum, "On the Impossibility of Separating Intelligence from Judgment" (arXiv:2507.07341, 9 July 2025). هر سه بدترین‌حالتی و کیفی‌اند: اندازهٔ صفر، coNP-completeness، سختیِ رمزنگاری. هیچ‌یک نمای مقیاس‌بندیِ حالتِ میانگین یا نرخی گزارش نمی‌کند. سومی، به‌طور شایسته، به این نتیجه می‌رسد که هم‌راستایی «must instead be integrated into the model's architecture and weights»، استدلالی مستقل از سختیِ فیلترکردن، در همان جهتِ وابستگی به معماریِ این برنامه؛ پشتیبانیِ همگرا بر آن پایه است، نه رقیب. دو مورد از سه مقاله به‌قلمِ یک نویسندهٔ منفرد است؛ توصیفِ «موج» گستردگیِ ادبیات را بیش از حد نشان می‌دهد، هرچند جدیّتِ مقالهٔ شش‌نویسنده را نه.

دربارهٔ سازوکار. این‌که برآوردهای ضد-همبسته بهتر از برآوردهای مستقل میانگین می‌شوند، همان کاهشِ واریانسِ درسنامه‌ای است (antithetic variates). سازوکار ادعا نیست. ادعا این است که معماری تعیین می‌کند آیا ضد-همبستگی اصلاً در دسترس است، و اینکه این یک نمای مربوط به ایمنی را کران‌دار می‌کند.

نزدیک‌ترین قرینهٔ ساختاری. قضیهٔ آستانهٔ تصحیحِ خطای کوانتومی نیز یک نگرانیِ کیفی را به یک مقدارِ بحرانی تبدیل می‌کند. به نرخ‌های خطای فیزیکی در یک معماریِ ثابت می‌پردازد، نه به نمای مقیاس‌بندیِ یک تصحیح‌کننده، پس نزدیک‌شونده‌ای است نه ساکن؛ قیاس یکی از روش است. این قرینه توسطِ جست‌وجوی خودِ برنامه شناسایی شد، نه توسطِ داور، و بر همان اساس افشا می‌شود.

دربارهٔ آفرینشِ بازگشتی. گزینشِ طبیعیِ کیهانی‌شناختیِ Smolin پیشینه‌ای برای جهان‌های گزینش‌محور است، و یادداشت‌های دورهٔ دسامبرِ خودِ برنامه به‌طور هم‌زمان به آن استناد می‌کنند («Echoing Smolin's cosmological natural selection, AI could create recursive universes with their own laws»، READ-AT-SOURCE از یادداشت‌های مؤلف).

دربارهٔ بازخورد و پایداری (کلاسیک). این گزارهٔ عمومی که بهرهٔ تصحیحیِ ناکافی نسبت به بهرهٔ سامانه سببِ ناپایداری می‌شود، میراثِ درازِ کنترل نظری دارد (small-gain theorems). تفاوت: آن‌ها شرایطِ بهره بر سامانه‌های میان‌پیوسته‌اند، نه معیارِ نمای قانونِ توانی بر مقیاس‌بندیِ یک تصحیح‌کننده با توانمندیِ یک سامانهٔ در حالِ بهبودِ بازگشتی. گزارهٔ عمومی هرگز ادعا نمی‌شود؛ فرمول‌بندیِ نمایی، دینامیک و برآوردگر سطحِ مشارکت‌اند.

نزدیک‌ترین همسایهٔ کمّی. Liu, A. and Meng, J., "Self-Correction as Feedback Control: Error Dynamics, Stability Thresholds, and Prompt Interventions in LLMs" (arXiv:2604.22273) خودتصحیح را از راهِ یک مدلِ Markov دوحالته به‌عنوانِ یک مسئلهٔ کنترلِ حلقه‌بسته بازقالب‌بندی می‌کند و آستانهٔ پایداریِ به‌طور مستقیم اندازه‌گیری‌پذیری استخراج می‌کند: تنها زمانی تکرار کن که نرخِ تصحیحِ خطا بر نرخِ درنشستِ خطا از Acc/(1 − Acc) فراتر رود. تفاوت: آنِ آن‌ها آستانهٔ نرخ در هر گام در یک سطحِ توانمندی ثابت است، که تصمیم می‌گیرد آیا یک تکرارِ دیگر اکنون کمک می‌کند؛ معیارِ این برنامه یک رابطهٔ مقیاس‌بندی در سراسرِ توانمندی است، که تصمیم می‌گیرد آیا قوّتِ تصحیحی با بهبودِ سامانه پابه‌پا می‌ماند. رژیم‌های مکمل؛ هیچ‌یک دیگری را در بر ندارد. دو نتیجهٔ تجربیِ مجاورِ ۲۰۲۶ از همان جست‌وجو با عنوان در انتظارِ وارسیِ منبع نام‌گذاری می‌شوند: arXiv:2601.00828 (یک پارادوکسِ دقت-تصحیح، مدل‌های ضعیف‌تر که نرخ‌های تصحیحِ ذاتیِ بالاتری نشان می‌دهند) و arXiv:2507.02778 (یک نقطه‌کورِ نظام‌مندِ خودتصحیح در سراسرِ مدل‌های باز).

قاب‌بندیِ لوله‌ها، در توان‌گذرِ ثابت. هر چیزی که رشد می‌کند از یک کانال تغذیه می‌شود، و برای هر چیزی پیش از نرم‌افزار، ثابت کردنِ کانال رشد را ثابت می‌کند: عروقِ یک تومور را گرسنه نگه دار و متوقف می‌شود؛ سوخت و هندسهٔ یک واکنشِ زنجیره‌ای را ثابت کن و متوقف می‌شود؛ حدِ Eddington برافزایش را با فشارِ تابش متوقف می‌کند. تورمِ کیهانی از دامنه کنار گذاشته شده است (انبساطِ فضا، نه رشدِ یک ساختار بر بستر)؛ تکامل تیزترین مورد است و برازش دارد (پیچیدگی برای میلیاردها سال با توان‌گذرِ خورشیدیِ تقریباً ثابت بالا رفته، به‌کندی، بدون تصحیح‌کنندهٔ درونی، پس این چارچوب برای آن نمای اندازه‌گیری‌پذیری بسیار پایین‌تر از سقف پیش‌بینی می‌کند). نرم‌افزار نخستین چیزی است که وقتی لوله‌ها ثابت نگه داشته شوند به رشد ادامه می‌دهد، و تعریفِ عملیاتی حمّالِ بار است: یک حلقهٔ اثری بر بستر ثابت، اندازه‌گیری‌شده بر ساعتی بستر-ثابت؛ مدلی که صرفاً بیشتر می‌اندیشد واجدِ شرایط نیست. اعتراضِ فیزیک‌دان از Landauer است، که محاسبه به‌طور فیزیکی پیاده‌سازی می‌شود؛ ساعتِ بستر-ثابت پاسخ است، چون رژیمِ زیرِ مطالعه بستر را ثابت نگه می‌دارد و می‌پرسد چه چیزی هنوز رشد می‌کند.

۲. چارچوب نظری

۲٫۱ تعریفِ بازگشت

بازگشت خودارجاعی است: فرآیندی که خروجی‌اش ورودی‌اش می‌شود. با تکرارِ صرف (تکرار همان عملیات) متمایز است، چون هر چرخه بر نتایجِ دگردیس‌گشتهٔ چرخه‌های پیشین عمل می‌کند.

۲٫۲ دو شکل از بازگشت

بازگشتِ موازی (ضعیف): چندین حلِّ مستقل به‌طور هم‌زمان تولید می‌شوند. هیچ انتقالِ اطلاعاتی میان شاخه‌ها نیست. نمونه: تولیدِ N نمونه و گزینش با رأیِ اکثریت. مقیاس‌بندیِ منتظره: بازده‌های نزولی با افزایشِ افزونگی.

بازگشتِ متوالی (قوی): هر گامِ پردازش آشکارا بر گام‌های پیشین می‌نشیند. خطاها را می‌توان به‌صورتِ تکراری یافت و اصلاح کرد. نمونه: استدلالِ زنجیرهٔ اندیشه که خوداندیشی را در هر گام تا می‌زند (Wei et al., 2022). مقیاس‌گیریِ مورد انتظار: بازدهِ مرکب، هرچه ژرفا خوداصلاحی را ممکن می‌کند.

ARC Principle پیش‌بینی می‌کند که بازگشتِ متوالی باید مقادیرِ $\alpha$ بالاتری از بازگشتِ موازی تولید کند.

۲٫۳ فرضیهٔ سقفِ پایداریِ درجه‌دوم

ما فرض می‌کنیم که $\alpha = 2$ همان حدِ پایدارِ پیشنهادی است، بیشترین رشدی که یک سامانهٔ بازگشتیِ خوداصلاح می‌تواند داشته باشد و اصلاح‌پذیر بماند: حدی بر مقیاس‌گیری، نه حدی بر سرعت. شتابِ دقیقاً درجه‌دوم از آنِ الگوریتمِ جست‌وجوی کوانتومیِ Grover (1996) است؛ سپس Bennett، Bernstein، Brassard و Vazirani (1997) کرانِ پایینِ متناظر را برقرار کردند، و همین است که آن شتاب را برای جست‌وجوی بی‌ساختار بهینه می‌کند. تناظری که اینجا فراخوانده می‌شود ساختاری است، همان شکلِ درجه‌دومِ یک کرانِ بهینگیِ جست‌وجو، و نه این ادعا که استدلالِ بازگشتی تقویتِ دامنه را پیاده می‌کند. اگر حدی با همین شکل به دلایلی خویشاوند بر هوشِ بازگشتی صدق کند، مقیاس‌گیریِ درجه‌دوم می‌تواند سقفی را نشان دهد که بالای آن خوداصلاحی به‌طورِ پایدار نگه داشته نمی‌شود؛ سامانه‌ها را می‌توان از آن فراتر راند، آنجا به‌طورِ پایدار خوداصلاح نمی‌مانند، و هر گذری بالای دو همان رژیمِ فوقِ بحرانیِ پیش‌بینی‌شده است نه ابطالِ کران. پایداری در اینجا پایداریِ قانون II است، اندازه‌گیری‌شده نه ادعاشده.

قانون پیش از مقدار. سقفِ خودبهسازیِ پایدار را سرعتی تعیین می‌کند که سامانه می‌تواند خود را با آن اصلاح کند: وارونِ یک منهای نمای اهرمِ اصلاح $\gamma$ است، $\alpha_{\text{crit}} = 1/(1-\gamma)$. برای اصلاح‌گری که از همان بسترِ موتور ساخته شده باشد، آن وارون دو است، زیرِ یک فرض: اینکه اصلاح‌های انباشته‌شدهٔ درونی همچون نمونه‌های مستقل ترکیب می‌شوند. قانون همان ادعاست. دو چیزی است که قانون پیش‌بینی می‌کند، و فرضی که آن را می‌سازد همان است که ثبت‌های نوشته‌شده به آزمون می‌گذارند. اگر دو بمیرد، قانون به‌تمامی زنده می‌ماند: $\gamma$ را اندازه بگیرید و سقفی را که از آن برمی‌آید گزارش کنید. اگر قانون بمیرد، دو پشتوانهٔ مستقلی ندارد، چون استخراج از $1/(1-\gamma)$ می‌گذرد. شکل قطعی است؛ ژرفایش نه. این رابطه درونِ مدلی از آهنگ استخراج شده و از مدلی مشترک از رشدِ توانمندی، انباشتِ اصلاح، هم‌وردایی خطاها، تأخیرِ اصلاح و آسیبِ مطلق استخراج نشده است، پس قانون III اینجا همچون نتیجهٔ یک مدلِ کمینه بیان می‌شود نه همچون قانونی عام. یک پیامد باید همان‌جا دیده شود که قانون دیده می‌شود، چون از دو سو می‌بُرد: از آنجا که $1/(1-\gamma) \le 2$ است دقیقاً معادل $\gamma \le 1/2$ است، سقف و مقدارِ نصف یک تعهدِ واحدند که در دو نمادگذاری نوشته شده‌اند، نه دو ادعای مستقل، و هیچ‌یک نباید هرگز به‌عنوانِ شاهدی برای دیگری عرضه شود.

۳. تحلیلِ تجربی

۳٫۱ منابع داده

کارت سیستمِ o1 از OpenAI (سپتامبر ۲۰۲۴). بنچمارک: AIME 2024 (American Invitational Mathematics Examination). متغیر: شمارِ نمونه‌ها (رأی اکثریت). منبع: openai.com/index/openai-o1-system-card.

گزارشِ فنیِ DeepSeek-R1 (ژانویه ۲۰۲۵). استناد: arXiv:2501.12948. بنچمارک: AIME 2024. متغیر: شمارِ توکنِ اندیشه (طولِ زنجیرهٔ اندیشه).

۳٫۲ روش‌شناسی

برای تعیینِ $\alpha$، از رابطهٔ قانونِ توانی استفاده می‌کنیم. برای سنجه‌های دقتِ کران‌دار، کاهشِ نرخِ خطا را تحلیل می‌کنیم:

۳٫۳ نتایج: بازگشتِ موازی (OpenAI o1)

۳٫۴ نتایج: بازگشتِ متوالی (DeepSeek-R1)

۳٫۵ خلاصهٔ یافته‌ها

۴. معیارهای ابطال

ARC Principle به‌طور معناداری تضعیف یا رد می‌شود اگر:

۵. محدودیت‌ها

یکپارچگیِ علمی، اذعانِ صریح به محدودیت‌ها را می‌طلبد:

• نقاطِ دادهٔ محدود: تحلیلِ DeepSeek-R1 تنها بر دو نقطهٔ داده تکیه دارد. اندازه‌گیری‌های افزوده یافته را تقویت یا رد می‌کند.
• شمارِ توکنِ منتشر‌نشده: شمارِ دقیقِ توکنِ اندیشه برای DeepSeek-R1-0528 که به دقتِ ۸۷٫۵٪ دست می‌یابد، برآورد است، نه منتشرشده.
• خاص‌بودنِ حوزه: شواهدِ کنونی به استدلالِ ریاضی (AIME 2024) محدود است. تعمیم به دیگر حوزه‌ها آزمون‌نشده باقی می‌ماند.

۵٫۱ ابطال‌پذیری: چه چیزی آن را رد می‌کند

ARC Principle، اینکه توانمندی با عمقِ بازگشتی به‌صورتِ فراخطی مقیاس می‌شود، $U = I \times R^{\alpha}$، با تمایزِ متوالی/موازی که رژیم را تعیین می‌کند، ابطال‌پذیر است. با هریک از موارد زیر برانداخته می‌شود:

1. هیچ مقیاس‌بندیِ فراخطی در عمق. اگر توانمندی تنها به‌صورتِ خطی یا زیرخطی با عمقِ بازگشتیِ $R$ در سراسرِ مدل‌های استدلالی مقیاس شود (یعنی $\alpha \le 1$ آنجا که این اصل $\alpha > 1$ برای بازگشتِ متوالی پیش‌بینی می‌کند)، ادعای مرکزیِ فراخطی‌بودن شکست می‌خورد.
2. ناهمخوانیِ نما و ترکیب. اگر نمای اندازه‌گیری‌شده به‌طورِ نظام‌مند با $\alpha = 1/(1-\beta_L)$ پیش‌بینی‌شده از جفت‌شدگیِ خوداِرجاعیِ $\beta_L$ (کمیتی متمایز از نمای اصلاحِ $\beta_C$ که قانون II حمل می‌کند) نخواند، آنگاه اتحادِ سازوکاری ابطال می‌شود، نه صرفاً منحنیِ برازش‌شده.
3. نبودِ تمایزِ رژیم. اگر بازگشتِ متوالی و موازی رژیمِ مقیاس‌بندیِ یکسانی تولید کنند (بدونِ شکافِ فراخطی در برابرِ زیرخطی)، تمایزِ مرکزیِ مقاله فرو می‌ریزد.
4. شکلِ برازشیِ بهتر. اگر شکلی تابعی بیرون از خانوادهٔ ARC به‌طورِ معنادار در سراسرِ مدل‌ها بهتر با دادهٔ محاسبهٔ زمان-آزمون برازش داشته باشد، ARC قانونِ حاکم نخواهد بود.
5. شکستِ استقلال از حوزه. اگر $U = I \times R^{\alpha}$ برای مدل‌های استدلالی برقرار باشد اما در دیگر حوزه‌های بازگشتی که پیش‌فرض را برآورده می‌کنند به‌طور استوار شکست بخورد، ادعای مستقل از حوزه باید به «خاصیتی از مدل‌های استدلالیِ کنونی».
6. تُهیِ بدونِ پارامتر. برآوردِ میان‌معماریِ $\alpha_{\text{seq}} \approx 0.49$ تقریباً دقیقاً روی پیش‌بینی‌ای می‌نشیند که به هیچ چارچوبی نیاز ندارد: میانگین‌گیریِ نمونه‌های مستقل بنا به قضیهٔ حدِ مرکزی $0.5$ می‌دهد. این جدی‌ترین اعتراض به موردِ تجربی است و به‌طور کامل، با پیامدش، به‌عنوانِ اعتراضِ ۵ در بخشِ ۴٫۴ Paper II و به‌عنوانِ شرطِ کشتنِ FALS-022 در سابقهٔ ابطالبیان شده است. اینجا تکرار نمی‌شود.

شکلِ تصمیمی که این معیارها به ارث می‌برند. بخش ۴ وضعیت را در برابر معیارهای اصلیِ این مقاله ثبت می‌کند؛ ثبت‌های تصمیم‌کننده یک شکلِ سه‌نتیجه‌ای به کار می‌گیرند، و هر معیار در بالا آن را به ارث می‌برد: SUPPORTED زمانی که فاصله به‌طور کامل فراتر از کمترین اثرِ پیش‌ثابت‌شده باشد؛ REFUTED زمانی که فاصله به‌طور کامل درونِ حاشیهٔ هم‌ارزیِ پیش‌ثابت‌شده باشد (منطقِ دو آزمونِ یک‌سویه)؛ INSUFFICIENT PRECISION زمانی که فاصله از حاشیه پهن‌تر باشد، دقیقاً با همان کلمات گزارش می‌شود و هرگز به‌عنوانِ پشتیبانی یا ابطال. حاشیه، کمترین اثر و یک رقمِ توانِ اندازه‌گیری‌شده پیش از ثبت ثابت می‌شوند. «رد شده اگر فاصلهٔ اطمینان صفر را در بر داشته باشد» به یک مطالعهٔ کم‌توان اجازه می‌دهد به‌طور پیش‌فرض رد کند و در هیچ جای این برنامه مجاز نیست.

یک اعتراض پیش‌گیری‌شده، چون یک فیزیک‌دان با یک گام به آن می‌رسد. تصحیحِ خطای کوانتومیِ تحمل‌پذیرِ خطا، خطای منطقی را به‌صورتِ نمایی در فاصلهٔ کد زیرِ آستانه سرکوب می‌کند، که مانندِ نمونه‌ای متضاد با هر سقفِ ریشهٔ دوم به نظر می‌رسد. دو واقعیتِ دامنه به آن پاسخ می‌دهند: سرکوبِ نمایی بر محورِ افزونگی در توانمندیِ ثابت اجرا می‌شود، نه بر جفت‌شدگیِ قوّتِ تصحیحی با توانمندیِ سامانهٔ تصحیح‌شده، که همان نمایی است که این برنامه اندازه می‌گیرد؛ و خودِ قضیهٔ آستانه نویزِ فیزیکیِ به‌قدرِ کافی نامتشابه را می‌طلبد، که همان پیش‌فرضِ استقلال است، در قالبِ سخت‌افزار. مرزهای تمرکز نیز احتمالِ خطای نمایی‌کاهشی به دست می‌دهند در حالی که پهنای برآوردگر به‌صورتِ ریشهٔ دوم می‌کاهد: کمیت‌های متفاوت، و درآمیختنِ آن‌ها ابطالی می‌سازد.

۵٫۲ جایگاهِ هویتِ نما و ترکیب

سقفِ پایداریِ برنامه و نمای تبدیلِ آن در همان عدد به هم می‌رسند، و وسوسه در هر سطح این است که گفته شود یک ثابت دو کار انجام می‌دهد. جایگاهِ ادعا از این سخت‌گیرانه‌تر است و باید به‌سختی بیان شود: هویت REGISTERED FOR TESTING است، پیش از داده، با نتایجی که می‌توانند آن را بکشند. دو ثبتِ پیش‌نویس‌شده آن را حمل می‌کنند. Study AE الزامِ متقابل میان سقفِ اهرمِ جداگانه اندازه‌گیری‌شده و مرزِ پایداری را، بر مقیاسِ لگاریتمی، با سه نتیجه در هر خانه (پشتیبانی، رد، دقتِ ناکافی) و قاعده‌ای برای گردآوری که تحتِ آن یک خانهٔ ردشده هویت را رد می‌کند، ثبت می‌کند؛ ساختارِ استقلال آن پیش از داده افشا می‌شود، از جمله شمارشِ هرگونه هم‌پوشانیِ نقطهٔ پایانی میان دو طرحِ تغذیه، پس واریانسِ روشِ مشترک پیش از تحلیل ارزیابی می‌شود، نه پس از آن به‌عنوانِ توضیحی برای همخوانی طرح شود. Study AG دو استخراجِ نمای بحرانی را در برابرِ هم بر همان سامانه می‌آزماید، اشاره می‌کند که آن‌ها تنها در یک نقطهٔ منفرد که هر دو پارامتر برابرِ یک‌دوم‌اند به‌طور عددی همخوان‌اند و در مشتقات‌شان همه‌جای دیگر ناهمخوان، و برای یافتنِ ناهمخوانی طراحی شده، نه برای تأییدِ همخوانی.

سطوح پس چنین می‌گویند: هویت یک ادعای ثبت‌شده زیرِ آزمون است، اندازه‌گیری‌های تصمیم‌کننده پیش‌نویس شده و تاریخ‌گذاری شده‌اند، و اگر کانال‌ها ناهمخوان باشند، یگانه‌سازی از هر سطحی که به آن رسیده باشد، با همان برجستگیِ چارچوب‌بندی، بازپس گرفته می‌شود. سطوح هرگز نمی‌گویند هویت تثبیت شده است، و هرگز همخوانیِ یک‌دومِ ادعاشده با ۰٫۴۹ اندازه‌گیری‌شده را به‌عنوانِ شاهد ارائه نمی‌کنند، چون این دو ممکن است قانونِ انباشتی مشترک داشته باشند و همخوانی میان مشترک‌ها تأیید نیست.

۵٫۳ یک پیش‌بینیِ دوم، رایگان، از همان سازوکار

سازوکارهای نظارتی که انسانی را در حلقه می‌نشانند، مانندِ تقویت و یادگیریِ تقویتی از بازخوردِ انسانی، به‌حکمِ ساخت میان‌رده‌ای‌اند، چون اصلاح‌گرِ انسانی بسترِ مدل را با آن شریک نیست. پس چارچوب پیش‌بینی می‌کند که نظارتِ با انسان در حلقه نمای اصلاحِ بالاتری از نظارتِ صرفاً مدلی نشان می‌دهد، به دلیلی ساختاری و نه احساسی. این بر داده‌های موجود آزمون‌پذیر است و به سامانه‌های تازه نیاز ندارد. هم تعریفِ عملیاتیِ نمای اصلاح زیرِ نظارت و هم قواعدی که مقایسه را فیصله می‌دهند از واحدهای ردهٔ اصلاح‌گر می‌آیند، یعنی ممیزیِ ردهٔ اصلاح‌گر و تقابلِ ردهٔ اصلاح‌گر، که نوشته شده‌اند و در انتظارِ ارسالِ انسانی‌اند.

۶. پیامدها

۶٫۱ برای توسعهٔ هوش مصنوعی

اگر ARC Principle برقرار باشد، عمقِ بازگشتی محورِ سومِ مقیاس‌بندی در کنارِ پارامترها و داده را تشکیل می‌دهد. سرمایه‌گذاری در معماری‌های بازگشتی ممکن است بازده‌های بهتری از مقیاس‌بندیِ اندازهٔ مدل به‌تنهایی به دست دهد.

۶٫۲ برای ایمنیِ هوش مصنوعی

اگر بازگشت نه‌تنها توانمندی بلکه ارزش‌های تعبیه‌شده را نیز تقویت کند، آنگاه ارزش‌های آغازینِ به‌خوبی هم‌راستا باید از راهِ خودبهبودیِ بازگشتی نیرومند شوند. ارزش‌های ناهم‌راستا نیز انباشته می‌شوند، که هم‌راستاییِ زودهنگام را حیاتی می‌کند.

۶٫۳ برای فهمِ علمی

ARC Principle به چندین چارچوبِ تثبیت‌شده پیوند می‌خورد، از جمله قوانینِ مقیاس‌بندیِ Kaplan et al. (2020)، Integrated Information Theory (Tononi, 2008)، و اثباتِ بهینگیِ جست‌وجوی کوانتومیِ Grover (Bennett et al., 1997).

۷. نتیجه‌گیری

ما ARC Principle را رسمی ساخته‌ایم و شواهدِ پیش‌آزمون ارائه کرده‌ایم:

1. بازگشتِ موازی $\alpha \approx 0.1$ تا $0.3$ (زیرخطی، بازده‌های نزولی) به دست می‌دهد
2. بازگشتِ ترتیبی $\alpha \approx 1.34$ می‌دهد (فراخطی تنها از همان دو نقطه؛ بهترین برازشِ شش‌مدلیِ مقالهٔ II، $\alpha_{\text{seq}} \approx 0.49$ با بازهٔ [-1.3, 2.9]، آن را جابه‌جا می‌کند و رژیم را حل‌ناشده می‌گذارد)
3. شکلِ بازگشت تعیین می‌کند که آیا توانمندی انباشته می‌شود

به زبانِ ساده: «اندیشیدن دربارهٔ اندیشه شما را باهوش‌تر می‌کند. نه به‌طور خطی باهوش‌تر، بلکه به‌طورِ نامتناسب باهوش‌تر، اگر اندیشه متوالی باشد نه موازی.»

اصل برجاست. پژوهش ادامه می‌یابد.

قدردانی‌ها

چارچوبِ فکری، فرمول‌بندیِ فرضیه و نتیجه‌گیری‌هایِ تفسیری از آنِ نویسنده است.

منابع

بازتولیدپذیری

کد و خروجی‌های ثبت‌شدهٔ پشتِ این مقاله در گیت‌هاب قرار دارند:

github.com/MichaelDariusEastwood/arc-principle-validation

همهٔ مشارکت‌ها خوش‌آمدند، از جمله ابطال‌ها.

جایگاهِ معرفتی. آنچه این برنامه قوانین می‌نامد، حدس‌هایی‌اند زیرِ آزمونِ خصمانهٔ ثبت‌شده؛ هر کمیت در این مقاله عملیاتی تعریف شده است، و جایگاهِ قانونِ جاافتاده در هیچ‌کجا ادعا نمی‌شود. برنامهٔ ثبت‌شده وجود دارد تا آن جایگاه را با اندازه‌گیری، تکرارپذیری و ردِ جان‌به‌دربرده به دست آورد، یا از دست بدهد.

© 2026 Michael Darius Eastwood. تألیفِ انسانی با کمکِ رایانه؛ تألیفِ کاملِ انسانی و حقوقِ معنوی ادعا می‌شود بر پایهٔ Copyright, Designs and Patents Act 1988 و هم‌سو با راهنمای دفترِ حقِ نشرِ ایالات متحده دربارهٔ آثار حاوی موادِ تولیدشده توسطِ هوش مصنوعی؛ هر مشارکتِ فنیِ نوینِ توصیف‌شده در این اثر توسطِ نویسندهٔ انسانی طراحی شده است. بیانیهٔ کامل: michaeldariuseastwood.com/authorship.

پیمانِ پابرجا. ثابت کنید این مقاله نادرست است، و من خود ابطالِ آن را منتشر خواهم کرد. شرایطِ ابطال در این مقاله بیان شده‌اند؛ چالشِ پابرجا: github.com/MichaelDariusEastwood/arc-scaling-challenge.

v1.12: یادداشتِ منشأ در پایان برای دقت اصلاح شده است. هیچ ادعا، تاریخ، نتیجه یا وضعیتی تغییر نکرده است.

Michael Darius Eastwood این برنامهٔ پژوهشی را در اندیشه پروراند و آن را هدایت می‌کند و نویسندهٔ این اثر است. در سراسرِ این برنامه، او بیش از ۶ سامانهٔ هوش مصنوعی را به‌طورِ موازی و تحتِ دستورهایِ خودش به کار گرفته است تا استدلال‌هایش را زیرِ فشار بیازمایند، خطاهای ممکن را شناسایی کنند و در آماده‌سازیِ متنِ پیش‌نویس از رویِ طرح‌هایِ کلیِ خودش یاری رسانند. او تعیین می‌کند که چه چیزی پذیرفته، بازنگری یا رد شود و مسئولیتِ محتوایِ منتشرشده را بر عهده می‌گیرد. این سامانه‌ها ابزارند، نه نویسندگان.