في عالم الذكاء الاصطناعي المتطور، تظهر نماذج لغوية ضخمة (LLMs) كأدوات قوية في فهم اللغة الطبيعية، ولكنها تواجه تحديات كبيرة عندما يتعلق الأمر بمهام البحث عن الحلول المثلى التي تشمل قيودًا متعددة وتفضيلات محددة من المستخدم. في هذا الإطار، قدم الباحثون مقاربة جديدة تجمع بين التفكير المنطقي والبرمجة لتحسين قدرة تلك النماذج على توفير حلول دقيقة.

تستند هذه الإبداع الجديد إلى فكرة استخدام البرمجة لتوصيل القيود والتفضيلات بطريقة منهجية عبر نموذج لغة ضخم. فعند تقديم وصف لمشكلة باللغة الطبيعية، يقوم النموذج بتوليد كود بلغة بايثون (Python) الذي يُحول تلك القيود والتفضيلات إلى مشكلة تعظيم القبول القصوى (Maximum Satisfiability - MaxSAT). بعدها، يتم حل هذه المشكلة باستخدام محلل دقيق.

ولتأكيد صحة الحلول المُولدة، يتم التحقق منها بصفة مستقلة مقارنةً بصيغ MaxSAT القياسية، مما يمكنك من الحصول على تنسيقات مختلفة وحلول مثالية متعددة. تشير التجارب التي أجريت على نماذج لغوية مفتوحة المصدر وأخرى مغلقة أن هذه المقاربة قد حققت معدلات قبول عالية، حيث تجاوزت النتائج نسبة 80% في بعض الحالات.

هذه النتائج تسلط الضوء على أن توليد الكود بواسطة نماذج اللغة الضخمة ودمجه مع أسلوب MaxSAT القائم على التفضيل يمكن أن يُحدث ثورة حقيقية في مجال الامتثال المثالي، مما يحسن بشكل كبير من دقة الحلول تحت المعايير الجانبية المُعترف بها. فهل أنتم مستعدون لاستكشاف المزيد في عالم الذكاء الاصطناعي والتفكير المنطقي؟