في عالم الذكاء الاصطناعي، تتطلب عملية التفكير على المدى الطويل نظامًا يوازن بين الالتزام بالنوايا المتوسطة الأمد وضرورة التكيف مع الظروف المتغيرة. هناك تحدي كبير يتمثل في كيفية إعادة التخطيط بدون الوقوع في فخ الجمود، حيث إن التخطيط المتكرر بشكل مفرط يجعل الحسابات تفتقر إلى الهيكل المتدرج المتعدد الخطوات، بينما الالتزام لفترة طويلة يجعل الخطط تصبح قديمة.

في دراسة جديدة، تم استكشاف هذا التوازن بين الاستقرار والتكيف ضمن إطار التفكير الكامن، حيث تحدث الحسابات متعددة الخطوات داخل الحالة المخفية بدلاً من تتبع العلامات الخارجية. وقد تم توسيع نموذج التفكير الهرمي (Hierarchical Reasoning Model - HRM) ليشمل واجهة مدير-عامل على نمط الفيدالية. حيث يقوم وحدة عالية المستوى، ببطء، بإصدار هدف فرعي توجيهي متزن يظل قائمًا لمدة معينة من الخطوات منخفضة المستوى، مما يؤثر على تحديثات حالة العامل المخفية ويزود بمؤشر متزامن لفقدان المحاذاة الداخلي.

تظهر النتائج على مجموعات بيانات ARC وConceptARC أن الحفاظ على الأهداف الفرعية، وليس فقط إدخالها، يمثل العامل الحاسم. حيث أداء الفترات المتوسطة، بين 3 إلى 6 خطوات، تفوق باستمرار كلا من الفترات القصيرة (P=1) والأفق الطويل. وتحقق أدنى فقدان في النماذج اللغوية عند P=3، مما يسلط الضوء على أهمية التوازن في استراتيجية التخطيط.

ما يمكن استنتاجه هو أنه يجب أن تكون النية المتوسطة الأمد متسقة عبر ما يكفي من خطوات حسابية لتشكيل هيكل تكويني. هذه النتائج تعزز مبدأ تصميمي هام في أنظمة التخطيط المركب: العمل على تعزيز الاستقرار بينما تبقى قابلية التكيف قائمة لتحقيق الأداء العالي في الذكاء الاصطناعي.