في عالم نماذج اللغات الضخمة (Large Language Models)، تتجلى العديد من التحديات المتعلقة بكيفية إمكانية استخدام الشروط في عمليات حسابية متعددة. في بحثنا الأخير، تطرقنا إلى نموذج Qwen3.5-27B الذي تم اختباره في مهام استخدام الأدوات.

تمت دراسة 32 حالة جديدة، حيث أظهرت النتائج أن استخدام نسخ مختلفة من التدخلات المتبقية ساهم في رفع نسبة الدقة في اختيار الأهداف بشكل ملحوظ. على سبيل المثال، حققت إحدى هذه النسخ تحسنًا في دقة نتائج الاختيار من 35 من أصل 128 إلى 119 من أصل 128، بينما كان للتحسين الآخر تأثير مشابه.

لكن الأبحاث كشفت كذلك عن قلق مهم: على الرغم من التحسينات، فإن تلك النتائج قد تختفي عندما تُعاد تركيب الحقائق والمعرفات ضمن نفس المهام. بالإضافة إلى ذلك، زادت نسبة اختيارات المعرفات التي حصلت على مكافآت سابقة.

كما أن التعديلات الداخلية للنموذج أثرت على كيفية تأثير الحقائق المصدرية على الأحكام، مما يعني أن إمكانية تحقق النجاح في الاختيار لا تعني بالضرورة إكمال العمل بشكل صحيح. وهذا يبرز أهمية استخدام الحالات المعدلة، بالإضافة إلى مجرد النظر في الإجابات المدربة.

إجمالًا، تقدم هذه النتائج رؤى جديدة حول كيفية فصل التحكم في اختيار الأهداف، والأحكام المعتمدة على الشروط، وصحة الأفعال المكتملة؛ مما يعزز أهمية إعادة النظر في كيفية استخدام البيانات والمعايير في نماذج الذكاء الاصطناعي.