تركز دراسات الذكاء الاصطناعي على تحسين اتخاذ القرارات الجماعية، خصوصًا مع ظهور نماذج اللغات الضخمة (LLMs). ومع تزايد استخدام هذه النماذج، تظهر تساؤلات هامة حول كيفية التوفيق بين آرائها المتباينة. في هذه المقالة، نستعرض تأثير التحيزات غير السمة مثل ضغط الأغلبية وتفضيلات نمط الاستجابة على جودة القرارات.

لقد أظهرت التحليلات الحديثة أن التحكّم في التحيز يمكن أن يسهم في تحسين اختيار الإجابات الأولية، بينما يمكن استغلال إدخال التحيز لخلق عدم الاستقرار في القرارات، مما يعكس موثوقية عالية.

اعتمادًا على هذه النتائج، تم تقديم إطار عمل جديد لتجميع القرارات في الوقت الفعلي، والذي لا يحتاج إلى بيانات تحقق أو معرفة مسبقة بقوة النماذج النسبية. يقوم هذا الإطار بتطبيق تحكم التحيز من خلال عرض مسار تفكير واحد ذو نمط موحد لكل إجابة متميزة، ويقوم بإدخال التحيز من خلال وضع إجابة كل وكيل في الأقلية.

بفضل هذا الإطار، تمكنا من تحقيق دقة أعلى ومتوسط كفاءة رمزية أفضل من طرق التجميع الأخرى دون نماذج مرجعية، عبر ثلاثة معايير رياضية و أربعة مجموعات متنوعة من LLMs. علاوة على ذلك، ساهم الإطار في تحسين دقة الإجابات النهائية عند تطبيقه على مناقشات متعددة الوكلاء.