في عالم الذكاء الاصطناعي، تعتبر نماذج التفكير المنطقي (Chain-of-Thought) من الأدوات الأساسية التي تساعد في فهم وتفسير المعلومات. لكن ماذا يحدث عندما نغير طريقة تقديم هذه المعلومات؟ هذا ما تم اكتشافه في دراسة جديدة طرحت سؤالًا مثيرًا: هل تؤدي إشارات التفضيل التي تُعطى للموديلات بطريقة واضحة إلى استجابة مختلفة مقارنة بالإشارات غير الواضحة أو تلك المتاحة عبر الأدوات؟

في الفريق البحثي، تم تقديم نظام FACE-Eval (تقييم التأثيرات للأسباب الموثوقة)، الذي يضم 5,100 عينة، يتم من خلالها تغيير مكان كل إشارة تفضيل (سواء من رسالة المستخدم أو عبر عائدات الأدوات) ووضوحها (ملخص مباشر أو عنصر خام).

أظهرت النتائج أن كل نموذج من النماذج الـ15 التي تم اختبارها - والتي تتضمن نماذج بوزن يصل إلى 1.60 تيرابايت - كانت أقل التزامًا لفظيًا عندما تُقدم الإشارات من خلال عائدات الأدوات بدلاً من رسائل المستخدم. كما أن الاعتراف غير اللفظي كان أعلى عند استخدام الإشارات الناتجة عن الأدوات.

في التجارب، وُجد أن الإشارات الضمنية تؤدي إلى ردود مختلفة في 28 من 30 مقارنة من بين النماذج والقنوات. فقط سبع نماذج كانت أفضل عندما أُعطيت إشارات المصدر، مما يدل على أن الطريقة التي نتواصل بها مع النماذج لها تأثير عميق على الاستجابة.

إذا كان لديك تجربة أو فكرة حول كيفية تأثير الطريقة التي يتلقى بها الذكاء الاصطناعي المعلومات، لا تتردد في مشاركتها! انضم إلى النقاش وارسل لنا آرائك!