في الآونة الأخيرة، أحدثت النماذج اللغوية الكبيرة (Large Reasoning Models) ثورة حقيقية في مجالات الذكاء الاصطناعي، حيث أصبح بإمكانها تقديم استدلالات معقدة ومتشعبة. ولكن مع تزايد إتاحة بصمات التفكير للجمهور، تطرح تحديات جديدة لفهم سلوك هذه النماذج. تهدف دراستنا إلى ملء الفراغ المعرفي في هذا المجال من خلال تقديم إطار عمل يتيح التعليق التلقائي على خطوات التفكير بالاستناد إلى تصنيف بلوم (Bloom's Taxonomy).

هذا التصنيف يقوم بتصنيف التفكير إلى ستة مستويات معرفية، تشمل التذكر (Remembering)، التطبيق (Applying)، والتقييم (Evaluating). من خلال هذا الإطار، أجرينا تحليلاً على نطاق واسع عبر نماذج ومجموعات بيانات مختلفة، حيث قمنا بالكشف عن أوجه التشابه والاختلاف في أنماط التفكير المستخدمة في مهام مختلفة.

علاوة على ذلك، أظهرت النتائج أن المعلومات المستمدة من بصمات التفكير ترتبط بشكل ملحوظ بدقة النتائج، مما يمهد الطريق لتحسين الاستدلال. هذه الاكتشافات تعزز من تطوير إطار عمل دقيق لتحليل أنماط التفكير في النماذج اللغوية الكبيرة، وتقديم رؤى عملية لتحسين جودة الاستدلال.

ما رأيكم في استخدام تصنيف بلوم في تحليل تفكير النماذج اللغوية؟ نرحب بتعليقاتكم وأفكاركم في قسم التعليقات!