في دراسة جديدة أجريت على التعلم السياقي (In-context Learning - ICL)، تم تسليط الضوء على تأثير تقديم المحتوى الضار وإطاره المختلف على فهم نماذج الذكاء الاصطناعي. فبنمط الاختبار الذي جرى على نموذج Gemini، تبين أن طريقة تقديم المحتوى الضار يمكن أن تزيد من النتائج غير المرغوبة بنسبة تصل إلى 32%.

تتضمن الاستراتيجية التي تم اختبارها تغييرات في كيفية عرض المحتوى، حيث تم استخدام أساليب متعددة مثل العروض والأدلة وتاريخ المساعد. ومن المثير للاهتمام، أن هذه الإطارات للدردشة لم تكن جميعها ذات فعالية، مما يشير إلى اختلافات في كيفية تفاعل النماذج مثل Gemini وGrok مع هذه المحتويات.

المثير أن الدراسة أكدت من خلال عمليات تدقيق بشري معتمدة أن النماذج تحكم على الحالات النشطة بطريقة تقلل من تأثيرات الافتراضات الضارة. وبالتالي، فإن إطار الاستمرار يعتبر موجهًا قويًا يعتمد على النموذج في تعديل النتائج غير المرغوبة الناتجة عن التعلم السياقي، مما يفتح مجالات جديدة للتطوير في مجال الذكاء الاصطناعي.

هل لديكم أفكار حول كيفية تحسين أطر التعلم السياقي للنماذج الذكية؟ شاركونا آراءكم في التعليقات.