في عالم الذكاء الاصطناعي، تعتبر نماذج اللغات الضخمة (Large Language Models) واحدة من أهم الاختراعات. ومع ذلك، تبقى بعض التحديات قائمة، مثل كيفية تحسين الاستدلال وتقليل التكاليف المرتبطة. هنا يأتي دور CopT، الذي يمثل طفرة جديدة في معالجة الأفكار!

تقنية CopT (تفكير على السياسات مقارنةً) تقدم نهجاً مبتكراً في الدروس الاستدلالية، حيث تتجاوز الطريقة التقليدية التي تفترض التفكير كشرط مسبق للإجابة. بدلاً من ذلك، يقوم CopT بتهيئة إجابة أولية ثم يتناول التفكير اللاحق بناءً على تلك الإجابة لزيادة الدقة.

ما هو الجديد هنا؟

يعتمد CopT على فكرة إدخال التحقق المتباين عبر المساحات المتواصلة كوسيلة للتحقق من موثوقية الإجابات. من خلال مقارنة قدرة النموذج على دعم نفس الرموز المستخرجة تحت مدخلات رموز متقطعة ومدخلات تجريدية مستمرة، يصبح من السهل تقدير موثوقية الإجابة من خلال نموذج كالفريد.

الأرقام تتحدث:

في تجارب مختلفة تشمل الرياضيات والترميز والمهام الاستدلالية، أظهر CopT زيادة تصل إلى 23% في الدقة القصوى، في حين نجح في تقليل استخدام الرموز بنسبة تصل إلى 57% دون الحاجة إلى تدريب إضافي! هذا يمثل إنجازًا مذهلاً في كيفية فهم النماذج الاصطناعية للعالم من حولها.

تبقى الأداة متاحة للجمهور عبر رابط Github، مما يتيح للباحثين والمطورين استكشاف هذه التقنية الرائدة.