تشهد مجالات الذكاء الاصطناعي ثورة مستمرة بفضل التطورات التكنولوجية السريعة، ومن بين هذه التطورات تبرز تقنية CORE (Contrastive Reflection). تعتبر هذه التقنية بمثابة خوارزمية تعلم غير معتمدة على المعلمات، تهدف إلى تحسين مهارات التفكير المنطقي في نماذج اللغة بشكل أسرع وأكثر فعالية.

تواجه الأساليب التقليدية - مثل التعلم المعزز (Reinforcement Learning) وتحسين العبارات (Prompt Optimization) - مشكلات عدة، أبرزها الحاجة إلى عدد كبير من عينات التدريب وعمليات النموذج، مما يجعلها مكلفة أو حتى غير قابلة للتطبيق في بعض الحالات. ولكن مع نشر تقنية CORE، أصبح بالإمكان التغلب على هذه المشكلة.

تعتمد CORE على مقارنة آثار التفكير السابقة لإنشاء رؤى حول استراتيجيات التفكير. هذه الرؤى تتجلى في وصفات قصيرة بلغة طبيعية - مما يساعد على فهم الفروقات بين المحاولات الناجحة والفاشلة في حل المشكلات. أكدت التجارب عبر أربع مهام تفكير أن CORE تتيح تحسينات أسرع من الأساليب المعتمدة على المعلمات وغير المعتمدة على المعلمات، بينما تستخدم عددًا أقل من عمليات النموذج.

علاوة على ذلك، تمكنت CORE من تحقيق أداء مشابه أو أفضل مقارنةً بالأساليب التقليدية عند استخدام ميزانيات محددة لعمليات النموذج مع وجود خمس عينات تدريب فقط. كما أن هذه التقنية تظهر كفاءة أكبر من حيث السياق، حيث تحتاج إلى عدد أقل من رموز العبارات في حين تخزن المعرفة المكتسبة كرؤى طبيعية واضحة.

تعلن نتائج بحث CORE أن استخراج الفروقات بين آثار التفكير الناجحة والفاشلة بطريقة ملخصة ومفيدة يمكن أن تكون وسيلة أكثر فعالية ووضوحًا لتحسين نماذج اللغة مقارنة بالتحديثات التقليدية للوزن، أو تحسين العبارات، أو إعادة استخدام آثار التفكير المخزنة.