في عصر الذكاء الاصطناعي، تُعتبر نماذج اللغة الكبيرة (LLMs) من أبرز التطورات التقنية، حيث تقدم أداءً رائعًا في مجموعة متنوعة من المهام المتعلقة بمعالجة اللغة الطبيعية. لكن، على الرغم من إنجازاتها البارزة، إلا أن هذه النماذج تعاني من مشكلة "الهلاوس" - أي توليد محتوى يبدو معقولًا لكنه غير دقيق، فضلاً عن انحيازات منهجية تتصاعد بسبب تنشيط غير متوازن للخبراء خلال عمليات الاستنتاج.

في دراسة جديدة نُشرت على منصة arXiv، تم تقديم مفهوم "نظام المجلس" (Council Mode) كإطار للعمل المتعدد الوكلاء، والذي يهدف إلى معالجة هذه التحديات. يعتمد نظام المجلس على توجيه الاستفسارات إلى مجموعة متنوعة من نماذج اللغة الكبيرة المتقدمة بشكل متوازي، حيث يقوم بتوليد الإجابات من خلال نموذج توافق مخصص.

يتضمن نظام المجلس ثلاث مراحل رئيسية:
1. **مصنف الفرز الذكي** الذي يقوم بتوجيه الاستفسارات استنادًا إلى تعقيدها.
2. **توليد الخبراء بالتوازي** عبر نماذج متنوعة المعمارية.
3. **توليف التوافق المنظم** الذي يحدد الاتفاق، والاختلاف، والنتائج الفريدة قبل إنتاج الرد النهائي.

تُظهر التقييمات الشاملة لهذا النظام في بيئة مفتوحة المصدر أن نظام المجلس يحقق انخفاضًا يصل إلى 35.9% في معدلات الهلاوس وفقًا لمعيار HaluEval، وكذلك تحسينًا بمقدار 7.8 نقطة في اختبار TruthfulQA مقارنةً بأفضل نموذج فردي. كما أنه يحافظ على تباين انحياز أقل بشكل كبير عبر المجالات المختلفة.

مع تقديم صياغة رياضية آلية للتوافق، وتفصيل بنية النظام، وعرض نتائج تجريبية شاملة مع دراسات استبعاد، يُعد نظام المجلس خطوة حقيقية نحو تحسين موثوقية وأداء نماذج اللغة الكبيرة.