تعد نماذج اللغة المنطوقة (Speech Language Models) واحدة من أبرز الابتكارات في مجال الذكاء الاصطناعي، حيث يتم تقييمها بشكل متزايد على أساس دقة الإجابات التي تقدمها في مهام متعددة. لكن ما الذي يجعل من دقة الإجابات عنصراً معقداً؟ هنا تأتي دراسة جديدة تسلط الضوء على الحالات المختلفة لعدم التوافق في القواعد (Decision-Rule Misalignment) ومحدودية تغطية القراءة (Readout-Coverage Limitations).

طرحت الدراسة نموذجاً تشخيصياً متسلسلاً يتيح مقارنة الإجابة المُصدَرة مع خياراتها، بالإضافة إلى مخرجات خطية لحالة النموذج. هذا النموذج يساهم في فهم كيفية تحديد أسباب الفشل في الإجابات.

على مدار خمس أنظمة مختلفة ونموذجي عواطف، أظهر البحث أن دقة فك التشفير أعلى بمعدل 27.8 نقطة في المتوسط مقارنة بالتوليد، مما يثبت وجود فجوات في كل من التوافق في القواعد وتغطية القراءة. كما أظهرت النتائج أن استخدام تصحيحات لوجيت دون الحاجة إلى تسميات يحسن دقة الإجابات في جميع الظروف.

بدلاً من مجرد استبدال الاتجاهات المستخدمة في القراءة، اتضح أن المعلومات العاطفية خارج عملية القراءة الأصلية تستطيع التعميم على متحدثين مختلفين، مما يشير إلى وجود مجال لتحسين الأداء الساخن للنماذج.

إذاً، تقدم هذه الدراسة رؤية فريدة حول كيفية فهم الفجوات في نماذج اللغة المنطوقة، وتضع أساسات لتطوير تحسينات مستقبلية.