عندما تتفوق التفويضات على الأغلبية: اكتشاف قاعدة إجماع مبتكرة لتحسين استنتاجات نماذج اللغات الضخمة

في عالم الذكاء الاصطناعي، تعتبر نماذج اللغات الضخمة (Large Language Models) حجر الزاوية في الكثير من التطبيقات الحديثة. لكن هل تساءلتم يوماً ما عن كيفية تحسين دقة هذه النماذج في الاستنتاجات التي تعتمد على عدة عينات؟ هنا يأتي دور تقنية جديدة تُعرف باسم 'التصويت بالنيابة' (Propagational Proxy Voting - PPV)، التي تقدم بديلاً مبتكراً لطريقة التصويت بالأغلبية.

بدلاً من الاكتفاء بتصويت الأغلبية، تُظهر الأبحاث أن هذه الطريقة الجديدة قادرة على تعزيز العملية من خلال استغلال إشارتي 'الالتباس الصرفي' و'جغرافيا الاستدلال بين المجموعات'. وعندما تم تطبيق هذه التقنية، حققت نتائج تفوق التصويت بالأغلبية بمعدل تحسين يصل إلى +1.5 نقطة مئوية بشكل عام، و +2.24 نقطة مئوية في عينات أكثر تعقيداً.

تعتمد طريقة PPV على عنصرين رئيسيين: أولهما يتمثل في تحديد مقدار 'الوزن' الذي يحتفظ به كل مصوت لصالح اختياره الخاص (WHEN)، والثاني يتناول كيفية توزيع باقي الوزن على الأقران (WHOM). كل من هذين العنصرين يعتمدان على قياسات كمية مثل التباين داخل المجموعات.

تتجاوز هذه الطريقة الحاجة إلى تسميات ذهبية أو تدريب auxiliary، بل تتيح استخدام 128 جيلاً مُعَايَنًا مقسومًا إلى 16 مجموعة. ومن خلال حساب 'الالتباس الصرفي' لكل مجموعة، تعتمد النتائج النهائية على مصفوفة تفويض عشوائية تنتقي الجواب المتفق عليه.

لنأخذ مثالاً يُظهر كيف يمكن لطريقة PPV أن تعكس أغلبية واضحة: في حالة معينة، كان هناك تصويت 10-6 لصالح اختياري خاطئ، حيث كانت مجموعة الأغلبية تتسم بعدم التناسق بينما كانت الأقلية أكثر ترابطًا، مما أدى إلى تركيز تفويض أكبر على الإجابة الصحيحة رغم أن 'الالتباس' وحده كان يمكنك من الحفاظ على تقدّم الأغلبية.

تقدم هذه الاستراتيجية تطورًا جديدًا في تصميم نماذج الذكاء الاصطناعي وتفتح أبوابًا جديدة للأبحاث المستقبلية في مجال التجميع غير الخاضع للإشراف.