مع تزايد قدرات نماذج اللغات الضخمة (Large Language Models - LLMs)، أصبح من المهم فهم كيفية تنسيق تلك النماذج في جماعات مقارنة بالبشر. أظهرت دراسة حديثة تناولت لعبة جماعية تعرف باسم "البحث الثنائي الجماعي"، كيف يختلف تنفيذ هذه النماذج عن الأساليب البشرية.

تتطلب لعبة البحث الثنائي الجماعي من المشاركين التنسيق لتحقيق هدف مشترك دون تواصل مباشر. في هذا الإطار، يجب على كل لاعب تقديم قيم عددية في محاولة للوصول إلى رقم مستهدف. بينما يُظهر البشر قابلية كبيرة للتكيف وتطوير سلوكياتهم بمرور الوقت، فإن نماذج اللغات الضخمة غالبًا ما تفشل في التحسن بين الألعاب، وتظهر تحولًا مفرطًا في سلوكها مما يعيق تحقيق الأهداف الجماعية.

وأوضحت النتائج أيضًا، أن تقديم تغذية راجعة أكثر ثراءً (مثل مقدار خطأ الأرقام) يُعتبر عاملًا مفيدًا للبشر، بينما يكون له تأثير ضئيل على LLMs. ومن المثير للاهتمام، أن البحث اقترح طريقة (GRPO) كوسيلة فعالة لتقليل التحولات المفرطة، مشيرًا بذلك إلى وجود فروقات واضحة بين سلوكيات البشر ونماذج الذكاء الاصطناعي.

إن استناد التحليل إلى معايير وقواعد سلوكية إنسانية، بما في ذلك قياس التفاعلية، ديناميات التحول، والتعلم عبر الألعاب، يساعد على فهم الفجوة في التنسيق بين البشر وLLMs بشكل أفضل.