ثورة في التنبؤ: كيف تُسخر حكمة نماذج اللغات الكبيرة لمستقبل أفضل؟

تستمر نماذج اللغات الكبيرة (LLMs) في إحداث ثورة في مجالات التنبؤات المستقبلية، حيث يتم تشجيع الباحثين على استغلال مبدأ الحكمة الجماعية لتكوين مجموعات متنوعة من النماذج. ومع ذلك، يظهر أن زيادة عدد النماذج وحدها لا يكفي لتحقيق التنوع الفعال، إذ قد تُظهر نماذج LLM سلوكيات مكررة.

لذلك، تقدم الدراسة الحديثة إطارًا واعيًا للسلوك من أجل إنشاء مجموعات متنوعة من LLMs. يعتمد هذا الإطار على توصيف النماذج استنادًا إلى آثار التفكير الخاصة بها أثناء التعامل مع مهام تطوير مستقلة، ثم يتم تجميع النماذج وفقًا للتشابه السلوكي، واختيار نماذج تمثيلية للتنبؤ الجماعي.

تم تقييم 25 نموذجًا من نماذج LLM باستخدام سبع معايير قياسية لتقييم التنوع السلوكي، بالإضافة إلى معيارين لتنبؤ المستقبل. وكانت النتائج مثيرة للإعجاب: أثبت أن تنوع مكونات المجموعة أهم من حجمها، حيث تفوقت مجموعة من ثلاثة نماذج تُركبت باستخدام العناقيد السلوكية (K-means++) على الطرق التقليدية في التصويت عبر جميع النماذج الخمس والعشرين. وقد أدى ذلك أيضًا إلى تقليل مكالمات النماذج بنسبة 88% وتكاليف الاستدلال بنسبة تقارب 80%.

تشير هذه النتائج إلى أن التنوع السلوكي التمثيلي، بدلاً من مجرد زيادة التنوع، هو ما يجعل من مجموعات LLMs أكثر فعالية وأداءً.