ثورة النماذج اللغوية: كيف تعزز تنوع المسارات عقول الآلات في التفكير المنطقي؟

في خطوة جديدة تعكس تطور الذكاء الاصطناعي، تتناول دراسة حديثة مسألة التفكير المتعدد المسارات (Multi-path reasoning) في النماذج اللغوية الضخمة (Large Language Models)، موضحة كيف يمكن لتنويع المعطيات أن يلعب دوراً حاسماً في تحسين دقة الاستدلالات.

تستخدم هذه الأساليب، مثل طريقة الاستمرارية الذاتية (Self-Consistency)، استراتيجيات جديدة لاختيار أفضل إجابة من بين عدة مسارات تفكير، لكن كما تظهر الأبحاث، فإن الفوائد تتناقص سريعاً مع زيادة عدد المسارات. ولمعالجة هذه المشكلة، أجرى فريق البحث تحليلاً على شكل تنوع يجمع بين مسارات التفكير، مستلهمين من مفاهيم الاتصالات اللاسلكية حيث يمثل كل مسار ملاحظة محدودة من قناة ضوضائية.

من خلال تحليل جداول خاصة (Generalized Least Squares) حول قابلية الاستبدال، اتضح أن الجمع التماثلي المثالي لمكونات التركيب الخفي يجب أن يكون موحداً، مما يدعم فكرة التصويت بالأغلبية كخيار افتراضي منطقي، ما يجعل الباحثين يُفكِّرون في إمكانية وزن أو تقليم بعض العناصر بناءً على تنوع نماذج العينة.

وسعت الدراسة لتغطي 5 نماذج و12 معياراً، حيث أظهر تنوع القوالب المستخدمة تقليلاً في علاقة المسارات (Path Correlation) في 55 من 57 خلية مختبرة، وكان التأثير الأبرز في مجالات الأسئلة المفتوحة (Open-ended QA).

تم تطوير قاعدة Adaptive-K التي تعتمد على اختبار رباعي المسارات لاختيار عدد المسارات المثالي (K^*)، محققة دقة تتراوح بين 96% و103% من دقة التصويت المجتمعي عند عدد 32 مسار، مما يفتح أبواباً جديدة لفهم كيفية تحسين أداء النماذج اللغوية في المستقبل.