في خطوة رائدة في عالم الذكاء الاصطناعي، كشفت مجموعة من الباحثين عن تقنية جديدة تُعرف باسم EchoCoT، التي تمكّن من استخراج سلاسل التفكير المخفية (Chain-of-Thought) من نماذج التفكير الضخمة (Large Reasoning Models).

تعتبر سلاسل التفكير المخفية، خصوصًا تلك الناتجة عن نماذج تفكير متقدمة، أصولًا قيمة للطرازات. ورغم ذلك، فإن إمكانية استخراج هذه السلاسل المخفية من نماذج "الصندوق الأسود" لا تزال غير مستكشَفة إلى حد كبير.

في هذا البحث، يتم دراسة إمكانية استخراج سلاسل التفكير المخفية بدقة قريبة من النص من نماذج التفكير الضخمة باستخدام تفاعلات واجهة برمجة التطبيقات (API). وقد تم التعرف على سطح تكرار التفكير المنسي بين استدعاءات الأداة، مما مهد الطريق لتطوير EchoCoT، وهو هجوم متعدد الخطوات يقوم بشكل منهجي باستخراج هذه السلاسل.

حيث نجحت تقنية EchoCoT في تحقيق نسبة نجاح تصل إلى 66.4% في استخراج السلاسل بدقة تصل إلى 90% من تطابق الرموز المستخدمة. ولم تقتصر هذه التقنية على النماذج مفتوحة المصدر، بل امتدت لتشمل خمسة نماذج تفكير ضخمة خاصة، حيث أظهرت النتائج توافقًا ملحوظًا مع الأطوال المعتمدة من قبل مقدمي الخدمة.

من الجدير بالذكر أن EchoCoT قادرة على استخراج سلاسل تفكير طويلة، كما يتضح من استخراج 33,463 رمز من نموذج Gemini-2.5 الذي يحتوي على 32,948 رمز.

تؤكد هذه الدراسات على ضرورة حماية سلاسل التفكير المخفية كأصول قيمة ومخاطر الأمان التي تنطوي عليها عمليات الاستخراج هذه. كيف ستؤثر هذه التقنية على مستقبل الأمان في عالم الذكاء الاصطناعي؟