عندما تصبح الأفكار مؤلمة: إشارات معرفية في سلاسل تفكير نماذج اللغة المرئية

في عالم الذكاء الاصطناعي المتطور، تبرز نماذج اللغة المرئية (Visual Language Models) كأدوات قوية لتحليل البيانات وتوليد النصوص. لكن كيف تقيس هذه النماذج دقة إجاباتها في ظل الضغوط المعرفية؟

في دراسة جديدة، تم تسليط الضوء على سلوك انتروبيا الإجابات في نماذج التفكير باستخدام الاختبارات التجريبية. تم استخدام أربعة نماذج على عينات عدائية متطابقة، وكشفت النتائج عن ثلاثة أنماط متميزة. حيث أظهر نموذج Qwen3-VL-8B-Thinking انهيارًا كاملاً؛ بينما أظهر نموذج GLM-4.1V-9B-Thinking استقرارًا ملحوظًا. أما نموذج InternVL3-8B فقد أظهر تفكيراً انتقائياً بنسبة 50% من العينات.

تظهر الدراسة أن انتروبيا سلاسل التفكير تعطي أداءً أفضل من انتروبيا الإجابات في معظم الحالات، مما يشير إلى أن إشارات السلسلة قد تكون المؤشر الأكثر موثوقية خلال تحليلات النماذج. هذه النتائج تم تأكيدها في تجربة إضافية ب300 عينة من أسئلة VQAv2، حيث تفوقت انتروبيا السلسلة بشكل ملحوظ.

كذلك، تم توثيق امتناع منظم يؤثر على 12-22% من الاستفسارات، مع تمييز نحو استفسارات الأجسام الغائبة، حيث رفع بوابة الامتناع الدقة من 71.0% إلى 93.8% بدون تكاليف استنتاج إضافية. هذه الدراسة تفتح آفاقًا جديدة لفهم كيف يمكن تعزيز أداء نماذج اللغة المرئية في مجالات متعددة.