في ظل التطورات السريعة في مجال الذكاء الاصطناعي، أصبح من الضروري تقييم الأساليب المستخدمة في صنع القرار. قامت دراسة جديدة بتقديم تقييم مبتكر لنماذج القرار السريعة (System-1) التي تمكن الوكلاء من اتخاذ قرارات فعالة خلال مهامهم. تعتمد هذه النماذج على اتخاذ مجموعة من القرارات الصغيرة والسريعة لكل مهمة، مثل اختيار النموذج أو الأداة المناسبة والتأكد من مدى ملاءمة المحتوى المسترجع.

تمت المقارنة بين نموذجين، الأول هو نموذج مفتوح (Laya) والثاني مُستضاف (Jev)، على 11 نقطة قرار تم تجميعها من 18 مصدرًا عامًا. شملت البيانات 7283 حالة أساسية بالإضافة إلى 6640 متغيرات للتحقق من المتانة. النتائج أظهرت أن نموذج Jev كان الأكثر دقة في 9 من أصل 11 نقطة قرار، مما يحقق زيادة تتراوح بين 10.8 إلى 46.0 نقطة مئوية.

ومع ذلك، أظهرت المجموعة كلها أن أيّ نموذج لم يتفوق على الصدفة في توجيه النموذج بدون أي تدريب مسبق، بينما تعادلت النتائج عند فحص دقة عبارات العبارات المسترجعة (RAG). كان نموذج Laya حساسًا لتغييرات ترتيب الخيارات، حيث غيّر 30% من إجاباتهم عند عكس ترتيب الخيارات.

كما قام الباحثون بتدقيق عملياتهم، وكشفوا عن ثلاثة أخطاء تحليل وتصميم واحدة أثرت على النتائج الإيجابية. يشير هذا إلى أهمية التدقيق المستمر لضمان دقة ودلالة النتائج.

توضح هذه الدراسة أهمية نماذج القرار السريعة في تحسين الكفاءة، لكنها تؤكد أيضًا على الحاجة لتصحيح الأخطاء لضمان النتائج الصحيحة. للمزيد من التفاصيل يمكنك زيارة GitHub. ما رأيكم في هذه التقنيات الجديدة وتأثيرها على الذكاء الاصطناعي؟ شاركونا في التعليقات.