في عالم الذكاء الاصطناعي، يلعب النموذج الاستدلالي الكبير (Large Reasoning Models) دورًا محوريًا، ولكنه غالبًا ما يتعرض لإنتاج إجابات متنوعة ومتباينة عبر الاستفسارات المتكررة لنفس المشكلة. لذا، أصبح من الضروري وجود استدلال متعدد العينات لتحسين موثوقية النماذج عند نشرها في التطبيقات العملية.

نقدم لكم تقنية 'فوهة الأفكار' (Funnel of Thoughts) التي تُعد طفرة في مجال الاستدلال في الوقت الحالي. تعتمد هذه التقنية على طريقة جديدة للحفاظ على دقة التصويت عند 32 مسارًا مع تقليص استهلاك الموارد الحاسوبية بنسبة تصل إلى 28.8% في تكلفة الاستدلال. كما أظهرت الأبحاث التي أُجريت على 115,000 مسار استدلال من ستة نماذج أن المسارات غير المنتجة تتضح غالبًا من خلال علامات تردد مثل "انتظر" و"في الحقيقة" و"ربما"، مما يؤشر إلى عدم قدرتها على الوصول إلى الإجابة الصحيحة.

من خلال استخدام هذه العلامات اللغوية، تمكنت تقنية فوهة الأفكار من تحديد المفردات التي تُظهر هذه الأنماط المُعَطلة وتقوم بتقليص المسارات المتأثرة قبل الانتهاء، مما يؤدي إلى تقليل استهلاك الموارد بنسبة 56.1% والوقت اللازم لتنفيذ العملية بنسبة 37.6% بدون الحاجة إلى أي تعديلات إضافية على النموذج.

بفضل هذه التقنية، يمكن نقل الإشارات دون حاجة للضبط مرة أخرى عبر هياكل محتفظ بها والمهمات الخاصة بالخارج. هذه النتائج تسلط الضوء على الابتكار المستمر في مجال نماذج الذكاء الاصطناعي وتفتح الأبواب أمام تطبيقات مستقبلية أكثر كفاءة. كيف ترى تأثير هذه التقنية على مستقبل الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات.