في عالم الذكاء الاصطناعي، تعد نماذج اللغات الضخمة (Large Language Models) محورية في فهم كيفية معالجة المعلومات وتوجيه القرارات. ونموذج Gemma 4، الذي طورته Google، هو أحد الأمثلة المثيرة للاهتمام. كانت دراسة حديثة تهدف إلى تقييم سلوك هذا النموذج عند تقديم وثيقتين متضاربتين، تسلط الضوء على كيف يمكن أن تؤثر صياغة المصدر أكثر بكثير من ترتيب تقديم الوثائق.

أجريت الدراسة على نموذج Gemma 4 باستخدام تصميم تجريبي متوازن تماماً، حيث تم اختبار 784 حالة ضمن ثلاثة عشر مقياس سلوكي. وكانت النتائج مفاجئة، إذ وجد الباحثون أن:

1. **أهمية صياغة المصدر**: تأثير صياغة المصدر كان أقوى بكثير من تأثير ترتيب قراءة الوثائق. فعندما تتنافس المعلومات، كان لصياغة المصدر (مثل تقديمه كإرشاد رسمي أو تحديث جديد) تأثيراً أكبر على إجابة النموذج مقارنة بترتيب الوثائق.

2. **تأثير الوثيقة الأولى**: على الرغم من أن النموذج يفضل الوثيقة الأولى التي يقرأها، إلا أن هذا التفضيل متغير بشكل كبير. فقد أظهر النموذج تأثيراً يستند إلى الأولوية، مما يعني أنه يفضل البداية، ولكن قوة هذا التفضيل تختلف بناءً على كيفية صياغة العبارات.

3. **تأثير التكرار الهيكلي**: تكرار البنية العامة للمعلومات وليس عبارات قصيرة هو ما يقود التحيز المكاني. إذ وجد الباحثون أن النموذج يظهر تفضيلاً أكبر للوثيقة الأولى عندما تكون الوثيقتان متطابقتين نصياً. بينما يؤدي تغيير صياغة المعلومات بين المصدرين إلى تقليل هذا التحيز العاطفي.

تمثل هذه النتائج خطوة هامة نحو فهم كيفية عمل نماذج اللغات الضخمة، مما يمكن المطورين من تحسين أداء هذه النماذج عند التعامل مع معلومات متعددة المصادر.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!