محور الحبيبية: كيف تعزز نماذج اللغة الكبيرة تفهم الأدوار الاجتماعية من الفرد إلى المؤسسات؟

تستمر نماذج اللغة الكبيرة (Large Language Models - LLMs) في الارتقاء بمستوى فهمها للأدوار الاجتماعية التي تتراوح بين الأفراد والمؤسسات. ولكن، كيف تتمكن هذه النماذج من تمثيل ذلك بصورة دقيقة؟ هذا ما يكشفه البحث الجديد الذي يعرض مفهوم "محور الحبيبية"، والذي يعد نقطة تحول في كيفية تشكيل النماذج لتفاعلاتها الاجتماعية. يوضح الباحثون أن الفروق بين حالات الدور الفردية والموسعة ليست مجرد ميزات سطحية بل هي اتجاهات متسقة وقابلة للتلاعب في سلوك نماذج اللغة.

تم بناء محور حبيبية يستند إلى الفروقات بين المتوسطات لدور الأفراد والدور المؤسساتي. في نموذج Qwen3-8B، يتماشى هذا المحور بشكل مثير مع المحور الرئيسي للتعبيرات. حيث يمثل هذا المحور 52.6% من التباين، مما يعني أن الحبيبية هي المحور الجيومتري الرئيسي الذي ينظم الأدوار الاجتماعية التي تم توجيهها.

قام الباحثون باستكشاف 75 دورًا اجتماعيًا عبر خمس مستويات من الحبيبية، وجمعوا 91,200 استجابة مشروطة على الأدوار من خلال مجموعة من الأسئلة المتنوعة. النتائج كانت واعدة، إذ تظهر استجابات مستقرة ومتناسقة عبر جميع المستويات، مما يدل على أن فعالية هذا المحور يتجاوز النماذج الفردية.

بالإضافة إلى ذلك، يبرز البحث كيف أن تنشيط هذا المحور يحرك دقة الاستجابة في الاتجاه المرغوب، مما يفتح أمامنا أسئلة جديدة تتعلق بإمكانيات توجيه الاستجابات الاجتماعية. على سبيل المثال، انتقال نموذج Llama من نتيجة 2.00 إلى 3.17 على مقياس حبيبي يعد تقدمًا ملموسًا.

باختصار، تؤكد هذه الدراسة أن فهم الحبيبية للأدوار الاجتماعية هو أكثر من مجرد خاصية بسيطة؛ إنها هيكل منظم يمكن التحكم فيه، مما يجعل نماذج اللغة أكثر قدرتها على التعبير عن التعقيدات البشرية. لذا، كيف يمكن أن تغير هذه النتائج من مستقبل الذكاء الاصطناعي في إدراكه للأدوار الاجتماعية؟ شاركونا برأيك في التعليقات.