استكشاف تأثير أنواع الشرح على التعلم في السياق: دراسة مقارنة مثيرة!

في عالم الذكاء الاصطناعي، تُعتبر الشروحات اللغوية الطبيعية (Natural Language Explanations - NLEs) إحدى الأدوات الأساسية لتعزيز فعالية نماذج التعلم في السياق (In-Context Learning - ICL). ومع تزايد الاعتماد على هذه الشروحات كمداخل للتأثير في سلوك النماذج، يتساءل الباحثون: كيف تُقارن تأثيرات أنواع مختلفة من الشروحات على الأداء اللاحق للنماذج؟

لذا، أجرى فريق من الباحثين دراسة مقارنة شاملة عبر ستة معايير وأربعة نماذج مُعدلة وفق التعليمات. وقد وجدت النتائج أن إضافة الشروحات اللغوية الطبيعية إلى المداخل القليلة (few-shot prompts) غالباً ما تُحسن من دقة الأداء مقارنةً بالمداخل التي تفتقر إلى الشروحات. وتشير النتائج إلى أن الشروحات المُولدة من نماذج لغوية خارجية تمثل مصدرًا قويًا للفعالية، إذ تتنافس بجدارة مع الشروحات المرسومة من قبل البشر.

ومع ذلك، تُظهر النتائج كذلك أن الشروحات الذاتية (self-NLEs) تظل حساسة لاستراتيجية الاختيار المُعتمدة، مما يعني أن الطريقة التي تُستخدم بها هذه الشروحات قد تؤثر بشكل كبير على الأداء. في بعض الحالات، أظهرت الاختبارات المتعلقة بالمنطق الرياضي نتائج تعتمد على النموذج ومصدر الشرح المُستخدم.

وعلى الرغم من أن الاختيار المعتمد على التزام بمصداقية الشروحات الذاتية يُظهر مكاسب بسيطة بشكل عام، فإن تأثيره يمكن أن يختلف اعتمادًا على المقياس والمهمة والنموذج ذاته. تُعتبر هذه النتائج مؤشرات مهمة لمطوري الذكاء الاصطناعي في كيفية اختيار وتقديم الشروحات التي يمكن أن تؤثر بشكل كبير في سلوك النماذج باستخدام تدفقات العمل العملية.