في ظل التطورات المتسارعة في عالم الذكاء الاصطناعي، تبرز وكالات البحث المعتمدة على نماذج اللغات الضخمة (Large Language Models) كأداة قوية يمكن أن تُحدث تغييرًا جذريًا في طريقة استجابتنا للمعلومات. ولكن هل تساءلت يومًا كيف يتم التحكم في الميزانية أثناء هذه العمليات؟

تمثل الموازنة بين استخدام الأدوات المختلفة والدقة في الإجابات تحديًا كبيرًا لهذه الوكالات، حيث تستند النتائج إلى قيود صارمة تشمل عدد استدعاءات الأدوات والرموز المُولَّدة. وقد أظهرت الأبحاث أنه لتحسين جودة الإجابات، ليس كافيًا فقط وجود نماذج أقوى، بل يجب أيضًا التحكم بوضوح في أي إجراء بحثي يستحق تخصيص وحدة ميزانية معينة متى يجب الاعتماد على الأدلة المتراكمة لاتخاذ قرار نهائي.

استعرضت الدراسة الحالية مشكلة الاعتماد المتعدد في الإجابات، مع التركيز على التحكم في ميزانية وقت الاستدلال من خلال منهجية مُبتكرة تتكون من مرحلتين. في المرحلة الأولى، يقوم الجهاز المُتَحَكم بتقدير قيمة المعلومات المستندة على كل إجراء محتمل لتحديد أي الأساليب من الاسترجاع، أو تفكيك السؤال، أو تأكيد الإجابة يجب تبنيها وفق الميزانية المُتاحة.

وفي المرحلة الثانية، تقوم عملية الاختيار الذكية بمقارنة الإجابات المتوقعة مع المرشحين المُعدَلة، وتعيد تقييم الإجابة النهائية فقط عندما تكون الأخطاء المتبقية غير خطرة.

أظهرت التجارب أن هذا النهج الجديد في التحكم في ميزانية وقت الاستدلال يُحقق تحسينات ملحوظة عبر أربع معايير رئيسية، حيث تفوقت الطريقة الجديدة على أربع سُبل تقليدية بنفس قيود الميزانية. ولاحظ الباحثون أن التحكم في ميزانية وقت البحث، وخصوصًا الجزاء المعتمد على الميزانية، كان له تأثير كبير على تحسين الأداء، بينما يساعد التحكم في وقت الإجابة عندما تكون المسار الاسترجاعي بالفعل كافيًا.

تؤكد النتائج على ضرورة أن يتحكم الذكاء الاصطناعي في كيفية إنفاق الميزانية أثناء البحث وكيفية الالتزام بالإجابة النهائية، مما يمهد الطريق لتطبيقات أكثر دقة وكفاءة في المستقبل.