في عالم اليوم الذكي، تلعب نماذج اللغة الكبيرة (LLMs) دورًا متزايد الأهمية في اتخاذ القرارات الحيوية. ولكن كما نعلم، فإن الاعتماد على هذه النماذج يتطلب القدرة على التعامل مع التعليمات المتضاربة من مصادر متعددة بطريقة موثوقة. هنا تأتي أهمية تسلسل التعليمات، حيث يصبح من الضروري أن تكون التعليمات العليا قادرة على تجاوز الطلبات ذات الأولوية الأدنى.

تقدم هذه الدراسة الجديدة نموذجًا مبتكرًا لحل تسلسل التعليمات، حيث يُعتبر هذا كمهمة تفكير يتطلب من النموذج التفكير في العلاقة بين ما يطلبه المستخدم وبين التعليمات العليا. لتحقيق هذا، تم تطوير مجموعة بيانات جديدة تُعرف باسم VerIH، والتي تتضمن مهام تتبع القيود مع إجابات يمكن التحقق منها. تشمل هذه المهام تعليمات متوافقة وأخرى متعارضة بين النظام والمستخدم.

أظهرت النتائج أن استخدام التعلم المعزز بطريقة خفيفة مع VerIH يعزز بشكل فعال قدرات النماذج على تفضيل التعليمات، مع تحقيق تحسينات تصل إلى 20% في إعدادات النزاع. بالإضافة إلى ذلك، أدى هذا المنهج إلى تحسين الأمان في سيناريوهات حاسمة، حيث تم تقليل معدلات نجاح الهجمات إلى 20% من خلال زيادة الصمود ضد الاختراقات والتلاعب في التعليمات.

تؤكد هذه النتائج على أهمية التفكير في تسلسل التعليمات كآلية عملية لتحسين موثوقية الذكاء الاصطناعي، مما يسهل الوصول إلى تغييرات متوقعة وقابلة للتحكم في سلوك النموذج.