تُعاني العديد من أنظمة تقييم الذكاء الاصطناعي الحالية من قيود ملحوظة، حيث تتسم المعايير التقليدية بالثبات، مما يؤدي إلى تشبعها وتعرضها للتلوث. بينما تعتمد التقييمات المستندة إلى التفضيلات على أحكام ذاتية قد تكون مشكوكاً في دقتها. هنا، نبرز أهمية جانب محوري من الذكاء: القدرة على تحديد المعلومات التي يجب الحصول عليها وكيفية استخدامها بفعالية.

نقدم اليوم **المعايير التفاعلية (Interactive Benchmarks)**، وهي إطار عمل موحد لتقييم قدرة النماذج على الاستدلال من خلال التفاعل المتعدد الجولات مع قيود معتمدة على الميزانية. تشمل الدراسة تقييم النماذج في إطارين رئيسيين: البُرهان التفاعلي (Interactive Proofs)، حيث تتفاعل النماذج مع حكم لحل مهام المنطق، وتحويل الواجهة إلى HTML، والرياضيات بناءً على ردود موضوعية؛ وكذلك الألعاب التفاعلية (Interactive Games)، حيث تبرهن النماذج استراتيجياً على قدرتها في تحقيق المنافع على المدى الطويل.

تظهر النتائج أن المعايير التفاعلية تقدم تقييمًا أكثر دقة وموثوقية لهذا البعد من الذكاء، مُظهرةً أن هناك مجالًا واسعًا للتحسين في هذه السيناريوهات التفاعلية. إن اعتماد هذا النوع من التقييم قد يحدث ثورة في كيفية قياس قدرات النماذج الاصطناعية، مما يساهم في تطوير تكنولوجيا أكثر ذكاءً وفاعلية.

لنلق نظرة على هذا التطور المثير في عالم الذكاء الاصطناعي.