في عالم الذكاء الاصطناعي، تعتبر نماذج التعلم اللغوي الضخمة (Large Language Models - LLMs) أدوات قوية لتحليل وفهم النصوص. لكن، هل تساءلتم يوماً عن كيفية تأثير ترتيب الإجابات المقدمة على قرارات هذه النماذج؟ دراسة حديثة أثارت الجدل، تفحص هذا السؤال بدقة.

تفاصيل الدراسة تشير إلى أن تغيير ترتيب الإجابات يمكن أن يُغير الحكم النهائي لقاضي النموذج. تعتمد الدراسة على تقييم ردود سابقة لثلاثة قضاة مختلفين باستخدام نموذج Qwen3 ونموذج Llama-3.1-8B، وتبين أن معرفة التنشيطات قبل صدور الحكم يمكن أن تتنبأ بخطورة وقوع تغيير في الحكم.

اعتمد الباحثون على تقنيات متقدمة لتحليل البيانات، حيث استخدموا طريقة تحقق متداخلة لمجموعة البيانات JudgeBench والتي تُعتبر بمثابة معيار لتقييم أداء القضاة. الأنظمة المستخدمة حققت نتائج تتراوح بين 0.621 و0.850 من حيث القدرة على التنبؤ، متفوقةً بذلك على أساليب أخرى كانت تعتمد على الثقة اللفظية وطول الردود.

تُظهر النتائج المثيرة للدراسة أن استخدام التنشيطات قبل الحكم يُعزز من دقة التنبؤ بتغيير الحكم، ما يفتح آفاق جديدة لفهم كيفية عمل نماذج الذكاء الاصطناعي وكيفية تحسين قراراتها. باختصار، هذه الدراسة تُقدم رؤى ثاقبة حول دور ترتيب المعلومات في صنع القرار في النماذج اللغوية.

هل أنتم متحمسون لمعرفة المزيد حول كيفية تأثير ترتيب الإجابات على قرارات نماذج الذكاء الاصطناعي؟ شاركونا في التعليقات!