في ظل التسارع السريع في تطور تقنيات الذكاء الاصطناعي، تبرز الحاجة لفهم كيفية أداء هذه الأنظمة ضمن أوضاع واقعية وضغوط حوارية مستمرة. أحدثت دراسة جديدة تُعرف باسم "Just Keep Prompting" (JKP) ثورة في فهم أداء نماذج الرؤية واللغة (Vision-Language Models)

تتطرق JKP إلى كيفية معالجة هذه النماذج للأسئلة المتكررة أو المناقشات التي تضعها في موضع تحدي. من خلال ثلاث استراتيجيات محورية، تتمثل في:
1. **الرفض المعاكس (Adversarial Negation)**: حيث يتم رفض الإجابات مرارًا وتكرارًا.
2. **التحقيق السقراطي البحت (Pure Socratic Interrogation)**: حيث يُطلب من النماذج إعادة تقييم يقينها.
3. **التلخيص السقراطي المدروس (Context-Aware Socratic Summarization)**: والذي يعيد تقديم الحجج السابقة للنموذج قبل السؤال عن إعادة النظر.

اختبرت الدراسة نماذج متقدمة مثل **GPT-4o** و**Gemini 2.5 Pro** و**Qwen3-VL-30B** عبر 720 جولة متعددة الأدوار على مجموعة بيانات STAR المعيارية. ورغم أن دقة الإجابات تظهر تغييرات طفيفة عند الانتقال من الدورة 0 إلى الدورة 10، إلا أن التحليل على مستوى الاتجاهات يكشف عن عدم الاستقرار الكبير: حيث تتلاشى الإجابات الصحيحة، بينما تنتعش إجابات غير صحيحة، مع ملاحظات متكررة للتقلب في الإجابات.

تشير النتائج إلى أن التحديات المتكررة قد تكون عامل عدم استقرار بدلاً من دعم القدرة على التفكير، حيث تختلف الآثار بشكل ملحوظ بين الأنواع المختلفة من النماذج. على سبيل المثال، يُظهر **Qwen3-VL-30B** أعلى مستوى من الدقة النهائية ولكن يصبح واثقًا بشكل خاطئ عند مواجهة تعارض مباشر. بينما يتميز **Gemini 2.5 Pro** بالاستقرار لكنه مكلف من حيث الموارد، بينما يظهر **GPT-4o** كأكثر نماذج غير مستقرة وتقلبًا.

هذا الاكتشاف يسلط الضوء على أهمية تقييم الأداء تحت ضغط التحدي، مما يمكننا من فهم كيف تتفاعل هذه النماذج مع المعطيات البصرية والتوافق الحواري أثناء الضغوط. هل ستكون هذه النتائج دليلاً على ما يمكن توقعه من الذكاء الاصطناعي في المستقبل؟