في عالم الذكاء الاصطناعي، تعد عملية استخراج المعرفة (Knowledge Distillation) أداة حيوية لتدريب النماذج الصغيرة على تقليد مخرجات النماذج الأكبر. ولكن ماذا يحدث عندما يفشل المعلم في توفير المعلومات بدقة؟ دراسة جديدة استكشفت هذا الجانب، حيث تقدمت بعرض محكم للعلاقة بين أداء النموذج الكبير (المعلم) والنموذج الصغير (الطالب).

تنتج هذه الدراسة من نموذج ثلاثي الأطراف، يتضمن معلم حقيقي (نموذج توليدي) ومعلم طالب، حيث يتحكم مقياس عدم التطابق في أداء النموذج. تشير النتائج إلى أن الديناميات التعليمية والخطأ الناتج في عملية استخراج المعرفة يظهران ثباتاً على الرغم من عدم التطابق، بينما يزداد الخطأ الحقيقي والفجوة بين أداء الطالب والمعلم مع زيادة عدم التطابق.

هذه النتائج تشدد على أهمية عدم الاعتماد فقط على مقاييس تقليد المعلم لتقييم فعالية عملية استخراج المعرفة. إذ أن الفجوة التي تم تحديدها كتشخيص أولي تعزز أهمية التحليل الدقيق للكفاءات التعليمية والفجوات في الأداء، مما يساعد الباحثين على فهم آلية التعلم بشكل أعمق.