تُعد نماذج اللغات الضخمة (Large Language Models) واحدة من أكثر التقنيات تقدمًا في مجال الذكاء الاصطناعي، ولكن ما هي الآليات التي تدعم أدائها في مهام التخطيط المختلفة؟ في بحثنا الجديد، نطرح فرضية تفيد بأن الفوارق في أداء هذه النماذج لا تعود فقط إلى صعوبة المهام، بل تشير إلى وجود كفاءات تخطيطية متمايزة.

نستند في دراستنا إلى نموذج ACPBench-Hard، حيث قمنا بتقييم عدة عائلات من نماذج اللغات تحت ظروف اختبار مختلفة. من خلال تطبيق نموذج استجابة العناصر متعددة الأبعاد، اكتشفنا هيكل كفاءة خفي مرتبط بأداء التخطيط.

النتائج كشفت عن بعدين رئيسيين يؤثران على الأداء التخطيطي:
1. **الاستدلال العملياتي**: يمثل القدرة على تقييم مدى تطبيق الأفعال المحلية والانتقالات الفورية للحالة.
2. **التعداد الهيكلي**: يمثل القدرة على التفكير في إمكانية الوصول إلى الأهداف والهياكل المعلمية.

يظهر أن الاستدلال العملياتي يتحسن مع زيادة حجم النموذج وتطويل مسارات الاستدلال، في حين يبقى التعداد الهيكلي غير متأثر نسبيًا. هذه النتائج تفتح أبوابًا جديدة لفهم كفاءات التخطيط، مما يجعلنا نعيد التفكير في كيفية تقييم نماذج الذكاء الاصطناعي: بدلاً من التركيز على التقدم العام، يجب علينا معرفة أي كفاءات تخطيطية تتحسن، وما هي الظروف التي تؤثر عليها، ولماذا؟

هذه التحليلات تشير إلى أهمية إجراء تقييمات على مستوى الكفاءة، مما يقود إلى تحسينات أكثر دقة في تطوير نماذج الذكاء الاصطناعي.