في دراسة جديدة مثيرة، تم استكشاف كيفية تعزيز أنظمة متعددة الوكلاء (MAS) من خلال نماذج اللغات الضخمة (LLMs) وتفاعلاتها المعقدة. أظهرت الأبحاث أن الأنظمة أحيانًا تمتلك القدرة على تقديم الإجابات الصحيحة، لكنها قد تتجاوزها لتقديم إجابات خاطئة. السبب وراء هذه الظاهرة كان معقدًا، حيث تتداخل توليد الإجابات والتواصل واختيار الإجابة النهائية بشكل متزامن.

تناول فريق البحث المفاهيم الأساسية لعملية التفكير في أنظمة متعددة الوكلاء كمجموعة متطورة من توليد المرشحين، والتواصل بين الأقران، واختيار الإجابات النهائية، حيث يمكن للفهم العام أن يتحول إلى أنماط من الانجراف الميمي (memetic drift).

ركزت الدراسة على سؤالين رئيسيين: الأول يتعلق بمدى كفاءة نموذج اللغة الضخم (LLM) في تقديم ضغط تخيير فعال من خلال إعطاء إشارات حول صحة الإجابات التي تم توليدها في تجربة متعددة الوكلاء، والثاني حول ما إذا كان استخدام هذه الإشارات يعزز الدقة في التقارير النهائية.

لتحقيق ذلك، قام الباحثون بتحليل 15,336 سؤالًا مختلفًا من عدة مجموعات بيانات، مثل MMLU-Pro وGPQA وMedXpertQA، مع تحليلات خاصة لاختبار "آخر امتحان للإنسانية". كما قارنوا 81,390 مجموعة مرشحين ثابتة تم جمعها من 16,278 سؤالًا عبر خمسة معايير.

أظهرت النتائج ثلاث ملاحظات رئيسية: (1) الإجابة الصحيحة غالبًا ما تكون موجودة ضمن المرشحين المولدين، لكن النظام قد ينتهي بتقرير إجابة خاطئة؛ (2) موثوقية القاضي ليست سمة ثابتة للنموذج، بل تتفاوت حسب المهمة والمولد ونوعية الإجابة الصحيحة؛ (3) الجمع بين تكرار الإجابة وتقييم القاضي أدى إلى تغيير في قاعدة اختيار الإجابة النهائية، مما زاد الدقة من 63.82% إلى ما بين 70.82-70.95%، وذلك بشكل رئيسي عبر إنقاذ الإجابات الصحيحة التي كانت تعاني من زيادة الأخطاء الشائعة.

تشير هذه النتائج إلى أن قيمة توليد المزيد من المرشحين تعتمد على ما إذا كانت العينات الإضافية تجعل الإجابات الصحيحة حاضرة أو متكررة أو قابلة للتعرف. من خلال عزل عملية التوليد والاعتراف والاختيار، توفر هذه الدراسة أساسًا تشخيصيًا مصممًا لبناء هياكل متعددة الوكلاء تحمي الإجابات الصحيحة المولدة من الفقدان.