أصدرت دراسة جديدة نتائج مثيرة حول استراتيجيات التدريب المستخدمة في نماذج الذكاء الاصطناعي، حيث تم التسليط الضوء على أسلوب جديد يدعى "التحليل التالي الموجه بواسطة التعزيز" (next-chunk reasoning RL)، الذي يعتمد على البيانات غير المميزة بسلاسل التفكير (no-CoT data). يحتوي هذا الأسلوب على مجموعة بيانات غنية بمحتوى التفكر، ولكنه يفتقر إلى توضيحات مفصلة لسلاسل التفكير.

تهدف هذه الطريقة إلى تدريب النموذج على توليد آثار تفكير ضمنية، حيث يتم مكافأتها بناءً على قدرتها على التنبؤ بالشريحة التالية من النص. وعلى الرغم من وعودها، كانت التقييمات الحالية تركز في الغالب على مقارنة الأسلوب الجديد بمعايير التعليم الإشرافي التقليدي، مما ي raises السؤال: هل تأتي التحسينات من صياغة التعليم المعزز نفسها، أم من إمكانية التعرض الأكثر فعالية للبيانات غير المميزة بسلاسل التفكير؟

لتناول هذا السؤال، تم إجراء دراسة خاضعة للرقابة تقارن بين "التحليل التالي الموجه بواسطة التعزيز" وبديل بسيط لكنه غالباً ما يتم تجاهله: "التعليم المختلط" (Mixed SFT). يقوم هذا المنهج على تدريب مشترك للبيانات غير المميزة بسلاسل التفكير والبيانات الطويلة المعقدة.

على الرغم من بساطته، أظهرت نتائج التعليم المختلط سقف أداء أعلى بكثير بعد مرحلة التعزيز مقارنة بأسلوب التحليل التالي، مع الحاجة إلى أكثر من 60 مرة أقل من موارد التدريب. كما كانت هذه الميزة متسقة عبر مهام التفكر الرياضي داخل وخارج المجال. بصفة عامة، توضح هذه الدراسة أن الدقة العالية قبل مرحلة التعزيز لا تعني بالضرورة دقة أعلى بعدها، مما يبرز الحاجة إلى تقييم استراتيجيات تدريب البيانات غير المميزة في سياق العمليات الكاملة ما بعد التدريب.