تواجه نماذج اللغات الضخمة (LLMs) تحديات كبيرة في تقديم إجابات موثوقة في المهام التي تتطلب تفكيراً عميقاً. البحث الأخير يسلط الضوء على أداة جديدة تدعى التعلم المعزز من التغذية الراجعة الذاتية (RLSF)، والتي تعد بتحسين أداء هذه النماذج بشكل كبير.

كما يؤكد البحث، فإن تجربة مسارات التفكير المتسلسل (CoT) يمكن أن تسهم في تحسين ثقة النموذج المتعلق بالمخرجات. من خلال تعديل عملية فك التشفير، يمكن استكشاف المسارات المنطقية لهذه النماذج بسهولة. بالإضافة إلى ذلك، تطبق طريقة RLSF أسلوباً جديداً يعتمد على استخدام الثقة الذاتية للموذج كمكافأة ذاتية تولد أثناء مرحلة ما بعد التدريب.

يعمل هذا النظام على توليد عدة مسارات لفك التشفير عبر نموذج لغوي ثابت، حيث يُقاس مستوى الثقة لكل إجابة نهائية ويتم ترتيب النتائج وفقاً لذلك. يُستخدم هذا الترتيب لتعديل السياسات الضرورية دون الحاجة إلى بيانات بشرية أو إجابات ذهبية.

ميزة هذا الأسلوب تكمن في أنه يقوم بتدقيق تقديرات احتمالية النموذج، مما يستعيد لها دقة جيدة، ويقوي من القدرة على التفكير خطوة بخطوة. تظهر النتائج أن الاستفادة من قدرات التفكير الحالية للنموذج تعزز من موثوقية التصريحات دون الحاجة إلى هندسة موجهة يدويًا أو إشراف خارجي.

من الرائع مشاهدة كيف يمكن الاعتماد على سلوك النموذج الذاتي كمكون رئيسي في تحسين أدائه. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!