في عالم الذكاء الاصطناعي، تمثل النماذج الكبيرة للتفكير (Large Reasoning Models) قفزة نوعية في معالجة المهام المعقدة. ومع ذلك، كشفت دراسة جديدة أن هذه النماذج قد تتعرض لمشكلة "التفكير غير المنضبط"، حيث تتحول عمليات التفكير إلى دوائر مغلقة من التكرار والفشل في التقييم.

تعتمد الدراسة التي تم نشرها على نظام تحليل جديد يسمى "تحليل حالة التفكير عبر استجابات الانتباه الديناميكية" (Reasoning-state Analysis via Dynamic Attention Responses - RADAR) والذي يحدد حالة التفكير الحالية في الوقت الحقيقي. تتبع RADAR أربعة مراحل من توليد الأفكار، مما يسهل فهم العلاقة بين التفكير الفعال والتحولات نحو التفكير غير المنضبط.

تشير النتائج إلى أن توزيع الانتباه يتغير بشكل ملحوظ في حالات التفكير غير المنضبط، مما يؤدي إلى زيادة في تكاليف الاستنتاج ومخاطر استنزاف الموارد. كما تبين أنه يمكن الكشف عن هذه الاتجاهات غير الطبيعية قبل ظهور التكرارات، مما يتيح فرصة لتصحيح التوجهات غير النمطية.

من خلال إعادة توجيه الانتباه نحو الأنماط الطبيعية، استطاعت الدراسة تقليل التكرار بشكل فعال مع الحفاظ على أداء الأفكار السليمة. تقدم هذه الأبحاث إطارًا ميكانيكيًا لفهم كيفية تحول عمليات التفكير، وتفتح آفاقًا جديدة لتطوير تدابير تدخلية تستهدف فترات الفشل الحرجة في النماذج.