بالرغم من أن الكثيرين يعتبرون أن التعلم المعزز (Reinforcement Learning) قد يزيد من قدرة الاستدلال على حساب المعرفة الواقعية، إلا أن نتائج الأبحاث الحديثة تشير إلى عكس ذلك تمامًا. إذ تُظهر الدراسات أن النماذج التي تعتمد على الاستدلال تؤدي أداءً أفضل في استرجاع المعرفة الواقعية مقارنةً بنظيراتها المدربة على التعليمات.

تتمثل المفاجأة في أن التوجيه الهيكلي، الذي يتيح للنماذج التنقل عبر معرفتها بشكل أكثر فعالية، يمكن أن يُعيد بعض الفجوات المعرفية التي تم اكتشافها، مما يُظهر أن المعرفة المفقودة غالبًا ما تكون موجودة بشكل كامد بدلاً من كونها غائبة كليًا. وعبر خمس عائلات نماذج، أثبتت التجارب المعتمدة على التعلم المعزز أن التدريب على الحقائق الغير مرئية والمحجوبة يعزز من استرجاع المعلومات، مما يعني أن النموذج يتعلم استرجاع معلومات جديدة لم يكن قادرًا على الوصول إليها سابقًا.

تكمن القوة وراء هذه النتائج في الاستكشاف المستمر الذي يقدمه التعلم المعزز، حيث يُعزي تحسين استرجاع المعرفة هذا الإبداع إلى تمكين النماذج من التنقل في البيانات بدلاً من زيادة معلوماتها فقط. من الواضح أن تحسين استرجاع المعرفة في نماذج اللغات الضخمة يتطلب نهجًا متكاملاً يجمع بين توسيع المعرفة وتعليم النماذج كيف تتنقل خلالها.

في الختام، تفتح هذه النتائج الباب أمام أساليب جديدة ما بعد التدريب تهدف إلى تحسين عملية التنقل في المعرفة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.