تحليل مذهل: كيف تؤثر دقة المراجعين على أداء الأنظمة الذكائية في معالجة الرياضيات؟

في عصر الذكاء الاصطناعي، يعتمد عدد متزايد من الأنظمة على تصاميم هرمية تشمل أدواراً متخصصة للمراجعين، بحيث يُفترض أن وجود مرحلة مراجعة مخصصة سيساهم في تحويل المرشحين الخطأ إلى مرشحين صحيحين. ومع ذلك، جاءت نتائج دراسة جديدة لتفكك هذا الافتراض، حيث تم اختبار 4,181 مشكلة رياضية باستخدام نموذج **gpt-oss-120b**.

وجد الباحثون أن التعاون في المجموعات الصغيرة لا يحقق تحسيناً يُذكر على المستويات السهلة، بينما يبدأ الفارق بالظهور بوضوح في المستويات الأكثر صعوبة. ففي هذا النظام الأكثر تعقيداً، تتفوق النقاشات الأقرانية بأسلوب الإرسال بشكل ملحوظ في الدقة النهائية مقارنة بخط الأنابيب التقليدي الذي يتضمن المخطط، المنفذ، والمراجع (PER).

تتساءل الدراسة عما إذا كانت هذه الفجوة نتيجة لجودة المراجعين أو لأن النقد المقدم قد يغير الإجابة التالية التي يتبعها البروتوكول. وقد أظهرت النتائج أنه رغم أن دقة مراجعي نظام (PER) أعلى (0.861) من دقة نظام الإرسال (0.644)، إلا أن النقد المفيد الذي يتم التحقق منه بواسطة مقيمين يكون أقل احتمالاً لتغيير الإجابة التالية وبالتالي يحقق إصلاحات أقل.

في المجمل، تشير هذه النتائج إلى أن تقييم الأنظمة استناداً إلى دقة المراجعين فقط قد يبالغ في تقدير جودة النظام. فعلى الرغم من قدرة البروتوكول على رصد الأخطاء، قد يفشل في حل المزيد من المشكلات إذا لم يتفاعل مع تلك الانتقادات. هل يمكن للذكاء الاصطناعي أن يتطور ليكون أكثر استجابة لنقد المراجعين في المستقبل؟