في عالم الذكاء الاصطناعي، تظهر الابتكارات دائمًا بطبيعة غير متوقعة. أحدثها هو مفهوم 'نمط التفكير' (State of Thought)، وهو نهج ثوري يساعد نماذج اللغات الضخمة (LLMs) على تحسين قدرتها على التفكير الذاتي. رغم أن الطرق التقليدية كانت تعتمد بشكل كبير على التحكم الخارجي من خلال برامج تفكير ثابتة أو توسيع تكلفي في فضاءات البحث المقيدة، قدم هذا الابتكار الآلية اللازمة للتفكير بطريقة أكثر فعالية.

يعتمد 'نمط التفكير' على فكرتين رئيستين، الأولى هي استخراج حالة ديناميكية هندسية مضغوطة من نقل المعلومات الداخلية للنموذج، بينما الثانية هي استخدام وحدة تحكم تتضمن 582 معلمة على النماذج الأساسية الثابتة. هذا التوجه يتيح تفعيل الدعم للتفكير التاريخي حسب الحالة الحالية للتفكير، مما يعيد تشكيل التفكير كممارسة مشروطة بالحالة بدلاً من أن يكون مجرد سلسلة من الرموز المفروضة.

وُجد أن 'نمط التفكير' يُحسن من دقة النماذج بمعدل 1.34x في المهام الكمية و1.62x في المهام العامة و1.76x في الرموز والبرمجة، مع تقليل الرموز المولّدة بنسبة تصل إلى 62.6% وتقليل وقت الاستجابة بنسبة 44.6%. كما أظهر تحسنًا ملحوظًا في الدقة بمعدل 3.8 نقطة فوق أساليب التفكير التقليدية، مع تخفيض كبير في عدد الرموز المولّدة.

إن هذه التطورات تُعد بمثابة خطوات هائلة نحو تعزيز الأداء العام للنماذج، حيث يوفر التفكير الذاتي القائم على الحالة بديلاً عامًا وفعّالًا، مما يمهد الطريق لمزيد من التطورات المثيرة في مجال الذكاء الاصطناعي.