في عالم الذكاء الاصطناعي، لا يتوقف البحث والتطوير عن تقديم مفاجآت جديدة، وآخرها تقنية التحسين الذاتي في وقت الاختبار التي تعد بخطوة نوعية في تحسين استنتاجات نماذج اللغات الضخمة (Large Language Models). في دراسة نشرت على arXiv، تم طرح طريقة جديدة تُعرف بإطار تحسين العرض والتحسين، والذي يهدف إلى تغيير الطريقة التي تتفاعل بها هذه النماذج مع البيانات.

التقليد السابق كان يعتمد بشكل أساسي على زيادات في حجم العينة مما يؤدي إلى نتائج متكررة دون إضافة تنوع فعلي في التفكير. ولكن هذه التقنية الجديدة تتجاوز ذلك. تستخدم المنهجية المعتمدة على الإصلاح الذاتي لتحسين العروض المرشحة عن طريق إجراء تقييم ذاتي وتصحيح داخلي.

فكيف تعمل هذه التقنية؟ يعتمد إطار العمل الجديد على خلق نماذج تفكير مستقلة متعددة تتمتع بقدرة على النقد الذاتي، حيث يتم تقييم كل عرض ومعالجة الأخطاء المحلية قبل الوصول إلى النتيجة النهائية عن طريق تصويت الأغلبية. هذه الطريقة لا تأخذ فقط في الاعتبار التنوع ولكن تعزز جودة نتائج الذكاء الاصطناعي بشكل كبير.

وفقًا للدراسة، نجحت الطريقة في تحقيق زيادة ملحوظة في الدقة عبر مجموعة من النماذج، حيث حققت دقة تصل إلى 58.0% على مجموعة MATH500 و32.5% على مجموعة AMC، مما يدل على أن تخصيص قوة المعالجة في وقت الاختبار لتصحيح المسارات المختارة قد يكون أكثر فعالية من مجرد زيادة عدد المرشحين.

إذا كنت مهتمًا بمستقبل الذكاء الاصطناعي ومعرفة كيف يُمكن استخدام هذه التقنيات بشكل أكبر، لا تتردد في طرح سؤالك أو رأيك في التعليقات أدناه.