في عالم الذكاء الاصطناعي، تلعب نبرة الأسئلة التي تُطرح على نماذج اللغة الكبيرة (Large Language Models) دورًا حيويًا ليس فقط في جودة الإجابات، بل أيضًا في تكلفة الاستدلال المرتبطة بها. في دراسة نُشرت مؤخراً، تم إجراء تجارب على مجموعة بيانات مكونة من 570 سؤالًا، تم تصميمها لتظهر تأثير استخدام سبع نبرات مختلفة، تتراوح من الإطراء إلى التهديد.

أظهرت النتائج أن تباين طول التوكنات المستخدمة في الإجابات كان أكبر بكثير من تباين الدقة. بعبارة أخرى، بينما قد تكون الإجابات متساوية في الدقة، قد تختلف بشكل كبير في عدد التوكنات المستهلكة. فقد لاحظ الباحثون أن استهلاك توكنات المخرجات قد زاد بنسبة تصل إلى 44.3% اعتمادًا على نبرة السؤال.

كما تم تحليل العلاقة بين دقة الإجابات ومتوسط طول التوكنات المستهلكة في عملية التفكير. ومن خلال النتائج، تبين أن نماذج ChatGPT، مثل 4o و5-nano، تتميز بوضوح باستخدام نبرة وقاحة. في حين أن نماذج Gemini، مثل 2.5 Flash و2.5 Flash Lite، كانت لها نبرات وقحة ومحايدة كأكثر النبرات تأثيرًا.

هذه النتائج تشير إلى أهمية اختيار نبرة الأسئلة بعناية، حيث يمكن أن تؤثر على جودة الاستجابات وأيضًا على تكلفة الموارد المستهلكة.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.