تشهد نماذج اللغات الضخمة (LLMs) انتشاراً لافتاً في مختلف المجالات، لكن الجديد هو أن هذه النماذج لا تقدم نفس الأداء عند استخدام أساليب نغمة مختلفة في الموجهات. تشير دراسة حديثة إلى أن التغيرات في النغمة تلعب دوراً محورياً في دقة هذه النماذج، مما يستدعي انتباه المستخدمين والمطورين على حد سواء.

قد جرى تنفيذ الدراسة على مجموعتين من البيانات، الأولى تضم 50 سؤالاً مع خمسة تنويعات نغمية، بينما احتوت المجموعة الثانية على 570 سؤالاً من مجموعات متميزة عبر 57 مادة، مع سبع تنويعات نغمية مختلفة. استُخدمت أربعة من النماذج الاقتصادية الشائعة، وهي: ChatGPT-4o، ChatGPT-5-nano، Gemini 2.5 Flash، وGemini 2.5 Flash Lite.

تشير نتائج التجارب إلى أن تأثير النغمة يعد نظامياً ولكنه يعتمد بشكل كبير على النموذج المستخدم. حيث أظهرت بعض النماذج تغييرات صغيرة ولكنها ذات دلالة إحصائية، في حين شهدت نماذج أخرى تقلبات كبيرة في الدقة بناءً على طبيعة النغمة المستخدمة.

نحن نتعرف أيضاً على اختلافات حساسية النغمة حسب المواضيع، ومن ثم نقدم إطار عمل يشرح كيف يمكن أن تضبط النغمات أنماط التفكير الداخلية للنماذج. لذا، تحذر نتائج هذه الدراسة المستخدمين من الاستخفاف بالاعتماد على موثوقية النغمة عند نشر النماذج الضخمة، مما يدعو إلى ضرورة تحليل تأثير النغمة أثناء تصميم الموجهات.