تسعى التقنيات الحديثة في الذكاء الاصطناعي، وخاصة نماذج اللغات الضخمة (Large Language Models)، إلى تحسين التفكير المنطقي من خلال استخدام الأدوات المختلفة. ومع ذلك، توصل بحث حديث إلى أن استخدام هذه الأدوات قد لا يكون دائمًا مفيدًا، بل في بعض الحالات، قد يؤدي إلى تدهور المنطق وجودة الإجابات.

يُظهر البحث، الذي تم نشره على موقع arXiv، أن الاعتماد على الأدوات مثل بايثون وويكيبيديا يمكن أن يعود بنتائج عكسية، خاصةً عندما تكون الاعتقادات الأولية قوية. بينما قد تساعد الأدلة الخارجية عندما تكون تلك الاعتقادات ضعيفة، إلا أنه عندما تكون قوية، قد تُغيِّر الأداة الإجابات الصحيحة بالفعل.

تقدم الدراسة إطار عمل جديد لتوزيع السلطة بين الأدلة الخارجية والداخلية، حيث يُحذر من أن الاعتماد على الأدلة الخارجية قد يكون غير مثالي عندما تكون هناك ثقة داخلية قوية في الإجابة الصحيحة. وبالتالي، قد تحتاج الأبحاث المستقبلية لتبنّي استخدام المزيج بين الأدوات وعدمها.

ويشير الباحثون إلى إمكانية تحسين الأداء من خلال تقديم أداة جديدة تُدعى CASE، وهي وحدة تحكم بدون تسميات بين مسارين: استخدام الأدوات أو عدم استخدامها، مما يُحسِّن من نتائج الآليات القائمة على الثقة الحالية.

بالنظر إلى هذه النتائج، تبرز الحاجة إلى إعادة تقييم كيفية استخدام الأدوات في التطبيقات العملية لنماذج اللغات الضخمة، حيث يُعتبر التخلي عن الاعتماد المفرط على الأدلة الخارجية خطوة ضرورية نحو تحقيق أداء أفضل.