تمثل نماذج اللغة الكبيرة (Large Language Models) ثورة في عالم الذكاء الاصطناعي، ولكنها تواجه صعوبة في التعرف على الأخطاء وتصحيحها في تفكيرها الخاص. هذه المشكلة كانت تحتاج إلى حلول مبتكرة، وهذا ما قدمه الباحثون في دراستهم الجديدة التي تناولت مفهوم "إعادة التوجيه" أو التدخل الإيجابي.

بدلاً من الاعتماد على أساليب التدريب التقليدية التي تتطلب ضبط النماذج لتوليد مراجعات أو تعليقات، ابتكرت الدراسة إطاراً جديداً يُعرف باسم UPTURN (حقن التوجيه المستفيد في موضع التعلم). تعمل هذه الأداة على تحديد أماكن الفشل في الإجابات، ثم تُعيد توجيه نماذج اللغة لتحسين دقتها.

من خلال استخدام نموذج بسيط يضم 130,000 معلمة، تم تدريب النظام على التعرف على الإجابات الصحيحة فقط، مما يساعد على تحديد المكان الأفضل للتدخل أو التحويل.

أظهرت نتائج البحث أن تقديم نفس التعليمات بشكل جديد يغير سياق تفكير النموذج بشكل فعال. في تجارب متعددة، حقق نظام UPTURN تحسيناً ملحوظاً في الدقة عبر أربعة نماذج للتفكير وستة اختبارات رياضية، متفوقاً على الأساليب التقليدية مثل تصحيح الذات.

قد تتضمن الخطوات القادمة استخدام إطار UPTURN في تطبيقات متنوعة من الذكاء الاصطناعي، مما يفتح المجال لأدوات أكثر فاعلية في المستقبل. كيف ترى مستقبل نماذج اللغة الكبيرة والإصلاح الذاتي؟ شاركونا برأيكم في التعليقات!