في عالم الذكاء الاصطناعي المتسارع، تُعتبر نماذج اللغة الضخمة (Large Language Models - LLMs) من أبرز الابتكارات. ورغم سلاستها اللغوية، تبقى الإشكالية الكبرى هي ضمان صحتها المنطقية، خاصة في المجالات الحساسة. هنا يدخل نظام VERGE كحل مبتكر يجمع بين الذكاء الاصطناعي الرمزي (Neurosymbolic AI) ومحركات الحلول النظرية (SMT Solvers) لتقديم أجوبة موثوقة من خلال تحسين متكرر.

هذا النظام يقطع خطوات مهمة نحو ضمان دقة النتائج عبر عدة آليات جديدة: يُجزئ مخرجات نموذج اللغة إلى ادعاءات ذرية، ويُحولها إلى منطق أولي (First-order Logic) للتحقق من اتساقها المنطقي باستخدام إثبات النظرية الأوتوماتيكي.

وإليك أبرز الابتكارات الثلاثة التي يتضمنها نظام VERGE:
1. **التوافق المتعدد النماذج**: يتم تحقيق ذلك من خلال التحقق من المعادلة الدلالية للتأكد من التوافق من مستوى المنطق بين النتائج المختلفة، مما يلغي التحيز السطحي.
2. **توجيه دلالي**: يقوم النظام بتوجيه أنواع مختلفة من الادعاءات نحو استراتيجيات التحقق المناسبة، حيث تُستخدم الحلول الرمزية للادعاءات المنطقية، بينما يتم الاستعانة بمجموعة نماذج اللغة للمنطق العام.
3. **تحديد دقيق للأخطاء المنطقية**: باستخدام مجموعات التصحيح الدنيا (Minimal Correction Subsets - MCS)، يمكن للنظام تحديد الجزء الدقيق الذي يحتاج إلى تصحيح، مما يحول إشارات الفشل الثنائية إلى تغذية راجعة قابلة للتطبيق.

يمتاز نظام VERGE أيضًا بتصنيف الادعاءات حسب حالتها المنطقية وجمع إشارات التحقق المتعددة في درجة موحدة تعتمد على التباين. من خلال هذه الطريقة، يقوم النظام بتحسين النتائج بشكل تكراري حتى يتم تلبية معايير القبول أو يتم الوصول إلى التقارب.

مع نموذج GPT-OSS-120B، يحقق نظام VERGE أداءً متميزًا، حيث يظهر زيادة متوسط الأداء بنسبة 18.7% عند التقارب عبر مجموعة من معايير التفكير، مقارنةً بالأساليب التقليدية ذات المرور الواحد. تُعد هذه التقنية خطوة رائدة نحو الذكاء الاصطناعي الموثوق، مما يبشر بمستقبل مشرق في عالم البرمجة الذكية.