في عالم الذكاء الاصطناعي، يعتبر استخدام تصويت الأغلبية (Majority Voting) عبر عينات متعددة من النماذج اللغوية (Language Models) من الطرق الشائعة لتحسين دقة الإجابات. ومع ذلك، تظهر العديد من الدراسات أن فائدة هذه الطريقة تتفاوت بشكل ملحوظ، خاصة عند التعامل مع أسئلة صعبة حيث قد يحدث تراجع في الأداء.

في ورقة بحثية جديدة تمت دراستها، يتم تقديم مؤشر اتفاقية متعدد الجوانب يُعرف باسم غاما (Gamma)، والذي يقيم النسبة المتوقعة من العينات التي توافق الإجماع، مع ضبط المقياس المرجعي لتكون النتائج أكثر دقة. من خلال تحليل النتائج، تم تحديد مكونين أساسيين: المكون الميكانيكي (Mechanical Component) الذي يعكس ما يقدمه التصويت بناءً على تفضيلات الإجابات المحددة، وبقايا غير مفسرة (Unexplained Residual) تعكس العوامل الأخرى المؤثرة.

خلال الاختبارات التي أجريت على نموذج GPT-4.1، تم ربط النتائج مع تحليلات معيارية، حيث أظهر مؤشر الإجماع للمسائل متعددة الخيارات (GPQA-Diamond) تفسيرات تقترب من 81-93%، مما يدل على أهمية تفضيل الإجابة في تحديد درجات الاتفاق.

ومع ذلك، في مواضيع مفتوحة أكثر تعقيداً كأداء (AIME) ، تفسر العوامل الميكانيكية ما يتراوح بين 59-78% فقط، مما يبرز أهمية عدم الاعتماد فقط على الإجماع كتأكيد للدقة. وبالتالي، تتجلى الظاهرة الغريبة هنا عندما يفشل التصويت بالأغلبية في تقديم نتائج دقيقة في الحالات الصعبة، حيث تم تحديد فجوة التصويت إلى -0.09، مما يعني أن الإجماع هو دليل صفيف وليس شهادة.

لا تقتصر الورقة البحثية على اقتراح طرق تصويت جديدة بل تؤكد على إمكانية إعادة إنتاج النتائج والعوامل المؤثرة على دقة الإجابات. نحن هنا نفتح النقاش حول دور تصويت الأغلبية في النماذج اللغوية وكيف يمكن تحسين تحليل الإجابات في المستقبل. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.