تعتبر نماذج اللغة الكبيرة (LLMs) بارعة في استخدام التفكير النصي لفهم سياق المستندات وتقديم إجابات منطقية حول محتوياتها. ومع ذلك، غالبًا ما تواجه هذه النماذج صعوبات في حل حتى أبسط المسائل الرياضية. لمعالجة هذه التحديات، قام باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) بتطوير “CodeSteer”، مساعد ذكي يوجه نموذج اللغة الكبير للتبديل بين توليد النصوص والشفرات.
يعمل CodeSteer، وهو نموذج أصغر حجمًا، على توليد سلسلة من التعليمات لتحسين أداء نموذج اللغة الأكبر. يقوم بمراجعة إجابات النموذج بعد كل جولة ويوفر توجيهات حول كيفية تصحيح أو تحسين الحل حتى يتم الوصول إلى الإجابة الصحيحة.
أظهرت الأبحاث أن دمج CodeSteer مع نموذج لغة أكبر أدى إلى زيادة دقة النموذج في المهام الرمزية مثل ضرب الأرقام ولعب السودوكو بأكثر من 30%. كما أن هذا النظام مكن نماذج أقل تطورًا من التفوق على نماذج أكثر تقدمًا ذات مهارات تفكير محسنة.
يمكن أن يحسن هذا التقدم قدرات نماذج اللغة الكبيرة في حل المهام المعقدة التي يصعب حلها باستخدام التفكير النصي فقط، مثل توليد مسارات للروبوتات في بيئات غير مؤكدة أو جدولة الشحنات في سلسلة الإمداد الدولية.
يقول تشوتشو فان، أستاذ مساعد في هندسة الطيران والفضاء: “نريد تمكين نماذج اللغة الكبيرة من اختيار الأدوات والأساليب الصحيحة واستخدام خبرات الآخرين لتعزيز قدراتها.”
تعتبر هذه الأبحاث خطوة مهمة نحو تحسين أداء نماذج الذكاء الاصطناعي في مجموعة متنوعة من المهام، مما يمهد الطريق لتطبيقات أكثر قوة ومرونة في سيناريوهات الحياة الواقعية المعقدة.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.
