ابتكار ثوري: تعلم تعاوني خالي من التدريب لتعزيز نماذج اللغة الكبيرة

تتواصل الابتكارات في عالم الذكاء الاصطناعي على قدم وساق، حيث قدم الباحثون منهجية جديدة تدعى 'تعلم تعاوني خالي من التدريب في أوقات الاختبار' (TF-TTCL) لتحسين نماذج اللغة الكبيرة (LLMs). بالرغم من القدرات الكبيرة لهذه النماذج في التفكير المنطقي، إلا أن أداءها قد يتدهور عند حدوث تغييرات في توزيعات البيانات.

تعمل طرق التكيف في أوقات الاختبار (TTA) التقليدية على إجراء تحديثات تعتمد على تدرجات إحصائية، وهو ما يتطلب وصولًا مباشرًا للبيانات وموارد ضخمة. في المقابل، الخيارات الخالية من التدريب كانت إما ثابتة أو تعتمد على توجيه خارجي.

تتيح تقنية TF-TTCL للغة النموذج المجمدة أن تتحسن عبر استنتاجها من تجاربها الخاصة، من خلال حلقة ديناميكية تُسمى 'استكشاف-تأمل-توجيه'. تتكون هذه الحلقة من ثلاثة مكونات رئيسية:
1. **تعزيز الاستعلام الدلالي**: حيث يتم تنويع حالات المشكلة باستخدام لعب الأدوار المتعددة الوكلاء، مما ينتج عنه مسارات تفكير مختلفة.
2. **تقطير التجارب المتعارضة**: حيث يتم التقاط الفجوة الدلالية بين المسارات الممتازة والرديئة، وتقطيرها إلى قواعد نصية واضحة.
3. **استرجاع القواعد السياقية**: حيث تتم تفعيل القواعد المخزنة أثناء الاستدلال لتوجيه النموذج المجمد نحو أنماط تفكير أكثر قوة مع تجنب الأخطاء المعروفة.

أظهرت التجارب الشاملة على مهام التفكير المغلقة والتقييمات المفتوحة أن TF-TTCL يتفوق باستمرار على أساسيات عدم التدريب القوي وأساليب TTA التقليدية. يمكنكم الاطلاع على الشيفرة المصدرية لهذه التقنية عبر الرابط [TF-TTCL Code](https://github.com/KevinSCUTer/TF-TTCL).