إعادة صياغة المطالبات تعزز أداء نماذج اللغات الكبيرة الصغيرة بنسبة تزيد عن 20%

أظهرت الأبحاث الحديثة أن إعادة صياغة بسيطة للمطالبات يمكن أن تحسن بشكل كبير أداء نماذج اللغات الكبيرة الصغيرة. استخدم الباحثون إطار عمل معيار Tau² لاختبار نموذج GPT-5-mini، واكتشفوا أن إعادة صياغة المطالبات إلى تعليمات أوضح وأكثر تنظيماً زادت من معدل نجاح النموذج بأكثر من 20%. ويعود ذلك بشكل أساسي إلى أن النماذج الصغيرة تواجه صعوبة في التعامل مع التعليمات الطويلة أو الغامضة، بينما توجه التعليمات الواضحة والخطوة بخطوة عملية استنتاج النموذج بشكل أفضل. تُظهر هذه الأبحاث أن نماذج اللغات الكبيرة الصغيرة يمكنها تحقيق تحسينات كبيرة في الأداء من خلال هندسة المطالبات الذكية، مما يوفر طرقًا جديدة لتطبيقات الذكاء الاصطناعي المجدية من حيث التكلفة والكفاءة.