عندما تعمل الوكلاء الذكية معاً على مسألة رياضية

تبحث ورقة أولية بقيادة باحثين من ستانفورد، نُشرت في 19 سبتمبر، ما إذا كان تعلم التعاون يحسن استدلال وكلاء الذكاء الاصطناعي في الرياضيات. وبدلاً من تثبيت دور كل نموذج لكل مسألة، سمح الباحثون لفريق من ثلاثة نماذج بتطوير أساليب قابلة لإعادة الاستخدام للنقاش والتدقيق ودمج الحلول الجزئية.

تعلم الفريق أساليبه من 15 مسألة تدريبية من مسابقة AIME لعام 2024، ثم طبقها على مسائل لم تدخل التدريب ومسابقات أخرى. ويعلن المؤلفون متوسط دقة قدره 66.7% عبر خمسة اختبارات في الرياضيات والفيزياء، مقابل 48.8% لأقوى عضو منفرد و58.7% لنموذج منفرد مُنح ميزانية حسابية مماثلة. وتجاوز الفريق أيضاً أداء آلية تستطيع اختيار الإجابة الصحيحة كلما حلها أي عضو بمفرده.

تشير هذه المقارنة إلى أن التبادل بين النماذج أنتج أحياناً حلاً لم يظهر في محاولاتها المنفصلة. وفي مثال عرضته الورقة، جمع الفريق ثابتاً رياضياً اقترحه نموذج مع تصحيح لخطأ عدّ قدمه نموذج آخر. لكن النتائج تخص مسائل معيارية ونماذج محددة؛ ولا تثبت قدرة موثوقة على إثبات نظريات بحثية. وهذه ورقة أولية، ولم تعِد MathsAI إجراء تجاربها بصورة مستقلة.

المراجع

• الورقة الأصلية
• النص الكامل