نموذج Olmo 3 اعتمد على محادثات خدمة العملاء والأسئلة الشائعة في الاستدلال الاجتماعي، وفق تدقيق من Georgia Tech
أخذ فريق Georgia Tech عينة من 5.68 مليون وثيقة من نحو 1.26 مليار وثيقة تدرّب عليها Olmo 3 لتتبع مصدر مهاراته الاجتماعية.
باختصار
من أين يتعلم الذكاء الاصطناعي التعاطف: 5.68 مليون وثيقة
دققت Georgia Tech في نموذج Olmo 3 المفتوح. وكانت محادثات الدعم والأسئلة الشائعة والأدب الأكثر تأثيرًا في استدلاله الاجتماعي. وتحتاج الطريقة إلى بيانات تدريب معلنة.
طوّر فريق من Georgia Tech إطارًا يتتبع المهارات الاجتماعية لنموذج لغوي إلى الوثائق التي تعلّم منها. واختبروه على Olmo 3، وهو نموذج مفتوح من Ai2. العمل ورقة لمؤتمر Conference on Language Modeling (COLM) 2026، وأعلنت عنه Georgia Tech في 5 أكتوبر.
قاد العمل Glenn Matlin، طالب الدكتوراه في كلية الحوسبة التفاعلية بالجامعة، مع البروفيسور Mark Riedl. وتذكر Ai2 أن Chandreyi (Zini) Chakraborty شاركت في الدراسة.
النماذج الجيدة في الاستدلال الاجتماعي تعتمد أقل على كتب المشاعر وأكثر على الأسئلة الشائعة وحوارات خدمة العملاء.
الأرقام
تدرّب Olmo 3 على مجموعة بيانات اسمها Dolma 3 فيها نحو 1.26 مليار وثيقة. هذا أكبر من أن يُفحص وثيقة وثيقة. لذلك أخذ الفريق عينة من نحو 5.68 مليون وثيقة موزعة على 576 فئة.
قدّروا لكل وثيقة مقدار تأثيرها في إجابات النموذج على اختبار معياري، بتقنية تسمى دوال التأثير. وشغّلوا أربعة اختبارات: SocialIQA وARC-Challenge للاستدلال، ومجموعتي العلوم الاجتماعية والعلوم والتقنية (STEM) من MMLU للمعرفة.
ما وجدوه
كان SocialIQA الاستثناء. فإجابات Olmo 3 فيه اعتمدت بقوة على الكتابة التي تدور حول العلاقات بين الناس: الأدب والحياة الاجتماعية ودعم العملاء ونقاشات الأسئلة والأجوبة. أما بقية الاختبارات فاعتمدت أكثر على التوثيق التقني والكتابة العلمية.
وتربط Georgia Tech ذلك بنبرة الإجابة: النبرة المتعاطفة تشير إلى مصادر حوارية، والنبرة المحايدة إلى الكتب الدراسية. وقال Matlin: "يمكنه أن يقرأ ما يشاء من نصوص تشرح الغضب، لكن ذلك لن يساعده على معرفة هل الشخص غاضب".
وتضيف Ai2 أن المعرفة بالعلوم الاجتماعية بدت أقرب إلى المعرفة العلمية منها إلى الاستدلال الاجتماعي.
لماذا يهم
تقول Georgia Tech إن أعدادًا متزايدة من الناس تلجأ إلى روبوتات الدردشة في أزماتها الشخصية، مثل فقدان عزيز أو انفصال. ويرى Riedl أن معرفة الوثائق المهمة قد تتيح للمهندسين تعديل التدريب بزيادة بعضها أو تقليلها أو استبدالها. ويقول أيضًا إن الطريقة تصلح لتدقيق النصائح في أي موضوع، من المال إلى الطب، لمساعدة الناس على تقرير متى يثقون بالذكاء الاصطناعي.
الحدود
يحتاج التدقيق إلى نموذج بيانات تدريبه معلنة، ولهذا استخدم الفريق Olmo 3. ويقول نص Georgia Tech الرئيسي إنه لا يمكن إجراؤه على نماذج مغلقة مثل ChatGPT أو Claude. بينما يذكر حوار في Newswise أن الهدف تحسين الدعم في هذين النموذجين. ولا تُظهر المصادر أن أي نموذج صار أكثر تعاطفًا فعلًا؛ فـRiedl يصف ذلك بأنه خطوة محتملة. والتغطية المستقلة خارج الجامعة وAi2 محدودة.