كشفت Google Research عن تقنية بسيطة بشكل مدهش تعزز دقة نماذج اللغات الكبيرة (LLM) بشكل كبير. يمكن لتكرار استعلام الإدخال تحسين الأداء بنسبة تصل إلى 76٪. الورقة البحثية، التي صدرت الشهر الماضي، تتحدى طرق التحفيز المعقدة.

اكتشف الباحثون أن تكرار المطالبات يعزز النتائج للمهام التي لا تتطلب تفكيرًا معقدًا. تعمل هذه التقنية عبر النماذج الرئيسية مثل Gemini و GPT-4o و Claude و DeepSeek. أفاد كارل فرانزن بالنتائج على VentureBeat، في 13 يناير 2026.

يمكن لهذا الاكتشاف تبسيط تطوير الذكاء الاصطناعي وتقليل الاعتماد على استراتيجيات التحفيز المعقدة. تشير ردود الفعل الأولية إلى اعتماد واسع النطاق نظرًا لسهولة تنفيذه. يقوم مجتمع الذكاء الاصطناعي الآن بتقييم قيود التقنية وتطبيقاتها المحتملة.

لسنوات، قام المهندسون بتطوير طرق تحفيز معقدة بشكل متزايد. تهدف تقنيات مثل "سلسلة الأفكار" و "الابتزاز العاطفي" إلى تحسين استجابات نماذج اللغات الكبيرة. يشير هذا البحث الجديد إلى أن اتباع نهج أكثر مباشرة يمكن أن يكون فعالاً بنفس القدر، إن لم يكن أكثر.

من المرجح أن تستكشف الأبحاث المستقبلية الآليات الكامنة وراء هذه الظاهرة. سيقوم العلماء أيضًا بالتحقيق في فعاليتها عبر نطاق أوسع من المهام والنماذج. يتحول التركيز الآن إلى فهم سبب تحقيق مثل هذه الطريقة البسيطة لهذه التحسينات الكبيرة.