🧠 آیا مدل‌های زبانی واقعاً علت و معلول را درک می‌کنند؟

محققان در یک پژوهش جدید، به سراغ تحلیل عمیق نحوه استدلال مدل‌های زبانی (مثل Qwen و Llama) در مواجهه با سوالات علی-معلولی رفته‌اند. 🔍

نکته کلیدی این مقاله این است که وقتی شواهد تشخیصی مشابهی به مدل داده می‌شود، تغییر در «هدف علی» می‌تواند پاسخ مدل را به‌طور کامل تغییر دهد. این یعنی مدل‌ها گاهی به جای تحلیل منطقی و علمی، ممکن است تحت تأثیر نحوه بیان یا الگوهای زبانی قرار بگیرند.

محققان با استفاده از یک بنچمارک جدید، بررسی کردند که آیا مدل می‌تواند فارغ از نوع سوال، شواهد را درست تفسیر کند یا خیر. نتیجه؟ مدل‌های فعلی هنوز در تفکیک «دانش واقعی» از «الگوهای زبانی تکراری» با چالش جدی روبرو هستند. قدمی مهم برای رسیدن به هوش مصنوعی واقعاً منطقی! 🚀

منبع: arXiv Machine Learning