دراسة تدحض فرضية "البجع على الدراجات": لا دليل على تدريب خاص للنماذج

دراسة تدحض فرضية "البجع على الدراجات"

نشر ديلان كاستيلو دراسة منهجية لاختبار فرضية شائعة في مجتمع الذكاء الاصطناعي: هل تقوم المختبرات بتدريب نماذجها خصيصًا لرسم بجع على دراجات؟ استخدم كاستيلو 48 مطالبة (8 حيوانات × 6 مركبات) واختبرها 3 مرات لكل نموذج من 7 نماذج: GPT-5.6 Terra، Claude Sonnet 5، Gemini 3.5 Flash، Grok 4.5، Qwen3.7-Max، GLM-5.2، وDeepSeek V4 Pro.

المنهجية

تم تقييم النتائج باستخدام GPT-5.6 Luna وGemini 3.1 Flash-Lite. النتائج لا تظهر أي دليل على "pelicanmaxxing": البجع على الدراجات لا يبدو أفضل من أي حيوان آخر على أي مركبة أخرى.

النتائج الرئيسية

• لا توجد مختبرات أفضل في رسم البجع.
• لا توجد مختبرات أفضل في رسم الدراجات.
• لا توجد مختبرات أفضل في رسم البجع على الدراجات.
• النموذج GLM-5.2 أظهر أقرب تأثير لكنه غير ذي دلالة إحصائية.

الأهمية للمنطقة

هذه الدراسة تقدم منهجية قوية لتقييم النماذج، ويمكن تطبيقها في المنطقة العربية لاختبار تحيزات أو تدريبات خاصة في النماذج المحلية.

ملاحظة للمراجعة البشرية: تأكد من دقة ترجمة المصطلحات التقنية مثل "pelicanmaxxing" و"evals".