اختبرت دراسة نُشرت على arXiv كيفية تعامل ثلاثة نماذج لغوية مع طلبات استرداد ومطالبات يصعب البت فيها، عند عرض ثلاث حالات سابقة مشابهة عليها. وبالنسبة إلى DeepSeek V4.1 Flash وGPT-5.6 Luna وClaude Haiku 5.5، أدى تغيير القرارات المسجلة في الحالات من DENY إلى APPROVE إلى رفع معدلات الموافقة بنحو 30 إلى 55 نقطة مئوية، وفق سياسات صاغتها الدراسة.
لكن عندما اطّلع DeepSeek وLuna على وقائع الحالات السابقة فقط، كانت موافقتهما أقل في الحالات التي تدعم وقائعها الموافقة، مقارنة بالحالات التي تدعم الرفض. ويقول الباحثون إن هذا النمط ظهر أيضًا مع تسع سياسات عامة أعيدت صياغتها عن سياسات حقيقية.
لماذا يهم
ينبغي للمؤسسات التي تستخدم الذكاء الاصطناعي لتقييم طلبات الاسترداد أو المطالبات أن تختبر وقائع الحالات السابقة بمعزل عن نتائجها المسجلة، لأن كليهما قد يغير القرارات، وقد يختلف اتجاه التأثير.
