# دراسة تختبر كيفية تقييم الذكاء الاصطناعي للأدلة العلمية

> يقدّم باحثون معيارًا بيولوجيًا يضم 96,000 حالة، ويقولون إن تدريب النماذج على معايرة التوقعات حسّن تنبؤاتها واختيارها للتجارب.

Oossa · 2026-11-02 · https://oossa.com/ar/study-tests-how-ai-weighs-scientific-evidence

قدّم باحثون EDB-Bio، وهو معيار يستند إلى دراسات منشورة في ثلاثة مجالات بيولوجية، لاختبار قدرة النماذج اللغوية على تقييم الأدلة المؤيدة لفرضيات علمية. وفي اختبارات الباحثين، أبدت النماذج غير المدرّبة ثقة أقل من اللازم بصورة منهجية، وحققت نتائج تقارب ما يحققه توقّع بسيط قائم على المعدل الأساسي؛ لكن تدريبها على تقديم احتمالات أفضل معايرة حسّن نتائجها.

ويقول الباحثون إن نموذجهم Ibis0 اختار التجارب بكفاءة أعلى بمقدار 2.5 مرة من أفضل نموذج متقدم، في مهمة متتابعة لاختيار التجارب. وأتاحوا الشيفرة والبيانات والنماذج المدرّبة.

## الحقائق

- يضم EDB-Bio عددًا من الحالات يبلغ 96,000، مستمدة من دراسات النسخ الجيني، وفحوص CRISPR، ودراسات الارتباط على مستوى الجينوم البشري.
- نُشرت الورقة على arXiv في 2026-10-29؛ ويذكر سجلّها أن تاريخ النشر هو November 2, 2026.

## لماذا يهم

بالنسبة إلى العلماء الذين يستعينون بالذكاء الاصطناعي للمساعدة في اختيار التجارب، تشير النتائج إلى أن التدريب على معايرة الاحتمالات قد يحسّن اختيار التجارب، لكن التفوق المذكور يقتصر على المهمة التي تناولتها الدراسة ولم يُتحقق منه بصورة مستقلة هنا.

## المصادر والمراجع

1. [Do Language Models Know What Compelling Scientific Evidence Looks Like?](https://arxiv.org/abs/2610.41015) – arXiv cs.LG, 2026-11-02

آخر تحديث: 2026-11-02