في خطوة جديدة لتجاوز معايير التقييم التقليدية، كشف تصنيف AA-PersonalityBench عن تركيزه على أسلوب كتابة نماذج الذكاء الاصطناعي، وقد تصدرت نماذج Claude من Anthropic القائمة في فئتي «كثافة المعلومات» (Information Density) و«محو الأمية» (Literacy). يعكس هذا التوجه الجديد أهمية أسلوب التواصل وجودته، وليس مجرد صحة الإجابات.
ما هو AA-PersonalityBench؟
أُطلق AA-PersonalityBench في 19 أكتوبر 2026، وهو مصمم لتقييم سمات أسلوب الكتابة والتواصل لدى نماذج الذكاء الاصطناعي. يعتمد التصنيف على 900 سؤال تغطي 30 سمة شخصية ذاتية، مجمعة في ثمانية مؤشرات، منها «الإعلامية» (Informativeness) و«التعبيرية» (Expressiveness). كما يتتبع 21 خاصية يمكن قياسها مباشرة، مثل طول الاستجابة وبنيتها.
تعتمد عملية التسجيل على مقارنات زوجية عمياء وعشوائية، حيث يتم وضع استجابتين جنبًا إلى جنب مع إخفاء أسماء النماذج، ويُحكم على أحدهما بأنه أفضل في سمة معينة. وتُغذي هذه النتائج نظام تسجيل يعتمد على منهجية Bradley-Terry Elo مع تصحيح Firth، بالإضافة إلى Z-scores.
أداء نماذج Claude
أظهرت نماذج Anthropic أداءً قويًا في الفئتين الرئيسيتين، حيث تميزت أربعة نماذج تحديدًا: Claude Fable 5.1 وClaude Opus 5.5 وClaude Sonnet 5.5 وClaude Haiku 5.5. حافظت هذه النماذج باستمرار على أداء يتراوح بين منتصف التسعينات إلى 100% في فئتي كثافة المعلومات ومحو الأمية.
سجل Claude Fable 5.1 درجة 100 في كثافة المعلومات و95 في محو الأمية، بينما حقق Claude Opus 5.5 درجة 97 في كلتا الفئتين. وعلى الرغم من أن Anthropic لم تتصدر كل الفئات، إلا أن نماذج أخرى من Muse وGLM وDeepSeek أظهرت أيضًا أداءً جيدًا في مؤشرات مختلفة.
ما أهمية هذا للمطورين؟
بالنسبة للمطورين والمصممين، يبرز هذا التصنيف أهمية الجودة الأسلوبية في مخرجات نماذج الذكاء الاصطناعي، خاصة في التطبيقات التي تتطلب تفاعلًا عالي الجودة مع المستخدمين. يُعزز الأداء القوي لـ Claude في كثافة المعلومات ومحو الأمية سمعة Anthropic بتقديم كتابة واضحة وموضوعية، مما قد يؤثر على جذب المستخدمين ووضع الشركة في السوق.
نرى أن التركيز على السمات التواصلية للنماذج يمكن أن يكون حاسمًا في بناء تجارب مستخدم أفضل، وهذا يعني أن المطورين يجب أن يأخذوا في الاعتبار ليس فقط دقة النموذج، بل أيضًا قدرته على التواصل بفعالية. ننصح بالاطلاع على المنهجيات المنشورة على artificialanalysis.ai لفهم كيفية الحكم على المقارنات قبل تبني أي درجة.
المصدر: cryptobriefing.com