تعتبر نماذج اللغات الضخمة (Large Language Models) من أهم التطورات في مجال الذكاء الاصطناعي، حيث قدمت تحسنًا ملحوظًا في عملية توليد التعليمات البرمجية. ومن بين الابتكارات الحديثة في هذا المجال، يظهر إطار العمل الجديد المعروف بـ CHORUS، والذي يعد بمثابة نقلة نوعية في استخدام الذكاء الاصطناعي في اختبار الأجهزة.

يعمل CHORUS على تحسين الأداء من خلال توظيف تقنيات ما بعد التدريب التي تتجاوز الأساليب التقليدية لتدريب النماذج، حيث يدمج نموذجين يقدمان نقاط قوة تكاملية ليصبحا نموذجًا موحدًا ذا قوة أكبر. يعتمد نظام CHORUS على ملاحظتين رئيسيتين: الأول، أن التدريب المرحلي المنتظم ينتج نقاط تفتيش متعددة السلوك، والثاني، أن استخدام التعلم المعزز (Reinforcement Learning) يوفر مكافآت مكثفة تساعد على تحويل هذه النقاط إلى خبراء تتميز أدائهم في مهام محددة.

نتيجة لذلك، يحقق CHORUS دقة تصل إلى 88.0% في مهمة CVDP-ECov، متفوقًا بذلك على نموذج DeepSeek-R1 (671B) بفارق 13.5 نقطة مئوية. يعد هذا الإنجاز نقطة تحول في تصميم الدوائر المتكاملة الحديثة، حيث يفتح آفاقًا جديدة للإبداع في هندسة التحقق من المعدات.

إذا كنتم تجدون فائدة في الابتكارات التكنولوجية مثل CHORUS وتأثيرها على مستقبل التصنيع الالكتروني، شاركونا آرائكم في التعليقات!