في عالم الذكاء الاصطناعي، تبرز الحاجة الماسة إلى تقنيات متطورة يمكن أن تحسن من أداء الأنظمة دون التسبب في أضرار. ومن بين هذه التطورات الجديدة تأتي آلية ENDOPROMPT، التي تمثل نقلة نوعية في معالجة الطلبات الذكية.

تعمل ENDOPROMPT كطريقة "صندوق أبيض" (white-box) حيث تقوم بتعلم المقدمات (prefixes) التي تقلل من فعالية الطلبات من خلال تحليل التعليمات غير المصنفة. تعتمد على نص الطلب كمصدر إدخال لضمان استمرارية ناعمة واستجابة متسقة.

تقوم آلية توليد المقدمات بتقديم إشارات يتم استخراجها من استجابات خالية من أي ضرر، مما يتيح لها القدرة على تحسين أداء الأنظمة الذكية. وتجري عملية البحث المحلي لتحديد المقدمات المثالية التي يمكن أن تخفض من احتمال استمرار الطلبات، مما يؤدي إلى نتائج تشير إلى تغير متوسط في فعالية الأداء يبلغ -26.8 نقطة مئوية.

تشير المراجعات إلى أن 27 من 28 خلية بيانات عرضت تأثيرًا سلبيًا، مما يعزز أهمية هذه الأداة في الكشف عن نقاط الضعف في فعالية النظام. وبمساعدة ENDOPROMPT، يمكن الآن تحليل نقاط الضعف في الأنظمة دون الحاجة إلى ملاحظات مستندة إلى المعايير أو استجابات محددة مسبقًا.

أخيرًا، من المتوقع أن يتم نشر كود ENDOPROMPT بعد قبول البحث، مما سيفتح المجال لمزيد من التطبيقات في عدة مجالات. يبدو أن هذه الآلية الجديدة ستحدث فرقًا كبيرًا في كيفية تفكيرنا في طرق تحسين الأداء في نماذج الذكاء الاصطناعي.