في عالم الذكاء الاصطناعي، حيث تتطور [نماذج [اللغة](/tag/اللغة) الكبيرة](/tag/[نماذج](/tag/نماذج)-[اللغة](/tag/اللغة)-الكبيرة) ([LLMs](/tag/llms)) لتكون رفقاء علميين دائمين، يبرز تحدٍ [جديد](/tag/جديد) يعرف باسم تشبع نافذة [السياق](/tag/السياق) (context window saturation) كعائق رئيسي يؤثر على [الأداء](/tag/الأداء). في سياق [الأعمال](/tag/الأعمال) العلمية التي تتطلب تحليلاً بياناتياً متكرراً وتحسين فرضيات، نلاحظ أن السياقات تُشبع بسرعة حتى عند تمديدها، مما يجعل الحلول التقليدية تواجه عقبات كبيرة تتمثل في ارتفاع التكاليف والمشكلات الإدراكية.
وللتغلب على هذه التحديات، يتم [تقييم](/tag/تقييم) [ابتكار](/tag/ابتكار) [جديد](/tag/جديد) يُعرف باسم [بنية الذاكرة](/tag/بنية-[الذاكرة](/tag/الذاكرة)) ذات العمليات المزدوجة (Dual Process Memory Architecture) التي تفصل بين الاحتياجات السريعة للذاكرة episodic (بعبارة أخرى، نافذة 10 رسائل ثابتة) والذاكرة المعرفية طويلة الأجل (التي تنمو بمعدل 3 [رموز](/tag/رموز) لكل رسالة).
تم إجراء [تقييم](/tag/تقييم) واسع النطاق شمل 15,000 رسالة مع [التحقق](/tag/التحقق) [عبر](/tag/عبر) ست [نماذج](/tag/نماذج) من ثلاث [عائلات](/tag/عائلات) ([OpenAI](/tag/openai) وAnthropic وGoogle)، مما أسفر عن ثلاث نتائج رئيسية. أولاً، بينما تفشل [النماذج](/tag/النماذج) ذات السياقات الكاملة عند 10,000 رسالة بسبب امتلاء السياق، فإن نظامنا يحافظ على [دقة](/tag/دقة) تتراوح بين 70-85% مع فترة استجابة تبلغ 1-2 ثانية، ويستخدم 62% رموزاً أقل (45,434 مقابل أكثر من 120,000 رمز).
ثانياً، تكشف عملية [التحقق](/tag/التحقق) [عبر](/tag/عبر) [النماذج](/tag/النماذج) عن مقايضات على مستوى البنية، لذا فإن [نموذج](/tag/نموذج) العمليات المزدوجة يتفوق في الاستفسارات الرقمية والزمنية بدقة تتراوح بين 65-90%، بينما يتفوق [نموذج RAG](/tag/[نموذج](/tag/نموذج)-rag) في [استرجاع](/tag/استرجاع) [المعلومات](/tag/المعلومات) التاريخية بدقة تتراوح بين 60-85%. ثالثاً، تم تحديد فجوة بين الاختبار الاصطناعي والواقع، حيث تحافظ الاختبارات الاصطناعية على [ذاكرة](/tag/ذاكرة) ثابتة، بينما تظهر [الأعمال](/tag/الأعمال) الواقعية نمواً خطياً (حوالي 3 [رموز](/tag/رموز) لكل رسالة)، مما يجعل جودة [الذاكرة](/tag/الذاكرة) الموحدة العائق الأساسي في [قابلية التوسع](/tag/قابلية-[التوسع](/tag/التوسع)).
هذا [الابتكار](/tag/الابتكار) لا يدير فقط ملفات بها أكثر من 14,000 [حقيقة](/tag/حقيقة) علمية (125,000 رمز)، بل يظهر أن دمج [الذاكرة](/tag/الذاكرة) الخاصة بالمجال يمكّن العمليات المستدامة حتى بعد حدود العمل الكاملة.
ابتكار ذاكرة سيميائية episodic لمساعدي الذكاء الاصطناعي: انتقال جديد نحو المستقبل العلمي
تتطرق هذه المقالة إلى تطوير ذاكرة سيميائية جديدة تهدف إلى تحسين أداء نماذج اللغة الكبيرة (LLMs) كمتعاونين علميين دائمين. من خلال فصل الاحتياجات الحالية عن المعرفة طويلة الأجل، تحقق هذه التقنية دقة متزايدة وتكاليف أقل.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
