في ظل التطورات المتسارعة التي يشهدها مجال الذكاء الاصطناعي، يبرز سؤالٌ مهم: كيف تعتمد نماذج اللغات الضخمة (Large Language Models) على معلومات توجيه الاستعلام لإنتاج الإجابات؟ كشف بحث جديد أُعلن عنه في arXiv عن جوانب متعددة من هذه القدرات.

تتطرق الدراسة إلى تأثير التوجيه من خلال التدخلات على الحالة الخفية لنموذج اللغة في نهاية السؤال. من خلال دراسة نماذج مثل Qwen، Llama، وGemma، يتم تحليل كيفية استجابة النماذج لأسئلة تتعلق بالدول والقارات، مع الأخذ في الاعتبار أنواع الإجابات كالأسماء، والصفات، وكذلك الأكواد.

تُعرّف طلبات التوجيه المزدوجة كيفية سؤال بلد معين في الأسئلة الطبيعية، في حين يتم وصف طلبات التوجيه العالمية لتمثل الطلبات التي تتعلق بدولتين في نفس الوقت. من خلال تحليل منفصل، تظهر النتائج أن اتجاه التوجيه المزدوج يزداد قوة قبل أن تبدأ التدخلات في تغيير المعرفة المتوفرة، مما يبين أن القوى المعززة تتحول قبل اكتمال تكوين المحتوى.

عند المقارنة بين النماذج الثلاثة، يظهر نموذج Gemma وجود تأثير محوري في زمن معين بينما يبدو أن نموذج Llama لا يمتلك نفس فعالية توجيه المحتوى. تظهر هذه النتائج أهمية الاهتمام بالجوانب المختلفة لقراءة النصوص، القوة الطبيعية، والتوجيه السببي للمعرفة في النماذج.

هذه الدراسة ليست مجرد خطوة للأمام في فهم كيفية عمل نماذج اللغات الضخمة، بل تفتح آفاقاً جديدة في البحث عن تأثير إعدادات الاستعلام على المخرجات، مما يؤدي إلى تطوير نماذج أكثر ذكاءً وقدرة على الاستجابة.