في عالم الذكاء الاصطناعي، تعتبر نماذج اللغات واحدة من أكثر التقنيات تطوراً والتي تسعى دائماً لتحقيق نتائج دقيقة وفعالة. لكن ماذا لو أخبرتك أن بإمكان نموذج ثابت تماماً تحقيق دقة تصل إلى 100% دون الحاجة إلى توليد توكنات (tokens)؟

لقد تم تقديم هذا الابتكار في دراسة حديثة تمت مشاركتها على منصة arXiv، حيث يتميز النموذج بأنه يظل ثابتا، بينما تنمو ذاكرة دائمة للحلول المعتمدة بجانبه. عند حل مشكلة معينة، يتم تخزين الإجابة والتحقق من صحتها مستقلًا عن مفتاح الإجابة، ليتمكن النموذج من اعطاء إجابات دقيقة في أي لحظة دون الحاجة لتوليد توكنات جديدة.

ما هو مثير في هذا النموذج أنه تعاقد مع أربعة هياكل من أربعة مزودين مختلفين، حيث استطاع أن يحقق نتائج مثالية عبر 180 حالة جديدة تمتد عبر تسع عائلات من المشاكل. جميع هذه النماذج استطاعت تحقيق علامة مثالية 180/180 دون الحاجة لأي توكنات، مما يجعل القدرة على التنفيذ متحررة تمامًا من قيود تكبير المعلمات.

كما تم الإشارة إلى أن النظام يعتمد بشكل كامل على الذاكرة، حيث تم تجريده من أي عناصر غير ضرورية ليبقى فعالاً. والأكثر من ذلك، هذا النموذج قدم دقة عالية في عملية الاستدلال المفتوح، حيث حافظت جميع النماذج الأربعة على قبول متسق بواقع 88/88.

مع تحسن سرعة البحث واختيار الذاكرة في 1.4 ميكروثانية، بينما الانتهاء الكامل من إعادة الاستخدام يستغرق فقط من 6 إلى 23 مللي ثانية بسعة 36 مللي واط.

المثير للاهتمام هو مقارنة هذا النموذج بالموديلات الرائدة، حيث تظل الموديلات الرائدة تفوق أي نموذج 12B في العقل من الصفر، إلا أن هذا النظام قد أظهر تفوقًا صارخًا في كل ما تم حله والتحقق منه.

إذا كنت مهتمًا بالتكنولوجيا الحديثة وتطور الذكاء الاصطناعي، فلا تفوت فرصة الاطلاع على الاختبارات العامة المعلنة بالتزامن مع هذه الدراسة.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!