في إطار متطلبات العصر الحديث للذكاء الاصطناعي، أجرى باحثون دراسة فريدة تستعرض كيفية تأثير المدخلات الفيزيائية، وخاصة التنسيق الهندسي، على أداء نماذج لغوية هجينة، حيث تشمل الدراسة نموذجًا يتكون من 0.8 مليار معامل. تم تدريب النموذج على ستة شروط مختلفة من المهام المكانية (Spatial tasks) وتقييم أدائه عبر ثلاثة تجارب و540 انطلاقة مختبرة.

أظهرت النتائج أن استخدام تقنيات تنسيق التراجع المتكرر (Recurrent Decay Gates) على التغيرات الهندسية أدت إلى تحقيق نجاح بنسبة 28.9%. في المقابل، عندما تم خلط هذه التغيرات أثناء عملية التدريب، ارتفعت نسبة النجاح إلى 36.7%، بينما انخفضت إلى 24.4% في حالة عدم وجود هندسة واضحة للأهداف.

أثبتت الاختبارات الإضافية القائم عليها النموذج تأثيرًا متباينًا، حيث حقق تكيف الأبعاد النسبية نجاحًا بنسبة 7 من 10 تحت إعادة تسمية الأطر، بينما انخفض أداء السياسات البصرية المختبرة إلى 3 من 20 بعد تحريك الأجسام بمقدار 5 سم.

تعكس هذه النتائج الفجوة بين استقرار الإحداثيات (Coordinate Invariance) والقدرة على التعميم بناءً على التصميم الفيزيائي (Physical Layout Generalization). تأتي هذه الدراسة مصحوبة بسجلات للحلقات، وتحليلات على مستوى البذور، بالإضافة إلى أكواد لتوليد الرسوم البيانية، مما يوفر رؤى أعمق حول هذا المجال المحوري.