أثبتت التطورات الأخيرة في نماذج التفكير الكبيرة (Large Reasoning Models - LRM) أنها قد تجعل عملية "نسيان الماكينة" أكثر تعقيدًا، حيث يمكن أن تظهر الحقائق المحمية أو المنطق غير الآمن في تسلسل التفكير (Chain-of-thought - CoT) قبل وصول النموذج إلى الإجابة النهائية. في العديد من الحالات، كانت الأهداف الحالية لعملية النسيان تدفع للاكتفاء بإخفاء المحتوى المستهدف أو إعادة توجيه التمثيلات الداخلية، ولكنها لم تحدد كيفية استمرار المسار بعد النسيان، مما قد يؤدي إلى استبدالات غير دقيقة أو حدود مشوهة أو نواتج متكررة.

لذا، قدّم الباحثون مفهوم “GUARD” (Guided Answer-Reasoning Distillation)، الذي يهدف إلى تطوير مسار نسيان طبيعي يتضمن تسلسل تفكير متماسك لا يتضمن الإفصاح متبوعًا بإجابة ثابتة ترفض الكشف الأصلي.

تقوم GUARD بتحويل الإفصاحات غير الآمنة الناتجة عن النماذج إلى مسارات آمنة، وتقوم بتوجيه نموذج تفكير ثابت عبر رموز توجيهية، مما يساعد في تقطير السلوك الموجه إلى معلمات النموذج.

ماشية على ذلك، قدم الباحثون أيضًا مقياس جديد يعرف باسم "درجات التفكير الطبيعي للنسيان" (Natural Forgetting Reasoning Score - NFRS)، والذي يقيس الاستقرار الهيكلي والطلاقة، بالإضافة إلى استبدالات غير مدعومة في النواتج المنسية.

وقد أثبتت التجارب الواسعة على مجموعة بيانات R-TOFU وأوضاع نية ضارة مستمدة من STAR-1 أن تقنية GUARD تقلل بشكل ملحوظ من الإفصاحات غير الآمنة والخصوصية عبر نماذج LRM المدعومة، مع الحفاظ على فاعلية التفكير.

تعتبر هذه التقنية ثورة في مجال الذكاء الاصطناعي، حيث تسهم في زيادة الأمان وتعزيز موثوقية نماذج الذكاء الاصطناعي، مما يفتح آفاق جديدة للبحث والتطبيق في هذا المجال.