في تقدم تقني مثير، قدم الباحثون تقنية جديدة تسمى HasMem، والتي تهدف إلى تحسين الذاكرة في نماذج اللغات الضخمة (LLMs) عن طريق إعادة تشكيل المعلومات السابقة. تعتمد التقنية على مفهوم الذاكرة المستمرة القابلة للتكيف، مما يتيح توزيع السعة وقراءة المعلومات بشكل أكثر فعالية.

ما يميز HasMem هو استخدام ما يُعرف بالنقاط الصلبة (Hard-Origin) التي توفر حالة أولية قابلة للتحقق، حيث يقوم جهاز التحكم بتعديل عرض الذاكرة، بينما يُعيد كاتب الإدخال (Writer) ترميز الإدخالات المعدلة.

عند اختبار HasMem على 535 سؤالاً مستمدًا من مسابقة Multi-Session Chat (MSC)، حققت التقنية دقة Lexical F1 قدرتها على الوصول إلى 95.3%، وهو انخفاض ملحوظ من مستوى التحسينات السابقة.

علاوة على ذلك، أظهرت التجارب أن HasMem تحسن من نسبة التطابق الكامل (Exact Match – EM) بنسبة تصل إلى 23.6 نقطة مئوية بالمقارنة مع الطرق التقليدية، مما يعني أن التقنية الجديدة لا تزيد فقط من فعالية النموذج، بل تقدم أيضًا إمكانية جدولة المعلومات بشكل أكثر دقة.

هذه التطورات مثيرة للاهتمام وتفتح آفاقًا جديدة، ليس فقط في تعزيز أداء نماذج الذكاء الاصطناعي، بل أيضًا في بدء نقاش حول كيف يمكن لهذه التكنولوجيا أن تؤثر على التطبيقات المستقبلية.