في خطوة جديدة نحو تحقيق الكفاءة القصوى في الذكاء الاصطناعي، تم تقديم هيبر (HyPER)، وهو نظام مبتكر يهدف إلى تحسين نموذج التفكير متعدد المسارات في نماذج اللغات الضخمة (LLMs). يعتمد هذا النظام على فكرة أن الحلول المثلى للتوازن بين الاستكشاف والانغماس تتطلب ديناميكيات متغيرة تتناسب مع طبيعة كل مرحلة من مراحل التفكير.

تشير الأبحاث إلى أن الكثير من الطرق التقليدية في معالجة هذه المشكلة تعتمد على عمليات بحث صارمة مثل الشجرية، التي قد تؤدي إلى تضارب في النماذج المتدربة. بفضل هيبر، أصبح بالإمكان إعادة صياغة مؤشر الأداء في الوقت الفعلي كمشكلة تحكم ديناميكية، حيث يتم تخصيص موارد الحوسبة بذكاء حسب تطور مجموعة الفرضيات.

يتكوّن هيبر من آلية تحكم عبر الإنترنت تنتقل من الاستكشاف إلى الانغماس بناءً على تطور فرضياتها. كما تُتيح آلية تحسين المستوى الرمزي استغلالاً فعالاً للموارد دون الحاجة لإعادة إSampling للمدخلات بالكامل، مما يعزز كفاءة النتائج.

الأبحاث التي أجريت على أربعة نماذج من نماذج الخبراء المختلطة، أظهرت أن هيبر نجح في تحقيق توازن دقيق بين الدقة واستخدام الرموز. حيث أسفر التطبيق عن زيادة دقيقة تتراوح بين 8 إلى 10%، وتقليل استخدام الرموز بنسبة تتراوح بين 25 إلى 40%، مما يتيح لنا استخلاص إجابات أكثر دقة مع موارد أقل.

بتلك الخطوات الرائدة، يعكس هيبر التوجه المستقبلي نحو نماذج أكثر ذكاءً وفعالية، مما يمزج بين التقدم التكنلوجي والبحث العلمي.