في عالم الذكاء الاصطناعي، يُعتَبَر نموذج اللغة الكبير (Large Language Model) واحداً من الأدوات الأكثر تقدماً، التي تُستخدم في العديد من التطبيقات. ومع تزايد الطلب على كفاءة هذه النماذج في بيئات زمنية أو موارد محدودة، تُصبح عملية التكميم (Quantization) ضرورية. ومع ذلك، يُظهر بحث حديث نشر في arXiv (رقم المرجع: 2607.08734v1) أن التقييمات التقليدية، التي تعتمد على معايير مثل الدقة (Accuracy) والاضطراب (Perplexity)، لا تعكس التغيرات السلوكية الناتجة عن التكميم.

يقدم الفريق البحثي مفهوم "اتفاق الصحة" (Correctness Agreement) كمعيار له دور رئيسي في قياس جودة التنبؤات بين النموذج الأساسي ونماذج التكميم، بعيداً عن الدقة المطلقة. في نتائجهم، عثر الباحثون على ما يُعرف "التباين السلوكي" (Behavioral Divergence)، حيث يتضح أن التنبؤات النموذجية تصبح مختلفة عند تحديد عرض الكلمات إلى درجة متوسطة، حتى عندما تبدو نتائج الأداء مستقرة.

قام الفريق بتحليل التكميم كعامل هيكلي يؤثر على أوزان الانتباه (Attention Weights)، وقاموا بتحديد التغيرات الطبقية باستخدام مقاييس إحصائية. أظهرت النتائج أن هناك نقاط انكسار غير خطية عند عرض بت منخفض، وكان لمشروعات الاستعلام (Query Projections) ومفاتيحها (Key Projections) حساسية أكبر مقارنة بمشروعات القيم (Value Projections) ومشروعات الخرج (Output Projections).

تعكس هذه النتائج وهم التكافؤ بين نماذج الأساس ونماذج التكميم، مما يحفز دعوة ملحة لتقييم السلوك يتجاوز الأداء التقليدي. في النهاية، يُظهر هذا البحث حاجة ماسّة لتطوير معايير تقييم جديدة تسلط الضوء على التغيرات السلوكية التي يمكن أن تؤثر بشكل كبير على أداء الأنظمة المعتمدة على الذكاء الاصطناعي.