هل تتجه نماذج اللغة نحو الاستقرار؟ اكتشاف تأثير التكرار الذاتي في تحسين النص

تشهد نماذج اللغة الكبيرة (Large Language Models) استخداماً متزايداً في عمليات تحسين النصوص عبر التكرار الذاتي، حيث يتم تعديل المسودات الأولية بشكل متكرر باستخدام نفس النموذج. وبالرغم من استخدام هذه التقنية بشكل شائع، إلا أن الديناميكيات طويلة الأمد لهذه العمليات لا تزال غير مفهومة بالكامل. إذ يتساءل الكثيرون: هل يستمر التحسين مع التكرار، أم أن النتائج تتجه نحو شكل نصي ثابت؟

في دراسة حديثة، تم تحليل التكرار الذاتي كعملية ديناميكية، حيث يقود تعديل النص عبر النموذج المستمر النص نحو منطقة ثابتة مفضلة. باستخدام نموذج GPT-5.5، تم توليد مسارات تحسين مكونة من 10 خطوات لـ50 ملخصاً لمؤتمر ICML 2025، مع تقييم إضافي لـ15 ملخصاً من مؤتمر ICML 2020.

تم تحليل المسافات الناتجة عن تعديل النصوط، ونقاط التثبيت الدقيقة والتقريبية، واستقرار عدد الكلمات، وكذلك الخصائص الأخرى. أظهرت النتائج أن مسارات التحسين تشبع بسرعة، حيث تحدث معظم التعديلات خلال الجولات القليلة الأولى. بعد ذلك تنتقل المسارات إلى منطقة ثابتة مع تغييرات سطحية طفيفة.

تبين أن عملية التحديد الحتمي تصل إلى النقاط الثابتة الدقيقة في وقت أبكر، مما يظهر تقلبات أقل مقارنة بالتحديد القياسي. على الرغم من ذلك، فإن كلا الطريقتين تحقق تقارب تقريبي شامل.

تشير النتائج إلى أن متوسط مقدار التعديل يتبع نمط استرخاء أسّي متسق، مما يقترح نوعاً من التوازن النصي المفضل بدلاً من تحسين مفتوح النهاية. كما تشير التقييمات الخارجية إلى أن الملخصات المتقاربة تعزز من الوضوح والدقة والأسلوب العلمي دون فقدان المعنى الفني.

تدعونا هذه النتائج لدعم رؤية ديناميكية لعمليات تحسين نماذج اللغة، مما يوفر دلالات عملية على معايير التوقف المبنيّة على تشبع مقدار التعديل.