تتناول الأبحاث الجديدة في مجال الذكاء الاصطناعي كيفية تحسين التوجيه في نماذج اللغات الضخمة (LLM) من خلال استراتيجيات مبتكرة. في السابق، كانت تقنيات التوجيه تعتمد على تدخلات كمومية، مما أسفر عن أداء ضعيف مقارنة بأساليب التوجيه التقليدية (prompt-based approaches).

تظهر الدراسة الحالية كيف يمكن إعادة صياغة أساليب التوجيه (activation steering) لتشبه طرق التوجيه المعتادة، مما يساهم في تحسين الأداء العام لنماذج اللغات.

هناك تحديات رئيسية حيث تكشف التحليلات أن بعض أساليب التوجيه الشائعة لا تتناسب مع آليات التوجيه الدقيقة؛ حيث تؤثر بشكل كبير على بعض الرموز (tokens) بينما تكون تأثيراتها على أخرى ضئيلة. وبالتالي، تم تقديم ما يسمى بنماذج استبدال التوجيه (Prompt Steering Replacement - PSR)، والتي تستند إلى تقدير معاملات التوجيه الخاصة بكل رمز من تفاعلاتها.

أظهرت التجارب على ثلاث مرجعيات توجيهية عبر نماذج لغوية متعددة أن نماذج PSR تتفوق على الأساليب الحالية للتوجيه، خاصة عند التحكم في الاكتمالات ذات التناسق العالي، كما أنها تنافس بشكل إيجابي على منصات القياس مثل AxBench وتوجيه الشخصيات.

هذه النتائج تفتح آفاق جديدة في كيفية تعاملنا مع الذكاء الاصطناعي وتزيد من فعالية التفاعل مع هذه التقنيات الحديثة.