في عالم الذكاء الاصطناعي، تبرز الحاجة إلى تحرير المعرفة بشكل مستمر كأحد التحديات الرئيسية، حيث يجب أن تتكيف نماذج اللغة (Language Models) مع المعلومات الجديدة وتقليل فرص حدوث أخطاء دون الإضرار بالأداء على المعرفة السابقة.

تواجه الأساليب الحالية العديد من العقبات، حيث تعتمد بشكل عادةً على تعديل مجموعة ثابتة من الطبقات، وهو ما يؤدي إلى تقليل المرونة وزيادة فقدان المعرفة، بالإضافة إلى الحاجة إلى الوصول إلى المعرفة السابقة وإجراء معالجة مسبقة شاملة للحصول على إحصائيات البيانات.

لكن هنا تأتي LOKI كحل ثوري! تعتمد LOKI على اختيار ديناميكي للطبقات باستخدام معيار الاستقلالية (Hilbert-Schmidt Independence Criterion)، مما يمكّن النماذج من مراعاة المعلومات الجديدة بكفاءة. علاوة على ذلك، تقوم LOKI بإسقاط تحديثات التدرجات (Gradient Updates) على الفضاء الصفري (Null-space) لأوزان النموذج، مما يلغي الحاجة للوصول إلى المعرفة السابقة.

في اختبارات متعددة، أظهرت LOKI أداءً متفوقًا على الطرق الحالية، حيث حققت زيادة تصل إلى 14% في دقة الأداء، مما يفتح آفاقاً جديدة لفهم وتطبيق الذكاء الاصطناعي في مختلف المجالات. هل أنتم مستعدون لاستكشاف المستقبل مع LOKI؟