تتجه الأنظار في مجال الذكاء الاصطناعي نحو حلول أكثر كفاءة لمعالجة البيانات، ولا شك أن نموذج أورثروس (Orthros) يمثل خطوة كبيرة في هذا الاتجاه. فقد طورت هذه التقنية الجديدة آليات انتباه مبتكرة تُحول الأسلوب التقليدي لنماذج Transformers من تعقيد رباعي إلى تعقيد خطي، مما يُسرع من معالجة النصوص الطويلة.

يعمل نموذج أورثروس على تغيير paradigm الكفاءة من تخصيص الهيكلة إلى فك الارتباط الواعي بالزوايا. فهو يمكنه من تغيير نمط حسابه بناءً على مراحل معالجة التسلسل، مما يسمح بإجراء معالجة أولية (prefilling) بتعقيد خطي بينما يحافظ أيضًا على إدراك الانتباه الكامل خلال مرحلة فك الشفرة.

الأبحاث التجريبية أظهرت تفوق أورثروس في عدة مجالات، بما في ذلك الإمكانات الأساسية لنمذجة اللغة. حيث ثبت أنه يتوسع بشكل فعال عبر أحجام نماذج مختلفة، ويظهر تنافسية قوية عند مقارنته ببنية نماذج Transformers الأخرى. بالأحرى، أبدى أورثروس قدرة تحويل استثنائية من نماذج Transformers، بتقديم أداء يفوق النسخة الأصلية.

علاوة على ذلك، يوفر نموذج أورثروس سرعة معالجة تصل إلى 21.9 مرة مقارنةً بنماذج Transformers التقليدية، مع الحفاظ على القدرات المتميزة لفهم السياقات الطويلة. وقد تحقق ذلك من خلال نتائج تقريب مثالية تتعلق بالتقدير على نصوص بسعة 128K، مع أداء مشابه لنماذج Transformers في المهام الحقيقية.

بفضل هذه المزايا في الأداء العالي والمرونة والكفاءة، يُعتبر أورثروس مرشحاً واعداً لتمهيد الطريق أمام تقنيات جديدة من الذكاء الاصطناعي في التطبيقات الصناعية.