في عالم يتسم بالتغير السريع وتراكم المعلومات، يصبح من الضروري أن تبقى نماذج اللغات الكبيرة (LLMs) محدثة بشكل دائم. من هنا برز مفهوم "PRISM Edit" الذي يعد ثورة في طريقة التعامل مع المعلومات الزمنية. بدلاً من إعادة تدريب النماذج كلما تغيرت المعلومات، تستخدم PRISM Edit نهجًا جديدًا يتحكم في كيفية عرض المعلومات الزمنية.

تستند الفكرة إلى أنه ليس كل تحديث يجب أن يكون بديلاً عن المعلومات القديمة، بل يمكن الدخول في حوار بين الإجابات المختلفة عبر الزمن. والذي يتيح لنماذج اللغات الكبيرة العمل بطريقة أكثر ذكاءً وفهماً.

تستند PRISM Edit إلى عملية داخلية مكونة من مرحلتين، حيث تسترجع الطبقات الأولى من النموذج تمثيلاً غير زمني يعكس الموضوع، ومن ثم تقوم الطبقات اللاحقة بدمجه مع السياق الزمني لتحقيق الإجابة الصحيحة.

علاوة على ذلك، قدم الباحثون معيارًا زمنيًا جديدًا يسمى "TimeConflict" لتقييم أداء PRISM Edit، والذي أثبت أنه يحسن من الدقة الزمنية بنسبة 23.3% ويزيد من معدل الدقة الزمنية النسبية بواقع 33.7%، كل ذلك بينما يكون أسرع بأكثر من الضعف مقارنةً بالأساليب التقليدية.

من المثير أن الكود والبيانات المتاحة للجمهور عبر Github، مما يجعل هذا الابتكار متاحًا تقريبًا لكل مهتم بمجال الذكاء الاصطناعي. هل أنت مستعد لاستغلال هذا الإنجاز في مشاريعك المستقبلية؟