في عالم الذكاء الاصطناعي، قد يتساءل الكثيرون عن كيفية تأثير الأوامر (prompts) على سلوك النماذج اللغوية الضخمة (Large Language Models) ونماذج اللغة والصورة (Vision-Language Models) بدون الحاجة إلى تحديثات في الأوزان. إذا كنت تبحث عن فهم أعمق لهذه الظاهرة، فإن الدراسة الجديدة التي تم نشرها تناقش كيفية إعادة تشكيل التمثيلات الداخلية لهذه النماذج من خلال الأوامر.

يقدم الباحثون في هذه الدراسة إطارًا هندسيًا متداخلاً يعامل الأوامر كتحول في الهندسة التمثيلية للمحتوى الذي يأتي بعد الأمر. من خلال تحليل مجاميع من الأوامر، يتم محاذاة التمثيلات لنفس المحفزات تحت أمرين مختلفين باستخدام خرائط متنوعة، تشمل التحويلات الخطية وغير الخطية.

عبر ثلاثة نماذج لغوية وثلاثة نماذج لغة وصورة، تم اختبار كيف أن هذه الأوامر تعيد تشكيل التمثيلات لتتناسب مع هيكل المهمة المحددة. تُظهر النتائج أن الكثير من التغييرات الناتجة عن الأوامر يتم التقاطها عبر خرائط تحافظ على الشكل، خاصةً التحويلات الخطية. على الرغم من أن الخريطة الأولى تساهم بالفعل في تحسين توافق السلوك مع الطلب، فإن التحويلات غير الخطية كانت الأكثر فعالية في استعادة هيكل المهمة المستهدف.

يمكننا اعتبار أن الاختلاط الخطي عبر الأبعاد يعد الآلية الرئيسية التي تعيد من خلالها الأوامر تنظيم التمثيلات نحو هيكل المهمة المطلوب. يوفر هذا الإطار فهمًا أعمق لكيفية توجيه النماذج للهيكل المعني بالمهمة لإنتاج سلوك مدفوع بالأوامر. هل أنتم مستعدون لاكتشاف المزيد عن هذه التحولات المثيرة في سلوك النماذج؟