تشكل عملية نشر نماذج اللغة الصغيرة (Small Language Models) على الأجهزة الطرفية المتقيدة بالموارد، مثل الأقمار الصناعية الخاصة بالاستشعار عن بُعد، تحديًا كبيرًا. هذه الأجهزة تواجه قيودًا في قدرتها على التفكير، مما يعوق تنفيذ المهام المعقدة التي تتطلب تنسيق أدوات متعددة. نحن هنا نقدم لكم PTC-Decoder (Decoder مع قيود التخطيط والأدوات) كحل مبتكر.

تأتي فكرة PTC-Decoder بتقديم إطار عمل مرن لا يتطلب التدريب، حيث يجمع بين مفهوم التخطيط إلى العمل (Plan-to-Act) الذي يرتقي بالتخطيط إلى أداة أساسية تفرض استخدامها في أول خطوة استنتاجية، ونموذج TC-Decoder، وهو أوتوماتيكي نهائي محدد يضع قيودًا صارمة على أسماء الأدوات مع الحفاظ على حرية توليد المعلمات، مما يحافظ على قدرة نماذج اللغة على التفكير.

أظهرت التجارب التي أجريت على 200 مهمة حقيقية من مهام الأقمار الصناعية، تفوق نموذج PTC-Decoder بشكل إحصائي ملحوظ، إذ حقق زيادة في النتيجة العامة بمعدل +1.21 (p<0.01)، مما يدل على تحسينات متسقة عبر مختلف النماذج ومجموعات البيانات الأخرى.

أظهرت دراسة خفض الأداء أن إلغاء نموذج TC-Decoder يؤثر سلبًا على جميع مقاييس الجودة دون تقليل التكاليف الحاسوبية، مما يؤكد على أهمية TC-Decoder كمحرك رئيسي للتحسين. في جوهر الأمر، نحن نفرض الالتزام بالخطة من خلال تقييد المفردات الناتجة أثناء الاستدلال، دون الحاجة لإعادة تدريب، مما يجعل PTC-Decoder حلاً خفيفًا وفعّالًا لتحسين موثوقية خطوة العمل، مع بقاء دقة الإجابات النهائية تحديًا مفتوحًا. هذه التقنية الجديدة تعد خطوة رائدة نحو تطوير نماذج لغة أكثر كفاءة مصممة لتلبية احتياجات الأجهزة ذات الموارد المحدودة.