كيف تعزز نماذج اللغات المكممة دقتها في التحليل النوعي؟ استراتيجيات مبتكرة لتحقيق النجاح!

تشهد [نماذج اللغات](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)) المكممة (Quantized Large Language [Models](/tag/models)) ارتفاعًا في استخدامها ضمن مجالات [التحليل](/tag/التحليل) النوعي، نظرًا لسرعتها وكفاءتها في استخدام الموارد الحاسوبية. وفي [دراسة جديدة](/tag/[دراسة](/tag/دراسة)-جديدة) تناولت تفاصيل [أداء](/tag/أداء) [نموذج](/tag/نموذج) LLaMA-3.1 (8B) تحت مستويات [تكميم](/tag/تكميم) مختلفة (8-بت، 4-بت، 3-بت، و2-بت)، أشارت النتائج إلى [تحديات](/tag/تحديات) تتعلق بمعدل حدوث [الأخطاء](/tag/الأخطاء) (hallucinations) وعدم الاستقرار، خاصة عند التعامل مع [نصوص](/tag/نصوص) غير متخصصة تحتوي على [مصطلحات](/tag/مصطلحات) غير واضحة.

لتحسين [أداء](/tag/أداء) هذه النماذج، اقترح الباحثون استخدام طريقة [تحقق](/tag/تحقق) متعددة الخطوات (multi-pass prompt verification) تركز على تقليل [الأخطاء](/tag/الأخطاء). تتضمن هذه الطريقة خطوات منضبطة لضمان [التدقيق](/tag/التدقيق) في النتائج قبل الانتقال إلى النصوص التالية، مما يسهل الحصول على [معلومات](/tag/معلومات) دقيقة وموثوقة.

لتأكيد فعالية الطريقة، قام الباحثون باستخدام مبرمجي [نصوص](/tag/نصوص) بشرين (human coders) لتحليل المقابلات باستخدام برنامج NVivo، ووجدوا أن [نموذج](/tag/نموذج) BF16 LLaMA-3.1 أنتج نتائج دقيقة ولكن مع بعض [الأخطاء](/tag/الأخطاء) الممكنة في المعاني، والتي تمت تصحيحها يدويًا. ونتيجة لدمج النتائج المصححة مع [البيانات](/tag/البيانات) المبرمجة بواسطة البشر، تم إنشاء [قاعدة بيانات](/tag/قاعدة-[بيانات](/tag/بيانات)) ذات معيار ذهبي (Gold-Standard Ground Truth) لاستخراج المواضيع وتحليل التكرار.

أظهرت النتائج أن [نماذج](/tag/نماذج) 8-بت كانت الأقرب إلى [المعايير](/tag/المعايير) الذهبية، بينما فقدت [نماذج](/tag/نماذج) [4-بت](/tag/4-بت) بعض [الدقة](/tag/الدقة) لكنها أصبحت أكثر استقرارًا عند تطبيق الطريقة المقترحة. من جهة أخرى، تراجعت [أداء](/tag/أداء) [نماذج](/tag/نماذج) 3-بت و2-بت بسبب [ضغط البيانات](/tag/ضغط-[البيانات](/tag/البيانات)) الشديد، إلا أن تطبيق [التصميم](/tag/التصميم) والتحقق المقترح ساهم في تحسينها.

أخيرًا، أكدت [الدراسة](/tag/الدراسة) على أن [النماذج](/tag/النماذج) ذات نفس مستوى [التكميم](/tag/التكميم) قد تتصرف بشكل مختلف اعتمادًا على نوع [التكميم](/tag/التكميم) المستخدم. بشكل عام، تسهم هذه الطريقة في جعل [نماذج اللغات](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)) المكممة ذات الموارد القليلة أكثر استقرارًا ودقة وملاءمة لأبحاث الجودة بتكلفة أقل.