في عصر الذكاء الاصطناعي المتزايد، تتسابق الشركات لتطوير نماذج لغوية أكثر كفاءة. وقد أعلن فريق من الباحثين عن نتائج مثيرة لدراسة حديثة تناولت تحويل النموذج اللغوي Qwen3-4B إلى تقنية ثلاثية النقاط (Ternary)، مما قد يحدث تحولا كبيرا في عالم نماذج العجائب اللغوية.

تقدم الدراسة رؤى جديدة حول كيفية تنفيذ تحويلات بعد التدريب تعتمد على تقنيات مثل KOTMS وأنظمة التقدير المتقدمة E2M-ATQ، فضلا عن تعويض الأخطاء العابر على نمط GPTQ. بينما يتم الاحتفاظ بدقة التشغيليات عند 16 بت، تجاوزت التجارب المعايير الأعادية السابقة، مع انخفاض دقيق في دقة الأداء من 64.5% إلى 54.7% في تنافسات دقيقة.

علاوة على ذلك، تشير النتائج إلى أن الاستيعاب والقدرة على الاحتفاظ بالأداء قد تختلف بشكل كبير عبر المهام المختلفة، حيث احتفظت بعض المهام بدقة ملحوظة تفوق 84%. وفيما يتعلق ببدء تواصل الأداء والذي تم الحفاظ عليه عبر تخفيض حجم النموذج من 8.29 جيجابايت إلى 3.96 جيجابايت، يبدو أن هذه التحويلات تقود إلى إعداد بيانات أكثر مرونة وتواصلاً.

كل هذه الابتكارات تأتي في وقت تتزايد فيه الحاجة لنماذج أكثر اقتصادية وفعالية. ومع ذلك، يجب الانتباه إلى أن تحسين الأداء لا يعني دائماً تسريع عملية الاستنتاج، حيث أظهرت الاختبارات الأولية أن أداء التحويل كان أبطأ بخمس مرات مقارنةً بالمعايير السابقة.

إنها واحدة من تلك اللحظات التي تعد بتحويل كيفية إدراكنا وتحليلنا للذكاء الاصطناعي، وتؤكد الحاجة إلى الابتكار الدائم في هذا المجال.