في عالم الذكاء الاصطناعي، يتطلب تدقيق نموذج لغة جديد غالبًا إعادة فهم وإعادة تفسير خصائصه الداخلية من الصفر. هنا يأتي دور "أطلس الميزات المرجعية" (Reference Feature Atlas) كأداة مبتكرة، حيث أنه بمثابة مكتبة ميزات انتشائية تم تدريبها مرة واحدة على مجموعة مرجعية، ويمكن إعادة استخدامها بسهولة لنماذج جديدة من خلال تعديل بسيط باستخدام ديكودر خطي.

توفر هذه الأداة رؤيتين متكاملتين، حيث تقوم قناة الأطلس بقراءة الهدف بناءً على ميزات المجموعة المتفسير بالفعل، مما يوفر نظام إحداثيات ثابت عبر النماذج. من جهة أخرى، تتعلم القناة المتبقية الخصائص من المعلومات التي يفشل الأطلس في إعادة تركيبها، مما يجعل "خارج اللوحة المرجعية" بمثابة إشارة تدقيق واضحة.

في تجربة تشمل خمسة نماذج مدربة على تعليمات تتراوح ما بين 7-9 مليار، يتم تدقيق الأهداف المحجوزة Mistral وQwen. من خلال ثلاثة أهداف مخفية يتم التحكم بها، تتمكن القناة المتبقية من جعل الآلية المزروعة قابلة للتحكم بشكل مثالي أثناء التشغيل، في حين تظل المراقبات المتطابقة غير متأثرة، مما يتيح استعادة الهدف المزروع كأعلى تصنيف عبر كلا الهدفين.

لقد اتضح أن نموذج Mistral، حيث تم إعادة تدريب قيم SAE المستهدفة والمعايير الموازية للقياس في مقارنة محورية، قد فشلت كليهما في الاستجابة مثلما فعلت. أما بالنسبة لـ Qwen-2.5، فأظهرت القناة نفس النمط، حيث كشفت عن مجموعة إطارية سياسية تتعلق باللوحة، مما يؤكد أن التحكم بها يؤثر على مقاييس الإطار المدروسة بينما تظل المراقبات خارج النطاق دون تغيير.

بفضل هذه الابتكارات، تعزز نماذج اللغة قدرتها على أداء دقيق وتحليل متميز، مما يزيد من قدرتها على تلبية الاحتياجات المتزايدة في عالم الذكاء الاصطناعي.