في عالم [التكنولوجيا](/tag/التكنولوجيا) المتقدمة، تُعد [أنظمة](/tag/أنظمة) [وكيل](/tag/وكيل) [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) (Large Language [Models](/tag/models)) من أبرز [الابتكارات](/tag/الابتكارات). ومع زيادة حجم هذه الأنظمة، تتراكم المهارات لتشكل مكتبات ضخمة. لكن، ما هي القوانين التي [تحكم](/tag/تحكم) هذه العمليات؟
[بحث حديث](/tag/[بحث](/tag/بحث)-حديث) تناول هذا الموضوع يكشف أننا بحاجة لفهم أعمق حول [قوانين](/tag/قوانين) [توسع](/tag/توسع) المهارات. [عبر](/tag/عبر) [تحليل](/tag/تحليل) 15 نموذجًا رائدًا، و1141 مهارة ضمن العالم الحقيقي، وأكثر من 3 ملايين [قرار](/tag/قرار) [توجيه](/tag/توجيه) أو تنفيذ، توصل الباحثون إلى وجود قانونين متلازمين.
**القانون الأول: [قانون](/tag/قانون) [التوجيه](/tag/التوجيه) (Routing Law)**
تشير نتائج [البحث](/tag/البحث) إلى أن [دقة](/tag/دقة) [التوجيه](/tag/التوجيه) تتدهور لوغاريتميًا مع زيادة حجم المكتبة، حيث يُظهر ثبات النتائج في جميع [النماذج](/tag/النماذج). يتسبب هذا الانخفاض في [الأخطاء](/tag/الأخطاء) من [المنافسة](/tag/المنافسة) المحلية إلى الانزلاق [عبر](/tag/عبر) العائلات، مع تداخل [مهارات](/tag/مهارات) عامة مفرطة.
**القانون الثاني: [قانون](/tag/قانون) التنفيذ (Execution Law)**
قبل [تحقيق](/tag/تحقيق) الحالة، يتضح أن [التوجيه](/tag/التوجيه) المشترك تقريبًا متعدٍ، بينما يمكن للتنفيذ الصحيح أن يُحسن القرارات الصعبة بمعدل يصل إلى 4 مرات. يعتمد هذان القانونان على معامل واحد فقط يُعرف بانحدار التوجيه، والذي يُعزز فعالية المكتبة، مسلطًا الضوء على كيفية تأثير [هيكلة](/tag/هيكلة) المكتبة وسياساتها على إمكانية الاسترداد بعد التراجع.
أظهرت النتائج أيضًا أن [تحسين الأداء](/tag/[تحسين](/tag/تحسين)-[الأداء](/tag/الأداء)) لا يعزى فقط إلى قدرة النموذج، بل أن هيكل المكتبة وحدود الوصول تلعبان دورًا حاسمًا في النتائج. مع تطبيق [تحسينات](/tag/تحسينات) مستندة إلى هذه القوانين، ارتفعت [دقة](/tag/دقة) [التوجيه](/tag/التوجيه) المحجوزة من 71.3% إلى 91.7%!
إذا كنت مهتمًا بتفاصيل هذا [البحث](/tag/البحث) وكيف يمكن استغلاله في التطويرات المستقبلية، فنحن نود سماع آرائكم. ما رأيكم في هذا التطور؟ شاركونا في [التعليقات](/tag/التعليقات)!
القوانين المثيرة لتوسع المهارات في أنظمة وكيل نماذج اللغات الضخمة!
تكشف دراسة جديدة عن قوانين توسع المهارات في أنظمة وكيل نماذج اللغات الضخمة (LLMs)، موضحة كيف تؤثر المكتبات الواسعة على دقة الأداء. استمتع باكتشاف الأسرار وراء تحسين أداء الوكلاء باستخدام تقنيات مبتكرة!
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
