في عالم الذكاء الاصطناعي المتقدم، يعتبر التكيف مع المعرفة الجديدة أحد التحديات الكبيرة التي تواجه نماذج اللغات الضخمة (LLMs). ولكن، ما هو الحل الفعال الذي يحافظ أيضاً على القدرة على قبول عدم المعرفة (epistemic abstention)؟ إليكم تكنولوجيا SEAT الجديدة.

تستهدف SEAT تطوير طرق ضبط جديدة تهدف إلى الحفاظ على الاعتراف بعدم المعرفة، وهو أمر حيوي في البيئات ذات المخاطر العالية. يعتمد SEAT على تقنية ضبط متناثر (sparse tuning) التي تحد من تحول التفعيل العالمي، إضافةً إلى تنظيم KL المتغير (KL regularization) الذي يساعد في تحديد الحدود المعرفية بشكل دقيق، وبالتالي يمنع تسرب المعرفة إلى مجالات معرفية مجاورة.

واحدة من أبرز مزايا SEAT هي أنها لا تتطلب بيانات محاذاة (alignment data) أو فحوصات حدودية صريحة (explicit boundary probing)، مما يجعلها مثالية للتكيف الخفيف والحساس من الناحية الخصوصية. في اختبارات متعددة، أثبتت SEAT أنها تزيد من تقييم الاعتراف بعدم المعرفة بنسبة تتراوح بين 18% و101% مقارنة بأقوى المعايير، مع الحفاظ على اكتساب المعرفة المستهدفة بشكل شبه مثالي. كما أنها تُظهر قابلية للتفاعل الجيد في سياقات المعرفة بعد عملية الضبط.

تشير النتائج إلى أن SEAT يمثل خطوة هامة نحو ضبط المعرفة بشكل آمن، مع التأكيد على أهمية الحفاظ على قدرة الاعتراف بعدم المعرفة كهدف أساسي.