عند تفكرنا في مستقبل نظم الذكاء الاصطناعي، نجد أن الكثير من الأنظمة الحالية تمثل الكيانات والسلوكيات والمعلومات الهيكلية باستخدام رموز آلية صريحة بدلاً من اللغة الطبيعية. هذه الرموز، رغم كونها مضغوطة وتحافظ على الهيكل المهم للمهام، إلا أنها تعيش خارج مساحة الرموز اللغوية التي تم تدريب نماذج اللغات الضخمة (LLMs) عليها، مما ينشئ فجوة أساسية بين نمذجة اللغة والتنبؤ الهيكلي.

هنا يأتي نظام **UniLang**، الإطار التوليدي الموحد الذي يسعى لإغلاق هذه الفجوة. بواسطة **UniLang**، تتمتع نماذج اللغات الضخمة بقدرة على التعامل مع الرموز الآلية كعناصر توليدية أولية، بجانب الرموز اللغوية الطبيعية. هذا التوسع في مفردات وفضاء التمثيل يمكن النظام من نمذجة وتوليد الرموز النصية والرموز الآلية بشكل مشترك تحت هدف تلقائي واحد.

عبر واجهته الموحدة، يستطيع النظام العمل مباشرة على التمثيلات الآلية دون الحاجة لتحويلها إلى اللغة الطبيعية أو الاعتماد على هياكل معمارية مخصصة للمهام. لقد تم تقييم **UniLang** عبر مهمتين مختلفتين: التوصية المتسلسلة وتوقع السوابق القانونية، واللتين تغطيان مجالات وأنواع مختلفة من التنبؤ الهيكلي.

أظهرت النتائج أن **UniLang** يتفوق باستمرار على معايير قوية، مما يسلط الضوء على مسار لتوسيع نماذج اللغات الضخمة لتتجاوز اللغة فقط، واستغلالها كنموذج توليدي موحد للتمثيلات الآلية المتنوعة.