أجرت شركة “أبل”، بالتعاون مع باحثين من جامعة كاليفورنيا في سان دييغو، دراسة حديثة تضيء على مقاربة مبتكرة تهدف إلى تحسين دقة وجودة إجابات نماذج اللغة الكبيرة (LLMs) ضمن مجالات محددة.
كما تناولت الدراسة نماذج الانتشار المستخدمة في التنبؤ بطيّ البروتين وترميزه، ضمن إطار بحثي وُصف بأنه واسع ومليء بالاحتمالات.
ويعتمد النموذج، الذي يحمل اسم LaDiR، على دمج النهجين معاً، إذ يستخدم آلية الانتشار خلال مرحلة الاستدلال، قبل أن ينتج الإجابة النهائية بأسلوب انحداري ذاتي.
ويقوم النظام على تشغيل عدة مسارات استدلال في الوقت نفسه، بحيث ينفّذ كل مسار عملية انتشار مستقلة، مدفوعة بآلية تدفع نحو استكشاف خيارات مختلفة، ما يؤدي إلى توليد مجموعة متنوعة من الإجابات المحتملة.
وخلال عملية الاستدلال، يُنشئ النموذج سلسلة من الكتل المخفية، تبدأ كأنماط عشوائية (ضوضاء)، ثم يجري تحسينها تدريجياً لتصبح أكثر ترابطاً ودقة.
وعند انتهاء مرحلة “التفكير”، ينتقل النموذج إلى توليد الإجابة النهائية بشكل تسلسلي، رمزاً تلو الآخر.
وترتكز الفكرة الأساسية في LaDiR على تشغيل عدد كبير من مسارات التفكير بالتوازي، مع اعتماد آلية تمنع تقاربها نحو النتيجة نفسها، بما يوسّع نطاق الاحتمالات ويعزز تنوّع المخرجات.
وتخلص الدراسة إلى أن LaDiR لا يُعد نموذجاً جديداً بحد ذاته، بل إطار عمل يُبنى على نماذج قائمة، مع تعديل طريقة معالجتها للمسائل بدلاً من استبدالها بالكامل.