إجراءات الإصلاح لنماذج اللغة الكبيرة تستفيد من التصحيحات المزدوجة في 76 من أصل 114 اختباراً للمرور

اقترح هينغيو يي وسونغهوا هو اختباراً افتراضياً مضاداً لإجراءات الإصلاح الناتجة عن نماذج اللغة الكبيرة في مسودة أولية نُشرت عبر arXiv في 20 أكتوبر، حيث تفوقت التصحيحات المزدوجة على التصحيحات أحادية الجزء في 76 من أصل 114 إجراءً متعلقاً بالمرور.

تكتسب المسودة الأولية المنشورة على arXiv في 20 أكتوبر أهمية بالنسبة لأنظمة الذكاء الاصطناعي التي تقترح تصحيحات تشغيلية: إذ استعادت الأجزاء المُعاد دمجها 61.6% من نسبة خفض الخسارة لإجراء مرجعي، بزيادة بلغت 3.6 نقطة مئوية عن مجرد الاختيار بين المقترحات الأصلية فقط.

وتعني نتيجة 61.6% أن النهج المُعاد دمجه حقق ما يقل قليلاً عن ثلثي التحسن المرجعي في الملاحظات المحجوبة عن التدريب. وتعادل حالات المرور البالغ عددها 76 نحو ثلثي الإجراءات المختبرة البالغ عددها 114، وفقاً لحسابات Atlas360.

ويعرّف الباحثان إجراء الإصلاح الناتج عن نماذج اللغة الكبيرة بأنه توصية "تحدد السجلات المراد تغييرها ومقدار التغيير". ووفقاً لمنظورهما، يمكن للإصلاح السيئ في مجمله أن يظل محتفظاً بمكون مفيد واحد: إما السجلات المستهدفة الصحيحة، أو التعديل الرقمي الصحيح، أو لا شيء منهما.

وتُقيّم الورقة البحثية هذا التقسيم في شبكات المرور وقواعد البيانات، حيث يمكن للقياسات العامة أن تحجب السجلات الأساسية الخاطئة. ويقارن الباحثان تركيبات ناشئة من نقطة البداية ذاتها بإجراء مرجعي، والمقصود به تصحيح قياسي للسجلات المتأثرة.

وفي اختبارات المرور، أدى تصحيح كل من المجموعة المستهدفة والتحديث الرقمي معاً إلى تحقيق مكاسب مجمعة فاقت مجموع تصحيح كل جزء على حدة في 76 من أصل 114 إجراءً. وفي ستة من تلك الإجراءات، تسبب أي تصحيح منفرد في تدهور الأداء، في حين أسفر التصحيح ثنائي الأجزاء عن تحسينه.

وتشير نتائج قواعد البيانات إلى نمط فشل مختلف؛ إذ أدى استبدال التحديث المقترح من النموذج فقط بالتحديث المرجعي إلى تدهور 17 من أصل 108 إجراءات، وذكر الباحثان أن الحالات الـ 17 بأكملها ارتبطت باختيار سجلات غير متأثرة.

ويعالج هذا العمل مشكلة تقييم عملية تواجه أدوات الإصلاح القائمة على الذكاء الاصطناعي: فالاعتماد على النتيجة النهائية وحدها للتقييم قد يغفل ما إذا كان المقترح غير الناجح يحتوي على أجزاء قابلة لإعادة الاستخدام. ويفصل النهج المقترح تحديد الهدف عن قيمة التحديث، ثم يختبر سلوك هذه المكونات عند إعادة دمجها.

وتعد أوجه القصور جوهرية؛ فالورقة البحثية عبارة عن مسودة أولية على arXiv ولم تخضع بعد لمراجعة الأقران.

كما اختبر الباحثان أيضاً ما إذا كان يمكن إعادة استخدام مكونات من مقترحين صادرين عن النموذج معاً. وتشير نتيجتهما المحجوبة، 61.6% مقابل 58.0%، إلى تحسن طفيف ناجم عن إعادة الدمج ضمن البيئة التجريبية المعلنة، ولا تعد دليلاً على موثوقية الإصلاحات الناتجة عن نماذج اللغة الكبيرة في الأنظمة التشغيلية المباشرة.

المصدر: مسودة arXiv cs.AI الأولية، 20 أكتوبر 2026