تواصل نماذج اللغات الكبيرة (LLMs) تطوير قدراتها في معالجة اللغة الطبيعية، إلا أن بعض السلوكيات غير المرغوب فيها لا تزال تظهر بشكل متكرر. تمثل هذه السلوكيات تهديداً مجموعة من القضايا، كعدم العدالة والتناقض في المحتوى وتضخيم المحتوى الضار.

تسعى الطرق المستخدمة حالياً لتقليل هذه التأثيرات، مثل الأساليب المعتمدة على البيانات أو زمن التدريب، إلى توفير حلول لكنها تواجه تحديات عديدة؛ فهي تحتاج إلى موارد حسابية كبيرة وغير قابلة للتكيف بسرعة مع السياقات الجديدة.

لكن من خلال استخدام أساليب تقليم الديناميكية، تمكنا من تقديم إطار يسمح بتقليل التحيز من خلال ضبط نشاط الخلايا العصبية المسؤولة عن بعض السلوكيات. لا تقتصر هذه الاستراتيجيات فقط على أن تكون ثابتة، بل يمكنها التكيف مع تغير المحادثات.

اقتراحنا الجديد هو إطار تقليم ديناميكي وعكسي يكشف عن نشاط الخلايا العصبية وفقاً للسياق ويستخدم تقنية ضخمة للتكيف مع التأثيرات خلال عملية التوليد. هذا الحل يعمل على توفير تخفيف دقيق ومراعي للذاكرة، مما يؤدي إلى تحسين سلوك هذه النماذج عبر حوارات متعددة اللغات، مما يمكّن من تحقيق العدالة الديناميكية في الذكاء الاصطناعي عند التواصل.

هل تعتقد أن هذه التحسينات ستسهم فعلياً في الحد من التحيز في نماذج اللغات الكبيرة؟