Eternis-Forecaster 8B: مجسات التنشيط أدق من سلاسل الاستدلال وتوفّر حتى 47% من التوكنات

نشر الباحثون في 10 يوليو 2026 على موقع arXiv ورقة بحثية تظهر أن التنبؤات من نموذج اللغة Eternis-Forecaster 8B تثبت "بنفسها" قبل أن يبدأ التفكير في سلسلة الأفكار، وتحقق مسابير التنشيطات الوسيطة من خلال معايرة دقيقة لثقة النموذج وتتنبأ بالتغييرات في سلوكه في 84% من الحالات—حتى عندما تخفي السلسلة النصية للتفكير هذه التغييرات.

ما اكتشفه الباحثون

عملت الفريق مع نموذج Eternis-Forecaster 8B على معيار OpenForesight—منصة متخصصة للتنبؤ الاحتمالي. على التنشيطات الوسيطة للنموذج، تم تدريب المسابير بتجميع التمثيل، والذي أظهر معايرة أفضل بكثير من ثقة النموذج المدمجة. تم إعادة إنتاج النتائج على GLM-4.7-Flash و GLM-4.5-Air، مما يؤكد قابلية الطريقة للنقل.

الحقائق الرئيسية:

• النماذج المختبرة: Eternis-Forecaster 8B، GLM-4.7-Flash، GLM-4.5-Air
• معيار التقييم: OpenForesight (التنبؤ الاحتمالي)
• دقة التنبؤ باتجاه التغييرات: 84% من الحالات
• توفير الرموز عبر التوجيه: 30–47% دون فقدان الدقة
• الطريقة: تجميع التمثيل على الطبقات الوسيطة للمحول

لماذا لا يمكن الوثوق بسلسلة الأفكار بشكل أعمى

تحقق المؤلفون من "صدق" CoT باستخدام طريقتين: إزالة المصادر المؤثرة من الفجوة الموجهة وإدراج معلومات مشتتة. ثبت أن النمط قوي: إزالة مصدر رئيسي غالباً ما غيرت التنبؤ النهائي، لكن التفكير النصي ظل دون تغيير—لم يذكر النموذج المصدر المفقود وتصرف كما لو أنه لم يكن موجوداً قط في السياق.

تصرفت المسابير بشكل مختلف جذرياً. تتبعت تنشيطاتها بشكل موثوق التحولات السلوكية وتنبأت بالتغييرات في الاتجاه في 84% من الحالات—بما في ذلك عندما أخفى CoT الاضطراب تماماً. هذا يجعل مسابير التنشيط أداة تدقيق أكثر موثوقية بكثير من CoT نفسه.

"التمثيلات الداخلية تكشف عما يعالجه النموذج فعلاً، وليس عما يقرر

الإبلاغ عنه"—استنتاج يستخلصه المؤلفون من مجمل التجارب.

التنبؤ ثابت قبل بدء التفكير

النتيجة الأكثر عملية: مخرجات النموذج تكون "محددة" قبل حتى بدء سلسلة التفكير. يسمح المرور الأمامي الواحد دون توليد CoT بالاسترجاع الدقيق لكل من الإجابة النهائية ومستوى ثقة النموذج فيها.

هذا يفتح تطبيقاً عملياً مباشراً: التوجيه الذكي للطلبات حسب انتشار توزيعات الإجابات المحددة مسبقاً. عندما تكون الإجابة واضحة بالفعل على مستوى التنشيط، يمكن تخطي توليد التفكير المكلف—توفير 30% إلى 47% من الرموز دون فقدان الدقة في التنبؤات النهائية.

ماذا يعني هذا

توفر مسابير التمثيلات الداخلية وصولاً مباشراً إلى ما يعالجه النموذج فعلاً—متجاوزة التفكير النصي، الذي لا يجب بالضرورة أن يعكس الأسباب الحقيقية للاستدلال. بالنسبة لأنظمة التنبؤ، يعني هذا أدوات عملية: معايرة الثقة، تدقيق أصالة CoT، والتوجيه الفعال للطلبات في طريقة واحدة. يرى المؤلفون أن الطريقة قابلة للتطبيق ليس فقط على المتنبئين بل على نماذج التفكير من فئة أوسع—في سياق النشر المتزايد لـ LLM في صنع القرار، هذه خطوة مهمة نحو أنظمة حيث يمكن قياس المعتقدات الداخلية للنموذج بشكل مستقل عما يقوله.

الأسئلة الشائعة

ما هي مسابير التنشيط ولماذا هي أكثر دقة من CoT؟

مسابير التنشيط هي مصنفات صغيرة تم تدريبها على الحالات الوسيطة للشبكات العصبية. تقرأ "الإشارة الداخلية" للنموذج مباشرة، متجاوزة الإخراج النصي. في تجارب هذه الورقة، تنبأت المسابير بتجميع التمثيل بالتنبؤ النهائي لـ Eternis-Forecaster 8B واتجاه التغييرات بدقة أكثر من التفكير النصي CoT.

هل الطريقة قابلة للتطبيق على نماذج وحالات استخدام أخرى؟

أعاد المؤلفون إنتاج تحسن المعايرة على GLM-4.7-Flash و GLM-4.5-Air، مما يؤكد قابلية الطريقة للنقل. المعيار الأساسي—OpenForesight—خاص بالتنبؤ الاحتمالي؛ تطبيق الطريقة على مهام ومجالات أخرى يتطلب التحقق بشكل منفصل.