ICLR 2026: باحثو UIUC يجدون طريقة لوقف «الإفراط في التفكير» لدى نماذج LLM بسطر برمجي واحد

تُظهر النماذج اللغوية الكبيرة (LLM)، مثل GPT-4 وClaude، قدرات لافتة في توليد النصوص والترجمة والإجابة عن الأسئلة. غير أن وراء هذه القوة مشكلة: فنماذج LLM كثيرًا ما «تُفرط في التفكير» (overthinking) في المهمة، فتنفق موارد حاسوبية زائدة على معالجة معلومات ليست حاسمة للوصول إلى الإجابة الصحيحة. وقد اقترح باحثون من جامعة إلينوي في أوربانا-شامبين (UIUC) حلًّا أنيقًا لهذه المشكلة، يقولون إنه قد يُنفَّذ بسطر برمجي واحد فقط.

تكمن مشكلة «الإفراط في التفكير» في أن نماذج LLM تواصل معالجة المعلومات حتى بعد أن تصل إلى نقطة تكفي لتكوين إجابة مناسبة. ويؤدي ذلك إلى استهلاك غير ضروري للطاقة، وزيادة في زمن الاستجابة، وانخفاض في الكفاءة العامة للنموذج. وبعبارة أخرى، تنفق نماذج LLM مواردها على تحليل تفاصيل لا تؤثر في النتيجة النهائية. تخيّلوا طالبًا يستعد لامتحان، فيعيد قراءة الكتاب المدرسي عدة مرات بدلًا من التركيز على المفاهيم الأساسية. تفعل نماذج LLM شيئًا مشابهًا، وهو ما يؤدي إلى استخدام غير فعّال للموارد الحاسوبية.

تقوم الطريقة التي اقترحها باحثو UIUC على التقييم الديناميكي لمستوى ثقة النموذج أثناء توليد الإجابة. ببساطة، تتيح الطريقة للنموذج أن «يدرك» متى صار واثقًا بما يكفي من إجابته، فيتوقف عن مواصلة معالجة المعلومات. ويُدمج تقييم الثقة هذا في عملية فك الترميز (decoding) لدى LLM. وما إن يبلغ النموذج حدًّا معينًا من الثقة حتى تتوقف عملية التوليد. والنقطة المحورية أن حد الثقة هذا يمكن ضبطه بحسب المهمة المحددة والدقة المطلوبة. ونتيجة لذلك، ينفق النموذج موارد حاسوبية أقل على معالجة معلومات غير ضرورية، ما يرفع الكفاءة ويقلل زمن الاستجابة.

لهذا النهج تبعات مهمة على صناعة LLM. أولًا، يتيح خفض تكاليف التشغيل المرتبطة باستخدام النماذج اللغوية الكبيرة. ثانيًا، يفتح المجال لنشر نماذج LLM على أجهزة محدودة الموارد الحاسوبية، مثل الهواتف المحمولة والأنظمة المدمجة. ثالثًا، يسهم في بناء أنظمة ذكاء اصطناعي أكثر صداقة للبيئة واستدامة، عبر تقليل استهلاك الطاقة وانبعاثات ثاني أكسيد الكربون. كما أن انخفاض التكاليف الحاسوبية قد يؤدي إلى خفض كلفة استخدام نماذج LLM على المستخدمين النهائيين، ما يجعلها أيسر منالًا.

وسيكون مؤتمر ICLR 2026 (المؤتمر الدولي لتعلّم التمثيلات) المنصة التي يُعرض فيها هذا النهج المبتكر. ويُتوقع أن يثير عمل باحثي UIUC اهتمامًا كبيرًا في الأوساط العلمية، وأن يشكّل نقطة انطلاق لمزيد من الأبحاث في مجال تحسين النماذج اللغوية الكبيرة. وفي نهاية المطاف، ستساعد مثل هذه التطويرات على جعل نماذج LLM أكثر كفاءة وإتاحة وصداقة للبيئة.