أطلق مطوّر غلافًا تجريبيًا لنماذج اللغة الكبيرة يختصر استعلامات النص والرؤية إلى استدعاء دالة واحدة، مستلهمًا الأسلوب البسيط في تصميم واجهات البرمجة المعروف بـ«Jev». وبدل الاعتماد على المخرجات المهيكلة الأصلية أو نقاط استدعاء الأدوات، يستجوب هذا الغلاف نماذج الرؤية واللغة عبر فحص لوغبروب الرموز، أي درجات الاحتمال المرتبطة بكل رمز مرشّح، لتحديد الإجابة التي يرجّحها النموذج.
لماذا تهمّ اللوغبروب في مهام الرؤية
تكشف اللوغبروب توزيع الثقة الداخلي للنموذج، ما يتيح للغلاف تقييم إجابات مرشّحة مثل «نعم» أو «لا» أو تصنيف قصير دون مطالبة النموذج بإنتاج JSON منسّق. وهذا مهم لأن كثيرًا من نماذج الرؤية واللغة ما زالت تقدّم دعمًا غير موثوق للمخرجات المهيكلة، بينما يبقى تحليل النص الحر هشًا. وبقراءة كتلة الاحتمال الممنوحة لكل رمز مرشّح، يفرض الغلاف اختيارًا حتميًا مع إبقاء الأمر التوجيهي بسيطًا.
يذكّر هذا النهج بأعمال سابقة في التصنيف عبر اللوغبروب، حيث تبيّن أن مقارنة احتمال رمزين أكثر استقرارًا من مطالبة النموذج بالإفصاح عن تصنيفه بنفسه. وبتوسيع هذه التقنية إلى الصور، تستطيع دالة واحدة استقبال نص أو صورة، وتوجيهها إلى النموذج المناسب، وإرجاع إجابة موحّدة.
دالة واحدة لعدة نماذج
هدف التصميم هو التوحيد: نقطة دخول واحدة تتعامل مع محادثات الإكمال واستدلال الرؤية والتصنيف الخفيف. يمرّر المطوّر أمرًا توجيهيًا وصورة اختيارية، ثم يقرّر الغلاف ما إذا كان يوجّه الطلب إلى نموذج نصي أو نموذج رؤية ولغة. ولأن الواجهة ضيقة، يصبح تبديل المزوّد تغييرًا في الإعدادات بدل إعادة كتابة الكود.
يعكس ذلك تحوّلًا أوسع في منظومة أدوات نماذج اللغة، حيث اكتسبت طبقات التجريد مثل LiteLLM وOpenRouter حضورًا بإخفاء الفروق الخاصة بكل مزوّد. وتضيف حيلة اللوغبروب طبقة تجريد ثانية، هي تحليل المخرجات، وهي على الأرجح المشكلة الأكثر إزعاجًا للفرق التي تطلق ميزات رؤية.
ماذا يعني ذلك للمطوّرين
بالنسبة للفرق التي تبني نماذج أولية لوكلاء متعددي الوسائط، يقلّل الغلاف المعتمد على اللوغبروب كمية الكود الرابط اللازم للحصول على إجابات موثوقة من نماذج الرؤية. كما يفتح الباب أمام خطوط معالجة واعية بالثقة، حيث تؤدي الدرجات المنخفضة إلى إعادة المحاولة أو الترقية إلى نموذج أقوى.
المقايضة تكمن في دعم المزوّدين: ليست كل واجهات البرمجة تكشف اللوغبروب، ونقاط الرؤية أقل اتساقًا من نظيراتها النصية. ومع ذلك، يكتسب النمط اهتمامًا لأنه يتعامل مع النموذج كمكوّن احتمالي لا كمولّد نصوص، وهو أقرب إلى ما تحتاجه أنظمة الإنتاج فعليًا.
التعليقات
لا توجد تعليقات بعد.