🧠 فرضیه «بازنمایی انتزاعی»؛ معمای جدید در ذهن مدل‌های زبانی!

محققان در مقاله‌ای جدید به سراغ یکی از پیچیده‌ترین پرسش‌های حوزه هوش مصنوعی رفته‌اند: مدل‌های زبانی (LLMs) چطور دانش را یاد می‌گیرند و ذخیره می‌کنند؟

این مطالعه با معرفی «فرضیه بازنمایی انتزاعی» (Lifted Representation Hypothesis) بررسی می‌کند که آیا LLMها واقعاً قوانین کلی را در حافظه خود می‌سازند یا فقط به صورت پراکنده داده‌ها را حفظ می‌کنند؟ نتایج نشان می‌دهد که وقتی با داده‌های دارای استثنا و قوانین تودرتو مواجه می‌شویم، این مدل‌ها در تبدیلِ قواعد کلی به جزئیات خاص (Shattering) دچار مشکل می‌شوند.

این کشف جدید راه را برای درک بهتر ساختار درونی مدل‌ها و ساخت هوش مصنوعی‌هایی که در یادگیری استثنائات دقیق‌تر عمل می‌کنند، هموار می‌کند. نظر شما چیست؟ آیا هوش مصنوعی واقعاً «می‌فهمد» یا فقط قواعد را حفظ می‌کند؟

منبع: arXiv AI