[
    {
        "id": "osp-14963",
        "type": "article-journal",
        "title": "السابق أم التغذية الراجعة؟ ما الذي يستخدمه النموذج اللغوي الكبير عند التكيف مع المؤثرات العصبية",
        "author": [
            {
                "family": "Chan",
                "given": "Julian"
            },
            {
                "family": "Jimenez",
                "given": "Javier Mora"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/prior-or-feedback-what-an-llm-uses-when-adapting-neural-operators",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "هل تعتمد وكلاء LLM العلمية على سياق مهمتها الأولي وحده، أم أنها تكيّف قراراتها استجابةً للتغذية الراجعة التجريبية؟ ندرس هذا السؤال في تكيّف مشغّلات الشبكات العصبية، حيث يختار نموذج لغوي كبير (LLM) تكوينات الضبط الدقيق ضمن ميزانية محدودة من التجارب. وعبر عمليات النقل داخل عائلات المعادلات التفاضلية الجزئية (PDE) وبينها، يحقق LLM نسبة nRMSE أدنى على مجموعة الاختبار المحجوزة من البحث العشوائي والتحسين البايزي في تقريباً كل مقارنة متطابقة. ولأن النتيجة النهائية وحدها لا تميّز ما يحدث، نتحقق من كل إسناد بتدخلات مضبوطة. فقبل ملاحظة أي درجة للتحقق، تقع أول تكوينة لدى LLM قرب قمة مجموعة البحث العشوائي المقابلة، ما يشير إلى انحياز أولي مفيد. ويُظهر تدخل تكميلي للبدء البارد أن معدل التعلم الأساسي المختار يتحرك مع وصف المعادلة التفاضلية الجزئية. وبمجرد توفر التغذية الراجعة، تؤدي إعادة توزيع درجات التحقق بين التكوينات المُقيَّمة إلى تغيير الاقتراح التالي في كل حالة اختُبرت، بينما لا ينتج إعادة الصياغة المحافظة على القيمة أثراً مجمعاً مماثلاً. وتثبت هذه التدخلات أن إجراءات LLM على مستوى القرار تستجيب للمهمة المعطاة والنتائج المرصودة، مما يبيّن أنه يجمع بين انحياز أولي مرتبط بالمهمة وحساسية للتغذية الراجعة التجريبية."
    }
]