تیمی از پژوهشگران «لتنتریفیوژال» را منتشر کردهاند؛ روشی تازه برای مدیریت پرسشهای بیپاسخ در سیستمهای تبدیل متن به اسکیوال. این رویکرد به یک مشکل بنیادین در رابطهای پایگاه داده مبتنی بر مدل زبانی بزرگ (Large Language Model) میپردازد: وقتی کاربران پرسشهای مبهم مطرح میکنند، این سیستمها ممکن است کد قابل اجرایی تولید کنند که نتایج گمراهکننده ایجاد کند یا محدودیتهای ایمنی را نقض نماید.
این پژوهشگران این چالش را «مسئله دروازهبندی پاسخپذیری» نامیدهاند. آنها پیشنهاد میکنند از فعالسازیهای پنهان میانی مدل زبانی بزرگ برای پیشبینی قابلیت پاسخدهی پرسش استفاده شود. هسته اصلی این سیستم، معماری «کدگذار دروازهدار سهماندهای» است که نویز طرح را سرکوب و نشانههای پراکنده و موضعی را تقویت میکند.
{{img:0}}
روشهای فعلی رد درخواست یا به پایبندی به دستورالعمل در سطح خروجی تکیه دارند که به دلیل توهم مدل، شکننده است، یا از تخمین عدم قطعیت خروجی استفاده میکنند که پیچیدگی و اضافهبار محاسباتی اضافه میکند. «لتنتریفیوژال» رویکرد متفاوتی دارد: مستقیماً روی نمایشهای داخلی مدل عمل میکند.
ارزیابی عملکرد قوی را در شرایط مختلف پرسشهای مبهم و بیپاسخ نشان میدهد. این سیستم امتیاز افوان میانگین ۸۸.۵ درصد را روی چهار معیار محک حفظ کرد و با مدلهای پشتیبان متعدد سازگار ماند. اضافهبار پروب حدود ۲ میلیثانیه است که آن را برای استقرار بهعنوان لایه ایمنی قابل اتصال در زمان واقعی عملی میسازد.
این پژوهش با تحلیلهای گسترده فرسایشی و تفسیرپذیری اعتبارسنجی شده است. این کار گامی مهم به سوی استقرار ایمنتر سیستمهای تبدیل متن به اسکیوال در محیطهای تولیدی است.
این پژوهش در آرکایو (arxiv.org) با انتشار اولیه در ژانویه ۲۰۲۶ و بازنگری در آوریل ۲۰۲۶ ارائه شد.
گفتگو