النماذج اللغوية الكبيرة "تتشكل" نهائياً منذ خروجها من المصنع، وعند تغذيتها بمعرفة جديدة، إما تضيع بانتهاء المحادثة، أو تنسى كل مهاراتها القديمة بعد إدخالها قسراً. ولمواجهة هذا التحدي، طرحت جوجل في 27 أكتوبر "إطار عمل النوم" (Sleep Framework) في محاولة لحلّه. الورقة البحثية المعنية بعنوانها 《Language Models Need Sleep》， وتشير صراحةً إلى أن النماذج ينبغي لها أيضاً أن تثبّت ذاكرتها عبر النوم كالبشر. هذه الفكرة أصدرتها Google Research علناً، وتستهدف بالضبط مشكلة "تاريخ قطع المعرفة" المستعصية في المجال منذ زمن طويل.
العمل في اليقظة والتنظيم أثناء النوم
يقسّم إطار العمل تشغيل النموذج إلى مرحلتين. في مرحلة اليقظة، يستقبل المدخلات كالمعتاد ويضع المعلومات أولاً في الذاكرة قصيرة المدى؛ وعند التحول إلى النوم، يتوقف عن قبول المهام ويكرّس نفسه لتكامل الذاكرة والتحسين الذاتي. المفتاح يكمن في "تثبيت الذاكرة": عبر توسيع المعاملات، وكتل ذاكرة مزيج الخبراء (Mixture-of-Experts)، وتقطير المعرفة، تُكتب السياقات قصيرة المدى الهشّة في المعاملات طويلة المدى دون الكتابة فوق المعرفة القائمة. كما يتضمن الإطار مرحلة "الأحلام"، حيث يولّد النموذج بنفسه عينات تدريب اصطناعية وينقّيها، ويتدرّب عليها مراراً عبر التعلم المعزّز ليصقل قدرات الاستدلال والتعميم. وعلى خلاف الضبط الدقيق المتكرر التقليدي الذي يسبب "النسيان الكارثي"، يعمل التكامل النومي كصمام أمان يمنع ضياع المعرفة.
طموح النسيان الصفري
البيانات التجريبية مغرية: تفوّق الإطار على معظم النماذج الأساسية في الترجمة المستمرة، وفهم السياق الطويل، واستيعاب الحقائق، والاستدلال الرياضي؛ فهو قادر على استيعاب سياق يصل إلى نحو 1000万 token كحد أقصى، مع خسارة شبه معدومة في الأداء خلال التعلم المستمر متعدد المراحل في لغات لم يرها من قبل؛ كما حقق دقة أعلى في معايير رياضية مثل AIME 24/25. وإذا تحقق تطبيقه فعليًا، فهذا يعني أن "تاريخ قطع المعرفة" قد يُكسَر — فلن يصبح النموذج قديمًا بمجرد إطلاقه، بل يكتسب مهارات أثناء الاستخدام دون أن ينسى مهارته الأساسية. وفي سيناريوهات الرعاية الصحية والتمويل والشؤون القانونية التي تتطلب استيعابًا مستمرًا للمعلومات الجديدة، فإن هذه الآلية أوفر بوضوح من إعادة التدريب الدورية.