يقترح الباحثون هدف LP-SFT، وهو ضبط دقيق خاضع للإشراف يحفظ محلياً مصمم لحماية البنية الإنتروبية المتعددة الوسائط الكامنة في نماذج اللغة المدربة مسبقاً. تبني الطريقة دعماً تكيفياً للرموز البديلة وتطبق خسارة حفظ مُطَبَّقة محلياً للحفاظ على البنية النسبية بينما تحسّن الانتروبيا المتقاطعة القياسية الرمز الخاضع للإشراف.
- يكشف التحليل عن أن النماذج المدربة مسبقاً تُظهر بنية إنتروبية متعددة الوسائط منتظمة مع قمم تتوافق مع بدائل معقولة.
- يحمي LP-SFT صراحةً هذه المعرفة التوزيعية أثناء التكيف، مما يمنع تشويه هياكل التفضيل المحلية.
- تظهر التجارب أن LP-SFT يحسن الأداء العام مقارنة بـ SFT العادي والأسس الحديثة في إعدادات المجال المختلط والمجال الواحد.
- يحقق النهج أفضل توازن بين دقة pass@1 وأداء pass@k من خلال تخفيف تدهور القدرات.
تساعد هذه الطريقة في الحفاظ على التنوع المتاح عبر العينات، مما يعالج المقايضة الشائعة حيث يحسّن ضبط النموذج الدقيق سلوك المجال المستهدف على حساب تدهور القدرات الموجودة مسبقاً.