يقترح الباحثون تعزيز التضمين السعوي (AG)، وهي طريقة غير مدمرة أثناء الاستدلال تعدل مقادير تنشيط الشبكة الأمامية لتحسين المخرجات المهيكلة في نماذج اللغات الكبيرة دون إعادة تدريب الأوزان. يعالج هذا النهج قيود الإصلاحات السابقة بتغيير الاتجاه من خلال الحفاظ على اتجاهات الأوزان المدربة مسبقاً مع تصحيح أخطاء التنسيق أو الحجج الصغيرة.
- يحدد AG نظام تدخل دقيق يمتد عبر P1/P2/P3 ومواقع محددة لكل فرع، ويُقيَّم بروتوكول يفصل هامش أوراكل التركيب عن البوابات المتعلمة.
- على Qwen3.5-9B، حسّنت البوابات المتعلمة على مستوى الفئات أداء الأدوات/المهيكلة/الوكيلة من 38.66% إلى 42.92%， مع تحقيق مهام استدعاء دالة Hermes زيادة تقارب +7.6 نقطة.
- على Qwen3-8B، تحسّن وضع JSON في Hermes بمقدار +11.36 نقطة.
- يحتفظ Qwen2.5-7B بهامش أوراكل لكن البوابات المتعلمة الحالية تفشل في التقاطه، مما يشير إلى أن النشر يتطلب توجيهًا خاصًا بالنموذج.
- أظهرت المقارنات أن كلًا من AG للإنتروبيا وAG بنافذة نيوتن-شولز ليسا مهيمنين بشكل موحد عبر النماذج.
تحدد النتائج استدلال المهيكلة بالأدوات كهدف الأكثر مصداقية للتحسين على مستوى FFN الآمن، رغم أن التقييم الأوسع عبر النماذج لا يزال ضروريًا.