تقدم الورقة محاذاة النماذج الأولية الترتيبية الكامنة (LOPA)، وهو مُنظِّم قائم على النماذج الأولية يفرض أولوية هندسية ترتيبية في الفضاء الكامن لمعالجة بنية اكتساب اللغة التي تم إغفالها في نماذج اللغات الكبيرة متعددة الوسائط. وباقترانه مع توجيه الطبقات المرتكز دلاليًا (SALR) لجمع التمثيلات التكيفي من مشفر Whisper المجمَّد، يحقق الإطار خطأ جذري متوسط تربيعي قدره 0.361.
- يفرض LOPA الأولويات الهندسية الترتيبية مباشرة على الفضاء الكامن.
- يجمع SALR تمثيلات متعددة الأعماق من مشفر Whisper المجمَّد بشكل تكيفي.
- تتنافس هذه الطريقة مع الأنظمة التي تحتوي على مليارات المعاملات دون الحاجة إلى ضبط دقيق قائم على نماذج اللغات الكبيرة.
- يُظهر التحليل أن SALR و LOPA يوفران تفضيلات قابلة للتفسير ومتوافقة مع المعايير.
تقدم هذه الدراسة بديلاً فعالاً واعياً بالترتيب للنمذجة مقابل النماذج الحالية المركزة على التوسع لتقييم اللغة المنطوقة.