يقدم الباحثون DRIFTLENS، وهو إطار عمل خالٍ من الحقيقة الأرضية (ground-truth-free) يكمّم كيف يعيد ذاكرة سمات المستخدم تشكيل مسارات الاستدلال في النماذج اللغوية الكبيرة. تؤكد الدراسة أن هذا الإطار يميز بين التغيرات الجوهرية في الاستدلال والضجيج البراغماتي عبر أربعة نماذج LLM وعشر فئات من سمات المستخدم.
- تثير ذاكرة سمات المستخدم انحرافاً استدلالياً متوسطاً إلى كبيراً فوق مستوى الضجيج البراغماتي، حتى عندما تظل الإجابات النهائية سلسة ومعقولة.
- تقلل طرق ما بعد التدريب المستندة إلى GRPO و DPO من هذا الانحراف، لكن لا يسيطر أي منهما بشكل موحد على الفعالية.
- يعتمد تأثير استراتيجيات التخفيف على القدرات اللاحقة، والمساعدة، واتباع التعليمات اعتماداً على النموذج ودالة المكافأة.
تشير النتائج إلى أن انحراف الاستدلال المستحث بالذاكرة هو وضع فشل قابل للقياس في النماذج اللغوية المخصصة يتم تخفيفه جزئياً فقط بواسطة تقنيات ما بعد التدريب الحالية.