نسخه وایرالشده پست پژوهشی تازه گوگل میگوید این مدل خودش را باهوشتر میکند؛ اما خود پست چیز مفیدتری برای کسی میگوید که شغلش به آن چیزی وابسته است که گوگل درباره شرکت او به یاد میآورد. در ۲۷ اکتبر، علی بهروز و وهاب میرزاخانی از گوگل ریسرچ چارچوبی را منتشر کردند که به مدل زبانی یک فاز آفلاین زمانبندیشده میدهد تا آنچه را در حین استفاده یاد گرفته به وزنهای بلندمدتش منتقل کند و بعد روی دادهای که خودش تولید میکند تمرین کند.
قاببندی وایرال از یک جهت مشخص غلط است: پست میگوید این روش درون یک معماری ثابت و زیر قواعد آموزشی تعریفشده توسط انسان کار میکند، پس هیچ چیزی بدون نظارت خودش را تغییر نمیدهد. اما آنچه این قاببندی از دست میدهد، همان بخشی است که اینجا اهمیت دارد. اگر این طراحی به محصول برسد، دانش درون مدلهای گوگل دیگر در یک تاریخ مشخص منجمد نمیماند و در چرخهای بهروز میشود که هیچکس بیرون گوگل آن را نمیبیند.
نویسنده در مارس استدلال کرده بود که تاریخ قطع داده آموزشی به یک عامل رتبهبندی تبدیل شده است، چون محتوای دو سوی این تاریخ در دو سیستم متفاوت با رفتار اطمینان متفاوت زندگی میکند و پیشنهاد کرده بود ادعاهای مهم را طوری زمانبندی کنید که پیش از آموزشهای بزرگ بعدی منتشر شوند. آن توصیه فرض میکرد این تاریخ قطع، دیواری با یک تاریخ مشخص است. این مقاله دیواری را توصیف میکند که با برنامه خودش حرکت میکند، بدون تاریخ، و خوانش درست آن این است: شکل بعدی آپدیت گوگل؛ آپدیتی که باور مدل را تغییر میدهد نه رتبهبندی ایندکس را، و بدون اعلام میآید چون رویدادی برای اعلام وجود ندارد.
گوگل واقعاً چه منتشر کرد
پست یک چرخه دو فازی را توصیف میکند. در فاز بیداری، مدل ورودی میگیرد و اطلاعات تازه را در اجزای حافظه سریع و کوتاهمدت نگه میدارد؛ تقریباً همان کاری که امروز بافت (context) انجام میدهد. در فاز خواب، ورودی نمیگیرد و دو مرحله را اجرا میکند.
مرحله اول تثبیت است. مدل کارشناسهای کمرتبه و خفته تازهای را درون چیدمان «مخلوط کارشناسها» (mixture-of-experts) باز میکند، آنها را به بلوکهای حافظهای کندتر اختصاص میدهد و ردهای کوتاهمدت را با فرایندی که نویسندگان «کاشت دانش» (knowledge seeding) مینامند در آنها تقطیر میکند؛ به زبان ساده، یعنی واقعیتهای تازه پارامترهای اختصاصی خودشان را میگیرند به جای اینکه روی پارامترهای قدیمی نوشته شوند. بعد پارامترهای موقت بازنشانی میشوند تا ظرفیت دوباره قابل استفاده باشد.
مرحله دوم چیزی است که نویسندگان «رؤیاپردازی» (dreaming) مینامند: مدل با مسیریابی تصادفی میان کارشناسانش نمونههای مصنوعی تولید میکند تا دانش حوزههای مختلف با هم مخلوط شود، این نمونهها را با یک روش انتخاب مبتنی بر گرادیان فیلتر میکند و روی نمونههایی که از فیلتر رد میشوند ریزتنظیم انجام میدهد.
نتایج گزارششده از چهار سناریو میآید: ترجمه پیوسته به زبانهایی که مدل هرگز ندیده بود، جایی که ریزتنظیم استاندارد و روشهای درونبافتی زبانهای قبلی را فراموش کردند اما مدل خواب تقریباً هیچ افت عملکردی نداشت؛ بازیابی حافظه در بنچمارک بافت بلند تا ده میلیون توکن؛ جذب دانش واقعی از قطعات سند، جایی که مدل خواب از ریزتنظیم نظارتشده و یک روش خودویرایش قبلی بهتر بود؛ و استدلال ریاضی روی یک مدل پایه ۸ میلیارد پارامتری متنباز. خود مقاله از ژوئن روی arXiv و از سپتامبر ۲۰۲۵ روی OpenReview بوده، پس این پست تصمیم گوگل به بلند گفتن این ماجرا است، نه کشف آن.
این پست یک اتفاق تکافتاده نیست. همان نویسندگان در نوامبر ۲۰۲۵ «یادگیری تودرتو» (Nested Learning) را با معماری Hope و ایده یک سیستم حافظه پیوسته منتشر کرده بودند؛ زنجیرهای از بلوکهای حافظه که با فرکانسهای مختلف بهروز میشوند، بلوکهای سریع اطلاعات کوتاهمدت و بلوکهای کند دانش پایدار را نگه میدارند. چارچوب خواب همان چیزی است که وقتی بلوکهایی با نرخ بهروزرسانی متفاوت دارید میسازید: برنامهای برای انتقال اطلاعات از بلوکهای سریع به کند. Titans پیش از Hope بود، Hope پیش از خواب، و این قوس حالا حدود دو سال را در بر میگیرد.
این چه چیزی نیست، و بخشی که همه از آن میپرند
این یک پژوهش است، نه یک محصول. پست هیچ ادعایی درباره استقرار، زمانبندی یا اینکه کدام مدلهای گوگل ممکن است از آن استفاده کنند نمیکند. آزمایشها روی مدلهای متنباز Qwen با ۱.۷ و ۸ میلیارد پارامتر اجرا شدهاند، نه روی Gemini. هیچ هزینه محاسباتی برای یک چرخه خواب گزارش نشده و هیچکس بیرون از تیم نتایج را بازتولید نکرده است. در آزمایشها، واقعیتهای تازه به شکل سند میآیند، نه گفتوگوهای کاربر یا صفحات خزششده وب؛ پس هر کسی بگوید مدل از چتهای شما یاد میگیرد، از مقاله جلوتر رفته است.
این احتیاطها واقعیاند و چیزی را عوض نمیکنند. گوگل قوسهای پژوهشی منتشر میکند و بعد تکهتکه آنها را عرضه میکند؛ این الگو آنقدر تکرار شده که پرسش عملی این نیست که آیا این روش دقیقاً به محصول میرسد یا نه، بلکه این است که این طراحی چه چیزی درباره جهت حرکت میگوید. جهت، مدلی است که حافظه بلندمدتش در چرخههای زمانی بازنویسی میشود.
آپدیتها یک بار دیگر بیصدا شدهاند
هر کسی که چند سال این کار را کرده باشد، نسخه اول این چرخش را زیسته است. گوگل میگوید جستوجو را سالی هزاران بار بهروز میکند و فقط آنهایی را شریک میشود که مهم میداند. دنی سالیوان در مصاحبهای در ۲۰۲۲ گفت آزمایشها و آزمونهای کیفیت سال قبل بیش از ۸۰۰ هزار بوده است. آپدیتهای اصلی نامدار همان مشت انگشتشماری هستند که در داشبورد ثبت میشوند. بقیه پیوسته و بیصدا فرومیرسند و صنعت با ساختن یک آیین تشخیصی حول همان چند مورد نامدار خودش را سازگار کرد: ترافیک جابهجا میشود، تاریخ را با ردیابهای آپدیت چک میکنید و انتساب را میسازید.
بازیابی از قبل همین مسیر را برای تازگی رفته است. «مرورهای هوش مصنوعی» و پاسخهای مبتنی بر منابع، هر روز صفحات تازه را میکشند بیآنکه چیزی اعلام شود؛ پس این ادعا که سکوت چیز تازهای است غلط میبود. آنچه چارچوب خواب تغییر میدهد این است که کدام لایه بیصدا میشود. بازیابی تغییر میدهد مدل چه چیزی را میتواند جستوجو کند؛ تثبیت تغییر میدهد مدل بدون جستوجوی چیزی چه چیزی را باور دارد. اینها برای یک برند دو چیز متفاوتاند. واقعیتی که بازیابی میشود ارجاع داده میشود، با احتیاط بیان میشود و دفعه بعد که صفحه واکشی شود قابل جایگزینی است. واقعیتی که تثبیت شده با اطمینان چیزی بیان میشود که مدل «میداند».
پس همان شکلی که دستاندرکاران میشناسند — آپدیتهای اصلی اعلامشده در بیرون و تغییرات بیاعلام در میانشان — یک نسخه دوم هم یک لایه پایینتر پیدا میکند: نسخههای مدل اعلامشده در بیرون و تثبیت بیاعلام انباشتهشده در میانشان. پشته رتبهبندی از بین نمیرود و این جایگزین آن نیست؛ روی آن مینشیند، در همان مدلی که پاسخ را مینویسد.
«یاد گرفته شدن» معنای تازه «ایندکس شدن» است
جزئیاتی که نویسنده مدام به آن برمیگردد این است که تثبیت گزینشی است. نویسندگان میگویند از مدل خواسته نمیشود هر جزئیاتی را از ردهای کوتاهمدت به پارامترهایش کپی کند و مرحله رؤیاپردازی پیش از هر آموزشی، نمونههای خودش را با یک فیلتر مبتنی بر گرادیان امتیاز میدهد. این یک تابع رتبهبندی است. تعیین میکند مدل کدام واقعیتها را بهعنوان دانش پایدار با خود میبرد و کدام را با پارامترهای موقت رها میکند.
سه پیامد از این نتیجه میشود که دو تای اول استنتاج نویسنده از طراحی است، نه ادعای مقاله:
اول، فیلتر به واقعیتهایی بها میدهد که میان منابع مختلف سازگارند. روش انتخاب مبتنی بر گرادیان نمونههایی را نگه میدارد که خطا را در گستره وسیعی کاهش میدهند و واقعیتی که با همه چیزهای دیگرِ دیدهشده همخوان است، خطا را مطمئنتر از واقعیتی کاهش میدهد که با صفحه یک رقیب، یک فهرست قدیمی یا محتوای قدیمیتر خودتان تناقض دارد. نسخههای متناقض از شرکت شما دیگر فقط ریسک اشتباه در زمان بازیابی نیستند، ریسک تثبیتاند؛ چون نسخهای یاد گرفته میشود که بهتر جا میافتد، نه نسخهای که شما ترجیح میدهید.
دوم، رؤیاپردازی یعنی مدل روی دادهای تمرین میکند که شما هرگز منتشر نکردهاید. نمونههای مصنوعی با مخلوط کردن کارشناسان حوزههای مختلف تولید میشوند، پس بازنمایی مدل از یک شرکت میتواند با تمرین تغییر کند، بدون هیچ ورودی تازه از هیچکس. هیچ رقیبی حرکت نکرده، هیچ صفحهای عوض نشده، هیچ آپدیتی اجرا نشده و باز هم پاسخ درباره شما متفاوت است.
سوم، و این یکی مستقیماً در طراحی مقاله هست، یک پنجره وجود دارد. میان ورود یک واقعیت به حافظه سریع و تثبیت بعدی، اصلاح ارزان است چون هنوز چیزی پایدار نوشته نشده. بعد از تثبیت، درستکردن یک واقعیت غلط دیگر مسئله بهروزرسانی یک صفحه و انتظار برای خزش دوباره نیست؛ «یادزدایی» است و حذف یک واقعیت مشخص از وزنهای مدل بدون آسیب به بقیه، همچنان یک مسئله پژوهشی باز است. نویسنده اصطلاح «پنجره تثبیت» را برای دورهای به کار میبرد که در آن هنوز میتوان یک واقعیت غلط را پیش از تعهد مدل گرفت؛ و ویژگی ناخوشایند این پنجره این است که طول و زمانبندیاش برای شما نامعلوم است.
چه چیزی حرف من را باطل میکند
اگر هیچ اعلام محصول گوگل در حدود ۱۸ ماه آینده به بهروزرسانیهای دورهای میان نسخهها، یادگیری پیوسته در محیط عملیاتی یا چیزی شبیه چرخه تثبیت اشاره نکند، این فقط یک جهت پژوهشی میماند و تاریخ قطع، همان دیوار باقی میماند. اگر هزینه محاسباتی یک چرخه خواب با یک دوره آموزش قابل مقایسه باشد، اقتصاد مسئله ایده آهنگ دورهای را میکشد، حتی اگر روش کار کند. و اگر گوگل تصمیم بگیرد رویدادهای تثبیت را همانطور منتشر کند که آپدیتهای اصلی را منتشر میکند، استدلال سکوت شکست میخورد.
الان چه باید کرد
پاسخ مفید این است که دست از ساختن فرایند حول رویدادی برداریم که ممکن است دیگر وجود نداشته باشد.
بازبینی کنید چه چیزی از قبل پارامتری است، به تفکیک هر پلتفرم. هر دستیار را با پرسشهایی آزمایش کنید که بازیابی را فعال نمیکنند و ثبت کنید از حافظه خودش درباره شرکت شما چه میگوید. این فهرست، استخر تمرین است و واقعیتهای غلط درون آن، همانهایی هستند که احتمال تقویتشان بیشتر از اصلاحشان است.
صفحات واقعیت مرجع منتشر کنید. دانش تازه در این مقاله به شکل سند میآید. یک صفحه مستقل، تاریخدار و اعلامی برای هر مجموعه واقعیت درباره موجودیت، بدون زبان تبلیغاتی، قالبی است که یک مرحله تثبیت میتواند از آن بهتمیزی تغذیه کند.
تناقضها را میان داراییهای خودتان و فهرستهایی که شما را توصیف میکنند حل کنید. اگر انتخاب به نسخه سازگار بها میدهد، کار این است که نسخه درست را همان نسخه سازگار کنید.
خطاهای شناختهشده را همین حالا از سرچشمه اصلاح کنید، وقتی تنها مکانیزمی که میتواند آنها را قفل کند هنوز یک مقاله است. بعد دوباره آزمایش کنید تا مطمئن شوید پاسخ واقعاً تغییر کرده، چون صفحه اصلاحشده و پاسخ اصلاحشده دو رویداد متفاوتاند.
«کالبدشکافی رویداد» را با «پایش روند» جایگزین کنید. اگر بهروزرسانی دانش پیوسته برسد، پرسش از «کدام آپدیت این را ساخت» به «رانش از کجا شروع شد و کدام واقعیتها جابهجا شدند» تغییر میکند. این کار نمونهگیری زمانبندیشده از پاسخها و مقایسه در طول زمان را میخواهد.
تاریخ قطع را بهعنوان یک فیلد ثابت در گزارشهایتان بازنشسته کنید. به جایش شواهد تازهسازی را برای هر پلتفرم دنبال کنید: یادداشتهای انتشار، رفتار مبتنی بر منابع و رانش پاسخی که خودتان اندازه میگیرید.
و مراقب نشانه باشید. هر زبانی در Gemini یا Vertex درباره مدلهایی که مدام یاد میگیرند، میان نسخهها بهروز میشوند یا از اسناد سازمان شما یاد میگیرند، اولین تکه منتشرشده از این طراحی است؛ و بهعنوان یک قابلیت توصیف خواهد شد، نه یک آپدیت.