# Dory1.0-4B يعزز الدقة عبر تكرار المعالجة

> يمكن للنموذج ذي 4 مليارات مُعامل تشغيل كتلته المشتركة عدة مرات أثناء الاستدلال، ليبادل بين زيادة الحوسبة وتحسين دقة الاختبارات المعيارية من دون زيادة حجم ذاكرة KV المؤقتة.

Oossa · 2026-11-04 · https://oossa.com/ar/dory1-0-4b-uses-repeatable-computation-to-boost-accuracy

قدّم باحثون Dory1.0-4B، وهو نموذج لغوي يضم 4 مليارات مُعامل، ويمكن تشغيل كتلته المشتركة مرارًا أثناء الاستدلال. ويتيح ذلك استخدام نقطة تحقق واحدة بمستويات مختلفة من الحوسبة، بدلًا من الحاجة إلى نموذج أكبر مستقل لكل ميزانية حوسبة.

تفيد الورقة البحثية بأن تشغيل النموذج في دورتين أو أكثر تفوّق، في المتوسط عبر 12 اختبارًا معياريًا، على عدة نماذج أكبر. وعند تشغيله في أربع دورات، أنتج Dory عددًا من الرموز أقل بمقدار يتراوح بين 1.3 و2.5 مرة في الاختبارات المعيارية للمهام الوكيلة مقارنة بتشغيله في دورة واحدة. ويقول الباحثون إن حجم ذاكرة KV المؤقتة للنموذج يظل ثابتًا مهما اختلف عدد الدورات، وقد أتاحوا نقاط تحقق بأربعة تنسيقات.

## الحقائق

- دُرّب مسبقًا على 6 تريليونات رمز؛ ووُسّعت نافذة السياق إلى 256K رمزًا.
- نقاط التحقق المفتوحة متاحة بتنسيقات BF16 وMXFP8 وNVFP4 وGGUF. 

## لماذا يهم

يتيح Dory للمطورين الباحثين عن نموذج مفتوح زيادة الحوسبة أثناء الاستدلال من دون زيادة حجم ذاكرة KV المؤقتة، لكن مكاسب الاختبارات المعيارية التي أوردتها الورقة لا تثبت تحقق النتائج نفسها في كل التطبيقات.

## المصادر والمراجع

1. [Dory1.0-4B: A Looped Normalized-GPT](https://arxiv.org/abs/2611.03998) – arXiv, 2026-11-04

آخر تحديث: 2026-11-04