تبحث ورقة علمية جديدة، صدرت في 8 أكتوبر 2026، في كيفية تواصل نظام أتمتة المنازل Wactorz مع النماذج اللغوية. ويجري النظام أنواعًا عدة من الاستدعاءات، تشمل توجيه النوايا، وتصنيف الإجراءات، وربط الأوامر بالأجهزة، ومسارات التخطيط، وتوليد شيفرة Python. اختبر الباحثون تسعة نماذج، تراوح حجمها بين 0.8 billion parameters ونموذج كبير مستضاف. واستخدموا المطالبات الفعلية للنظام في بيئة الإنتاج على إعدادين من Home Assistant، شملَا 280 حالة فعلية و2 520 استدعاءً خضع للتقييم.
ماذا تُظهر الأرقام؟
تُظهر النتائج أن النماذج الأكبر ليست دائمًا أفضل. ففي أربعة من مواقع الاستدعاء الخمسة، لم يختلف أداء أفضل نموذج محلي إحصائيًا عن أداء النموذج المستضاف الصغير أو النموذج المتقدم. ولم يظهر فارق قابل للقياس إلا في توليد الشيفرة، إذ سجل أفضل نموذج محلي نتيجة أدنى قليلًا (p = 0.039 مقارنة بالمستضاف الصغير، وp = 0.002 مقارنة بالنموذج المتقدم المستضاف). وبلغت الدقة الإجمالية عند توجيه كل استدعاء إلى النموذج المحلي الأمثل 91.8 %، مقابل 95.4 % عند استخدام النموذج الأعلى قدرة في كل الاستدعاءات، من دون أي تكلفة حوسبة إضافية. وفي اختبار مباشر مع المستخدمين، حقق تشغيل الموقعين التوليديين فقط على خادم مستضاف نتيجة مماثلة للاستضافة الكاملة (39 إجابة صحيحة من أصل 43)، مع إنفاق 28 % فقط من التكلفة.
سلوكيات غير متوقعة في النماذج الصغيرة جدًا
كشف الاختبار المعياري أيضًا عن مشكلة تتعلق بالسلامة في موقع تنفيذ الأوامر. فقد حاول أحد نماذج 4 B (Gemma4 E2B) التحكم بأجهزة لا يملكها في 87.2 % من الطلبات، بينما رفض نموذج آخر كل الطلبات. وتوضح هذه السلوكيات المتطرفة أن النماذج الصغيرة قد تتعامل بطرق غير متوقعة مع المفاضلة بين الدقة والرفض.
لماذا يهم
بالنسبة إلى أصحاب المنازل الذين يستخدمون أنظمة أتمتة مفتوحة المصدر، تعني النتائج إمكانية تشغيل نماذج صغيرة مخزنة محليًا لإنجاز معظم المهام، من دون دفع تكلفة الاستضافة السحابية، مع الحفاظ على خصوصية البيانات وخفض التكاليف. لكن ينبغي توخي الحذر عند استخدام أوامر التحكم بالأجهزة، إذ قد تتصرف بعض النماذج الصغيرة جدًا على نحو غير متوقع، فتُفرط في تنفيذ الأوامر أو ترفضها بالكامل.
