كشف فريق بحثي من معهد ماساتشوستس للتكنولوجيا بقيادة شين يي وو عن تفسير جديد لظاهرة تُعرف بـ«تحيز الموضع» في النماذج اللغوية الكبيرة مثل ChatGPT وDeepSeek، حيث تميل هذه النماذج إلى التركيز على بداية النص ونهايته مع إهمال الوسط. ويعود هذا التحيز إلى آلية المعالجة التسلسلية التي تعتمدها تلك النماذج، إذ تأخذ في الاعتبار فقط الكلمات السابقة أثناء الفهم، مما يمنح الأجزاء الأولى والنهاية أهمية أكبر. وتؤكد الدراسة أن احتمالية استخراج المعلومات الدقيقة من مقدمة أو ختام الوثيقة الطويلة تصل إلى 85 %، مقابل 60 % فقط في المنتصف. كما أظهرت النتائج أن دقة الفهم والتحليل تتخذ شكل الحرف U، أي إنها تكون عالية عند الأطراف وتنخفض بوضوح في الوسط، لا سيما في النماذج الأعمق مثل GPT-4 الذي يتكون من 96 طبقة معالجة. هذا الاكتشاف يسلط الضوء على تحد مهم يواجه المستخدمين في التعامل مع النصوص الطويلة عند البحث عن معلومات دقيقة داخلها.
