معرفی LLMON: زبان نشانه‌گذاری بومی LLM

LLMON (LLM Object Notation)، زبان نشانه‌گذاری بومی LLM، به‌تازگی در نسخه‌های Granite 4.1 با مدل‌های ۳B و ۸B معرفی شده است. این زبان به‌منظور بهبود ارتباط ساختاری و معنایی با مدل‌های زبانی بزرگ (LLM) طراحی شده و به‌ویژه در برابر حملات تزریق درخواست (prompt injection) مقاوم‌تر است. LLM‌ها برای تولید توکن‌های بعدی به زمینه (context) وابسته‌اند و این زمینه شامل انواع مختلفی از اجزا است که به‌طور ضمنی یا در فرمت‌هایی مانند JSON کدگذاری شده‌اند. این عدم ساختار صریح می‌تواند به‌عنوان یک نقطه ضعف مورد سوءاستفاده قرار گیرد.

LLMON با استفاده از نشانه‌گذاری خاص و برچسب‌های معنادار، ساختار و معنا را به‌طور واضح به مدل‌ها منتقل می‌کند. این زبان به‌گونه‌ای طراحی شده که اجزای معنایی به‌طور واضح با برچسب‌های خاص مشخص شوند و به مدل‌ها اجازه می‌دهد تا به‌راحتی اطلاعات را پردازش کنند. این ویژگی به کاهش احتمال موفقیت حملات تزریق درخواست کمک می‌کند و در عین حال قابلیت‌های کلی مدل‌های Granite 4.1 را حفظ می‌کند.

مدل‌های پیش‌نمایش LLMON، شامل granite-4.1-3b-LLMON-preview و granite-4.1-8b-LLMON-preview، به‌تازگی منتشر شده‌اند و به کاربران این امکان را می‌دهند که متون نشانه‌گذاری‌شده با LLMON را تولید و مصرف کنند. علاوه بر این، ابزارهایی برای تبدیل JSON به LLMON و بالعکس بدون از دست دادن اطلاعات نیز ارائه شده است. این ویژگی به تیم‌ها اجازه می‌دهد تا از زیرساخت‌های موجود خود استفاده کنند و به‌راحتی به LLMON منتقل شوند.

LLMON همچنین به غنی‌سازی الگوهای چت کمک می‌کند. در حالی که الگوهای چت معمولی به مدل‌ها می‌گویند هر بخش به کدام نقش تعلق دارد، LLMON به مدل‌ها می‌آموزد که هر جزء چه معنایی دارد و چگونه اجزا به یکدیگر مرتبط هستند. این قابلیت به کاربران این امکان را می‌دهد که با دقت بیشتری پیام‌های خود را به مدل‌ها منتقل کنند و از قابلیت‌های LLM به‌طور مؤثرتری بهره‌برداری کنند.

این برای مخاطبِ حرفه‌ای یعنی چه؟ با توجه به معرفی LLMON، متخصصان زبان و توسعه‌دهندگان مدل‌های زبانی باید به‌دقت به این زبان نشانه‌گذاری توجه کنند و امکانات جدید آن را در پروژه‌های خود مدنظر قرار دهند. این نوآوری می‌تواند به بهبود دقت و کارایی مدل‌های زبانی کمک کند و نیاز به تغییرات اساسی در زیرساخت‌های موجود را کاهش دهد.