بعد تقييد نموذج المصدر المفتوح في الصين، أول شيء يجب التفرع عنه هو الإصدار وعيار التقييم.

بمجرد رفع هذه القيود، فإن أول ما ينهار عادةً هو “هل لا يزال من الممكن تنزيله؟” ولكن “هل لا يزال من الممكن الاعتماد على نفس مجموعة الدرجات؟”

النموذج نفسه لا يزال موجودًا، ويمكن مزامنة النسخ المتطابق، لكن المشكلة تبدأ في التحول من المدخل إلى المقارنة. سيكون للإصدار الذي يعمل بشكل جيد اليوم اختلافات طفيفة على جهاز آخر بسبب تقسيم الوزن، أو إصدار الرمز المميز، أو معلمات الاستدلال، أو تأخيرات النسخ المتطابق. بمجرد النظر إلى كل مخرج، يبدو أنه لا يزال يعمل؛ بمجرد إعادته إلى مجموعة الانحدار، يبدأ المنحنى في الانتشار. كان من المعتاد أنك تحتاج فقط إلى إلقاء نظرة على النتيجة الإجمالية لتقرر ما إذا كنت تريد الترقية، ولكن يتعين عليك الآن فك “ما إذا كان هذا التغيير يأتي من النموذج أم من حزمة الخدمة” أولاً.

المشكلة الحقيقية التي تسببها القيود ليست في إجراء التنزيل نفسه، ولكن في تمزيق علاقات المقارنة. في الماضي، كنت تحتاج فقط إلى التركيز على إصدار واحد فقط، ولكن الآن غالبًا ما توجد مصادر رسمية ومصادر مرآة وذاكرة تخزين مؤقت داخلية وإصدارات كمية وإصدارات التراجع المؤقتة في نفس الوقت. يمكن تشغيل كل سطر، لكن النتائج لم تعد تشترك في نفس خط الأساس. بمجرد تقسيم مجموعة التقييم، سيفقد الفريق بسرعة لغة مشتركة: يقول البحث والتطوير أن هذا الإصدار قد تم تحسينه، ويقول المنتج إن التجربة عبر الإنترنت لم تتغير. يجب أن تتأكد مستكشفات الأخطاء ومصلحاتها أولاً مما إذا كان النموذج قد تغير أو أن بيئة الاستدلال قد تغيرت.

الشيء الأكثر إزعاجًا في هذا النوع من الشوكات هو أنه لا يظهر على الفور على أنه عطل. في اليوم الأول، لم يكن هناك سوى فجوة قدرها 0.3 نقطة بين البيئتين. في اليوم الثاني، بدأت عينة نصية طويلة معينة في الانجراف. وبعد التراجع في اليوم الثالث، وجدت أنه لا يمكن إعادة إنتاج النتائج القديمة. في هذه المرحلة لم يعد النقاش يدور حول “هل يمكننا الحصول على النموذج؟” ولكن “سواء كان ما نحصل عليه هو نفس الشيء”.

ما يجب إيقافه أولاً ليس مدخل التنزيل، بل خط الأساس. على الأقل يجب تثبيت الأشياء التالية:

• التجزئة وإصدار الرمز المميز وطريقة التكميم ومعلمات الاستدلال لملف النموذج.
• مجموعة التقييم والكلمات السريعة ومعلمات أخذ العينات ومنطق ما بعد المعالجة.
• تغليف الاستدلال المشترك بين الخدمات عبر الإنترنت والانحدار دون الاتصال بالإنترنت لمنع مجموعتي التطبيقات من الانجراف.
• الاحتفاظ بالصورة القديمة وخط الأساس عند التراجع، دون الاعتماد على إعادة بناء الذاكرة.

قد تبدو هذه الأشياء تافهة، ولكن بمجرد أن يبدأ تقييد الوصول إلى النموذج، تصبح هذه الطبقة من التفاهة ذات قيمة حقًا. بدونهم، لا يمكن للفريق المقامرة على الترقية التالية إلا بقول “يبدو الأمر جيدًا هذه المرة”؛ معهم، يمكنهم على الأقل تأكيد ما إذا كانت المشكلة تكمن في النموذج، أو مكدس الاستدلال، أو مجموعة البيانات نفسها.

لذا، عندما يقع هذا الأمر أخيرًا على عاتق المشروع، سيصبح الحكم بسيطًا للغاية: ما إذا كان يمكن الحصول على النموذج هو مجرد البداية؛ ما إذا كان يمكن تشغيل نفس مجموعة المدخلات ونفس مجموعة المعلمات ونفس مجموعة العينات بشكل مستمر على نفس الخط، يحدد ما إذا كان لا يزال من الممكن استخدامها بثبات. وطالما بقي العيار المقارن، لا يزال هناك مجال للمناورة في النموذج؛ بمجرد أن يتباعد العيار أولاً، سيصبح الاستبدال اللاحق والتراجع واستكشاف الأخطاء وإصلاحها أكثر تكلفة.