تتمتع نماذج اللغات الضخمة (Large Language Models) بقدرات متقدمة في الاستجابة للأسئلة العامة، ولكنها تواجه تحديات كبيرة عند التعامل مع المعلومات الزمنية. تقنيات المعالجة الحالية تعتمد غالبًا على أدوات خارجية أو تحقق يدوي، مما يؤدي إلى ضعف القدرة على التعميم. كما أن هذه الطرق تعتمد على أنماط ثابتة لجميع الأسئلة، متجاهلةً أن أنواعاً مختلفة من الأسئلة الزمنية تحتاج لاستراتيجيات تفكير مخصصة، مما ينتج عنه معالجة غير ضرورية في الحالات البسيطة ونقص في القدرة على التفكير في الحالات المعقدة.

للتغلب على هذه القيود، يتم تقديم أدابتايم (AdapTime)، وهو أسلوب تكييفي للمعالجة الزمنية، يقوم بتنفيذ خطوات التفكير بناءً على سياق المدخلات. يعتمد أدابتايم على ثلاثة إجراءات زمنية هي: إعادة الصياغة (reformulate)، وإعادة الكتابة (rewrite)، ومراجعة (review)، مع وجود مخطط من نماذج اللغات الضخمة (LLM) يشرف على عملية التفكير. يتم دمج أدابتايم بسلاسة مع أحدث نماذج اللغات الضخمة، مما يعزز بشكل ملحوظ من قدراتها الزمنية دون الحاجة إلى دعم خارجي.

تظهر التجارب الشاملة فعالية هذا الأسلوب، مما يضمن تحسين دقة وفعالية نماذج الذكاء الاصطناعي في حالات التفكير المعقدة.

هل تعتقد أن أدابتايم سيفتح آفاق جديدة في الذكاء الاصطناعي؟ شاركنا بآرائك في التعليقات!