في زمن يتزايد فيه الاعتماد على البيانات الرقمية، يُعد التحقق من الادعاءات الرقمية مهمة معقدة تتطلب فهم اللغة وقدرة تحليل كمية. استحدث العلماء نظاماً ذكياً ضمن إطار مهمة CheckThat! ضمن فعالية CLEF 2026، يركز على تصنيف ومراجعة الأدلة المستندة إلى النماذج اللغوية الكبيرة (LLMs).

تتضمن الورقة البحثية تقديم طريقتين رئيسيتين:

**الأولى:** تعمل على تحسين نموذج يتحقق من صحة الادعاءات باستخدام تقنية LoRA، حيث يتم تقييم كل دليل على حدة كمشكلة تصنيف ثنائية، ويتم اختيار القرار النهائي من خلال أفضل الخيارات.
**الثانية:** تعتمد على نموذج مكافآت خفيف يعتمد على TF-IDF ويستخدم ميزات يديوية لأي التداخل العددي والزماني لتقييم الأدلة، مجمعةً النتائج حسب مجموعات القرارات.

عند تقييم أداء النموذج باللغة العربية، تم مقارنة نموذج متعدد اللغات مع AraBERT، وهو نموذج متخصص تم تدريبه على نصوص عربية. النتائج أظهرت أن نموذج الذكاء الاصطناعي يتفوق على النموذج الخفيف في معظم المعايير، خاصةً في مؤشر Recall@5. ومع ذلك، قدم نموذج المكافآت أداءً أقوى في تصنيف الفئات المتضاربة.

كما أوضحت التجارب أن تقسيم الادعاءات الفرعية لم يُحسن الأداء، مما يشير إلى أن تقسيم الادعاءات قد يُدخل ضجيجاً بدلاً من تعزيز التفكير. والأهم من ذلك، أن AraBERT حقق نتائج أفضل من النموذج متعدد اللغات في معظم المعايير.

هذا البحث يضمن خطوة جديدة في رحلة فهم البيانات والتحقق من المعلومات بدقة، مما يعزز قدرة النماذج اللغوية العملاقة على معالجة تحديات اللغة والكمية بشكل متزامن.