تُعتبر عملية فهم الوثائق من أهم المهام التي يمكن لنماذج اللغة الكبيرة (Large Language Models) أن تتعامل معها، خصوصًا في التطبيقات التي تركز على تفاعل البشر مع الآلات. ومع ذلك، فإن هذا النوع من الفهم يواجه تحديات خاصة عندما يتعلق الأمر باللغات ذات الموارد المحدودة مثل اللغة البنغالية. لمواجهة هذه التحديات، تطلق دراسة جديدة معيار BaFCo، وهو معيار بيانات مخصص لفهم نماذج الوثائق البنغالية.

تصف هذه الدراسة 200 نموذج معقد من النماذج الحكومية البنغالية، التي تم تجميعها من مختلف القطاعات مثل الزراعة، والتعليم، والبنوك، وإدارة الأراضي. وقد تم تصميم هذا المعيار ليأخذ بعين الاعتبار تعقيد البنية والسياق لهذه الوثائق. للحصول على نتائج دقيقة، تم تطوير نظام تحليلي مفصل يشمل 26 نوعًا من الكيانات، إلى جانب مجموعة منفصلة تحتوي على 5 أنواع من الكيانات الأساسية.

كجزء من البحث، تم تقييم أحدث نماذج اللغة الكبيرة مثل ChatGPT وGemini وClaude وQwen وKimi باستخدام طرق تفكير مختلفة، سواء في الأوضاع التي تتطلب تفكيراً عميقاً أو سطحياً. وقد كشفت النتائج عن محدودية هذه النماذج في استيعاب نماذج الوثائق البنغالية وتحديد الكيانات الدقيقة فيه بدقة.

إن المعيار والرمز الخاص به متاحان للاستخدام على منصة Hugging Face، مما يعكس جهود الباحثين لتحسين مستوى فهم الآلات للغة البنغالية، ويتيح لمطوري الذكاء الاصطناعي الاستفادة منها في تطبيقاتهم المستقبلية.