ثورة في توليد محتوى إبداعي قصير باللغة الصينية باستخدام التحسين متعدد الأهداف

تتميز اللغة الصينية بقدرتها الهائلة على التعبير عن المعاني المعقدة باستخدام نصوص قصيرة فقط، مما يجعلها تحديًا في مجال توليد اللغة الطبيعية الإبداعية (Creative Natural Language Generation - CNLG). إذ يسعى المستخدمون عادةً للحصول على محتوى يتسم بالتحسين الشخصي وتلبية قيود إبداعية دقيقة، مما يجعل التحقق الفعّال أمرًا بالغ الأهمية.

وفقًا لنموذج عدسة برونسويك من علم النفس، يمكن استخلاص تحقيق القيود من مؤشرات قابلة للرؤية، ولكن الدراسات الحالية تركز بشكل رئيسي على النتائج، ظنًا منها أن النتائج نفسها توفر معلومات كافية للتحقق. إلا أن هذه الفرضية قد تفشل في توليد المحتوى القصير باللغة الصينية، حيث أن النتائج القصيرة جدًا تقدم معلومات محدودة بسبب القيود المتنوعة.

تلعب التفسيرات دورًا أساسيًا كأدلة إضافية، ولكن مع القيود المعقدة، قد تواجه نماذج اللغات الكبيرة (Large Language Models - LLMs) مشكلات مثل الهلاوس، أو عدم الاكتمال، أو الغموض. للمعالجة، قمنا بتعريف مهمة توليد المحتوى القصير باللغة الصينية كمسألة تحسين متعدد الأهداف غير المتجانس (Heterogeneous Multi-Objective Optimization - HMO) التي تستدعي تحسين القيود الشخصية وموثوقية التفسير بشكل متزامن.

من خلال ذلك، قدمنا إطار العمل MAGIC-HMO، الذي لا يتطلب تدريبًا، ويعتمد على استراتيجية متعددة الأهداف تركز على التفسيرات لتحسين هذه الأهداف من خلال التوليد والتحقق المتكرر. وقد أثبتت التجارب على مجموعة بيانات "تسمية الأطفال الصينيين"، وهي معيار صعب، أن MAGIC-HMO يتفوق بشكل ملحوظ على ستة نماذج مرجعية قوية عبر مختلف هياكل الـ LLM.

إذا كنت مهتمًا بمزيد من التفاصيل حول MAGIC-HMO، يمكنك زيارة الرابط المتعلق بالبيانات والكود المتاحة [https://github.com/foolfun/MAGIC_HMO].