في عالم الذكاء الاصطناعي ومعالجة اللغة الطبيعية (NLP)، يعتبر فهم تطور أسلوب المحادثات لغزًا يحتاج إلى تفكيك. فقد أثبتت الدراسات السابقة أن معظم datasets التي تتناول التحكم في الأسلوب اللغوي تركز غالبًا على الجمل أو تفترض نمطًا ثابتًا، مما يعني أنها تفوت اللحظات الديناميكية التي قد تتغير فيها تفضيلات المستخدم عند التفاعل.

لذا، تم تقديم ConvoDrift، وهو dataset مصمم بشكل خاص لنمذجة تطور أسلوب المحادثة مع الحفاظ على نية دلالية ثابتة. يتكون هذا الرقم الفريد من 15,727 هيكل محادثة متعددة الأدوار، يتيح له تكيف وتحليل مختلف الأنماط المرسومة. تشمل كل محادثة ستة أزواج من المثيرات الاستجابة، مع وضع علامات تناول أسلوب التحول وتوجه الأسلوب.

تغطي هذه الأزواج مجموعة متنوعة من الأنماط التحدثية، مما يعكس الاختلافات اللغوية. بالإضافة إلى ذلك، تم إنشاء مجموعة بيانات مُكَمِّلة تعتمد على أزواج متساوية دلاليًا وبتوجهات أسلوبية مختلفة، مما يسهل دراسة التخصيص والتوافق المتعدد في أسلوب اللغة.

ينتقل البحث أيضًا إلى تقييم شامل يتم من خلاله تأكيد النتائج بواسطة الفحص البشري، وتقييم القضاة باستخدام نماذج اللغة الكبيرة (LLMs)، وتقييمات آلية من الناحية اللغوية والدلالية. وفقًا لنتائج المقياس، مع متوسط كريبيندورف ألفا يبلغ 0.88، أثبتت التحليلات اللغوية والدلالية أن أحداث التحول تؤدي إلى تغييرات لغوية مع الحفاظ على التشابه الدلالي.

إن دراسة ConvoDrift تعد خطوة بارزة نحو فهم كيفية تأثير المرونة اللغوية على المحادثات، مما يسهم في تحسين أدوات الذكاء الاصطناعي في إدارة التفاعلات اليومية.