في حدث يعد بمثابة قفزة نوعية في عالم النماذج اللغوية متعددة اللغات (Multilingual Language Models)، نسلط الضوء هنا على دراسة شاملة تهدف إلى تحسين التناسق عبر اللغات (Cross-Lingual Consistency Enhancement Methods). يُعتبر هذا التناسق أمرًا حيويًا، حيث يظهر أن النماذج اللغوية غالبًا ما تقدم إجابات غير متناسقة على أسئلة ذات معاني مماثلة إذا تم طرحها بلغات مختلفة. لكن السؤال الأهم: كيف يمكن تحسين ذلك؟

الدراسة التي نتناولها هنا قامت بتقديم تقييم موحد لأساليب تعزيز التناسق، حيث استخدمت مجموعة من نماذج السؤال والجواب (Question Answering) والتي تشمل تدخلات أثناء الاستدلال وأساليب ما بعد التدريب، عبر ثلاث عائلات نماذج وثلاث معايير مغلقة.

أظهرت النتائج أن الأساليب ما بعد التدريب تتمتع بموثوقية أعلى عمومًا. كما أظهرت توسعات التوزيع المباشر تحسنًا ملحوظًا في التناسق عبر جميع تركيبات النماذج وقواعد البيانات. ومع ذلك، تظهر بعض الطرق حساسية خاصة لنوع الإجابات وتنوع تغطية اللغات.

المثير للاهتمام هو أن النقل عبر المجالات محدود، إلا إذا كانت المهام المصدر والهدف تتشارك في تنسيقات المخرجات المماثلة. ومع ذلك، حاولنا أيضًا فهم ما إذا كانت تحسينات التناسق تؤثر سلبًا على قدرة النماذج على تقديم ردود مختلفة عند الحاجة، وخاصةً عند طرح أسئلة تعتمد على الثقافة. أظهرت النتائج من تجربتين حول أسئلة متنوعة ثقافيًا عدم وجود تدهور نظامي في التقييم المغلق، في حين أظهر التقييم المفتوح انخفاضات دقة عرضية، لا سيما في الردود غير الإنجليزية.

تشير دراستنا إلى أهمية تقييم تحسين تناسق اللغات ليس فقط من حيث متانة النموذج عبر المجالات المختلفة، ولكن أيضًا من حيث تباين الردود الثقافية. هذا البحث يمهد الطريق للأعمال المستقبلية في تطوير ما بعد التدريب ومعايير جديدة.