تُعد نماذج اللغات الضخمة (Large Language Models) واحدة من أبرز التطورات في عالم الذكاء الاصطناعي، حيث يتم استخدامها في مجالات متعددة حول العالم. لكنّ هذه النماذج تواجه تحديات كبيرة عندما يتعلق الأمر بتقييم القيم العميقة في المحتوى عبر اللغات المختلفة. في أحدث الأبحاث التي تم نشرها على منصة arXiv، تم تسليط الضوء على هذين التحديين الرئيسيين: التنوع الثقافي وتعقيد التخصصات.

لbridging هذه الفجوة، تم اقتراح إطار عمل جديد يعتمد على التعاون بين البشر والذكاء الاصطناعي. يهدف هذا الإطار، الذي يتألف من مرحلتين، إلى توضيح نطاق الموضوع وطبيعته، وضبط معايير التقييم المحددة، إلى جانب استخدام نماذج LLMs متعددة للمراجعة النهائية.

وكنتيجة لهذا الإطار، تم تقديم Benchmark جديد يُسمى extbf{X-Value}، وهو الأول من نوعه الذي تم تصميمه خصيصاً لتقييم قدرة نماذج LLMs على الحكم على القيم العميقة للمحتوى. يعكس X-Value مجموعة واسعة من القضايا العالمية، حيث يتضمن 4,750 زوجاً من الأسئلة والأجوبة عبر 14 لغة مختلفة، ويغطي 7 فئات رئيسية من القضايا العالمية.

تقوم التحليلات المنهجية للبيانات باستخدام 17 نموذجاً من نماذج LLMs مع استراتيجيات تنبيه مختلفة، حيث تكشف النتائج عن قيودهم في حكم القيم عبر اللغات. يُظهر التحليل المتعدد الأبعاد للنتائج والدرجات الفعلية وجود تفاوتات ملحوظة في الأداء عبر الفئات اللغوية المختلفة.

إن هذه الجهود تمثل خطوة حيوية نحو تحسين قدرة نماذج الذكاء الاصطناعي على فهم وتقييم القيم العميقة للمحتوى، مما يعكس الحاجة الملحة للعمل على تطوير هذه القدرات في المستقبل القريب.