في عالم يتزايد فيه التضليل المعلوماتي، يسعى الباحثون لتقديم حلول مبتكرة لمواجهة تحديات التحقق من المعلومات. ومن ضمن هذه الحلول الجديدة، تأتي تقنية DeLIVeR، التي تعني "التعلم الموزع للاعتراف بالصدق المعتمد على المعلومات"، والتي تسعى لتحسين جودة وفعالية أنظمة التحقق الآلي. تعتمد DeLIVeR على تقنيات التعلم المحوسب والتخطيط الاستراتيجي، حيث تنقل المهمة المعقدة للتحقق من الحقائق إلى نظام مرتكز على استكشاف هادف.

تستخدم الطريقة الجديدة نموذجًا لتخطيط الاستجابات (Planner LLM) لتفكيك الادعاءات المعقدة إلى مجموعات محددة من الأسئلة، مما يساعد في التنقل بين الرسوم البيانية للمعرفة (Knowledge Graphs) للحصول على أدلة دقيقة. تم تحسين سياسة التخطيط باستخدام نمط جديد يُعرف بتحسين السياسات النسبية الجماعية (Group Relative Policy Optimization)، مع نظام مكافآت يركز على تنوع البنية ودقة الحكم.

أظهرت التقييمات على منصات مثل LIAR وFEVER وPolitiFact أن DeLIVeR تتفوق بشكل كبير على الأنظمة التقليدية، حيث حققت معدلات F1 تصل إلى 83.73 و84.57 و79.70 على التوالي، مما يمثل تحسينًا يتراوح بين 10% إلى 15% مقارنةً بنموذج HippoRAG2.

بفضل انتقالها إلى استراتيجية تخطيط الأسئلة المدعومة، تساهم DeLIVeR في تقليل الفجوات المعرفية متعددة الخطوات وتوفير طرق واضحة وقابلة للتحقق من أجل الكشف عن المعلومات المضللة بشكل أفضل.

إن تطور مثل هذا يتيح لنا فهمًا أعمق وفائدة أكبر في مكافحة المعلومات الخاطئة، ويضع دليلاً ملحوظًا على كيفية تطوير أدوات الذكاء الاصطناعي لتكون أكثر فعالية وثقة.