في عالم الذكاء الاصطناعي، يُعتبر التعرف على المشاعر في المحادثات (Emotion Recognition in Conversation - ERC) واحدًا من أكثر التحديات تعقيدًا. حيث يتطلب هذا المجال من النماذج القدرة على التعرف على الإشارات العاطفية الخفية التي تنتشر عبر محادثات قد تكون بعيدة زمنياً. في الوقت الحالي، تعتمد الطرق السائدة على دمج تاريخ المحادثة من خلال نافذة سياقية ثابتة، لكن هذه النوافذ القصيرة تتجاهل أحيانًا الأدلة المفيدة التي قد تكون موجودة على مدى بعيد.

لمعالجة هذه المشكلة، قدم الباحثون أدوات جديدة تحت اسم "دياريلاي" (DiaRelay). تستخدم هذه الأداة نموذجًا خفيف الوزن يتيح للنماذج اللغوية الضخمة (Large Language Models - LLMs) الحفاظ على ذاكرة حوارية دقيقة لتسهيل التعرف على المشاعر.

تستند "دياريلاي" إلى تقنية LoRA، وتقدم مكونين جديدين هما:
- **نقل الذاكرة الانتقائية (Selective Relay Memory Transition)**: يقوم بتجميع الأدلة التاريخية المفيدة في ذاكرة محدودة، وينقلها خلال توقعات النقاش القادمة.
- **قراءة الذاكرة ثنائية المحور (Dual-axis Relay Memory Read)**: تعدل تمثيلات الميزات المعتمدة على السياق دون الحاجة إلى تحديثات التدرج خلال اختبار النموذج.

لقد أجريت تجارب شاملة، وأثبتت "دياريلاي" نجاحها من خلال تحقيق نتائج بارزة، مع نتائج فنية أعلى في مجموعة بيانات MELD ودقة تنافسية في IEMOCAP، كل ذلك باستخدام 7.1 مليون معلمة قابلة للتدريب فقط. هذه النتائج تثبت فعالية وقدرة "دياريلاي" على تعزيز الفهم العاطفي للنماذج اللغوية الضخمة.

ما رأيكم في هذه الابتكارات في مجال الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.