في عالم الذكاء الاصطناعي، يعد وصولنا إلى معالجة الوثائق الطويلة خطوة حاسمة. أطلق طاقم البحث نموذج DocTrace، الذي يلعب دوراً جوهرياً في تعزيز دقة الإجابات المتعلقة بالوثائق المعقدة من خلال استخدام آليات هرمية لتحليل الأدلة.

تعتبر عملية الإجابة عن الأسئلة المستندة إلى عناصر متعددة في الوثائق الطويلة (المعروفة باسم Long Document Visual Question Answering - LongDocVQA) من التحديات الكبرى التي تواجه النماذج اللغوية المتعددة الوسائط (Multimodal Large Language Models - MLLMs). تكمن الصعوبة في المكان الذي يتطلب فيه من أنظمة الذكاء الاصطناعي تحديد وتجميع المعلومات من عدة صفحات أو اقسام متباينة للوثيقة.

النماذج التقليدية، بما في ذلك الحلول القائمة على مسارات الاسترجاع (Retrieval-Augmented Generation - RAG) أو تكنولوجيا الوكلاء المستندين إلى الوثائق، غالبًا ما تفتقر إلى الآليات الواضحة التي تعكس كيفية تجميع الأدلة تدريجيًا، مما يؤثر سلبًا على دقة الإجابات وقابليتها للتتبع.

مادة DocTrace تطرح مفهوم تحليل الأدلة الهرمية كمشكلة أكثر وضوحًا تتعلق بسياق الوثيقة، حيث يقوم النموذج بإجراء عملية التنقيب عن الأدلة، وتحليل الوثيقة الهيكلية، والتفكير في الرسومات الأدلية بطريقة منهجية. هذا يعزز من القدرة على تتبع كل دليل وفرض الشفافية على العملية.

لتحقيق هذه القدرات بشكل فعال، تم تطوير إطار عمل تدريبي مزدوج يتضمن «الضبط الدقيق المشرف» (Supervised Fine-Tuning - SFT) لتعزيز مقدرات رسم الأدلة، متبوعًا بخوارزمية تحسين السياسات النسبية المجموعة (Group Relative Policy Optimization - GRPO) التي توظف مكافآت مخصصة لتعزيز هذه القدرات.

أظهرت التجارب على مجموعة من المقاييس مثل MMLongBench-Doc وLongDocURL وSlideVQA أن DocTrace يتفوق بانتظام على كل من الأسس المفتوحة المصدر والنماذج الأخرى من MLLMs. بفضل تحسّنات ملحوظة، تمكن DocTrace من تحقيق زيادة بمقدار 14.4 نقطة و11.3 نقطة و11.7 نقطة في تلك المقاييس.

باختصار، يوفر DocTrace بيئة تحليلية شفافة قادرة على تحديد وفهم الأدلة المكونة للإجابات، مما يمهد الطريق لفهم أفضل للوثائق الطويلة. هل تتوقعون أن تتبنى الشركات هذا الابتكار الجديد في تطبيقاتها؟ شاركونا آراءكم في التعليقات!