في عالم الذكاء الاصطناعي، أظهرت نماذج اللغات الضخمة (Large Language Models) تقدمًا ملحوظًا في القدرات العامة. لكنها تواجه تحديا كبيرا في تحسين أدائها في مجالات معينة، والسبب الرئيسي يعود إلى صعوبة جمع بيانات عالية الجودة. لا تزال طرق توليد البيانات التقليدية تعتمد بشكل كبير على وصف المجالات بلغة طبيعية، مما يحد من إمكانياتها في سيناريوهات الحياة الواقعية.

لكن ما الجديد؟! نتحدث هنا عن إطار عمل مبتكر يُدعى "DOMINO"، الذي يقدم حلاً ثورياً لمشكلة توليد البيانات المخصصة من خلال الاعتماد على أمثلة مرجعية فقط، بدون الحاجة إلى وصف دقيق للمجالات. بدلاً من الاعتماد على طرق استنتاجية معقدة، يعمل DOMINO عن طريق التعلم من مجموعة من الأمثلة المرجعية، مما يجعله مناسبًا لمجالات يصعب التعبير عنها بلغة واضحة.

الفرقة الذكية DOMINO لا تكتفي بتوليد بيانات اصطناعية، بل تقوم أيضًا بتوجيه العملية لضمان أن هذه البيانات تمثل خصائص المجال بدقة، مما يساهم في تقليل الأخطاء الناتجة عن الضجيج.

تجريبيًا، أثبت DOMINO فعاليته من خلال تحسين دقة الأداء في التحديات المتعلقة بالبرمجة حيث تكون تعريفات المجالات غير واضحة، حيث بلغت نسبة التحسين في دقة النتائج ما يصل إلى 4.63% مقارنة بالنماذج الأخرى.

بفضل هذه الابتكارات، يفتح DOMINO آفاقًا جديدة لتوليد البيانات المخصصة، مما يسهل عملية التكيف مع المجالات دون الحاجة لتصميم مطالبات يدوية أو وصفات لغوية معقدة.