في عالم الذكاء الاصطناعي، تتطلب الإجابات على الأسئلة متعددة الطفرات قدرة على تجميع المعلومات من مستندات متعددة، مما يمثل تحديًا كبيرًا في التطبيقات المعتمدة على المعرفة. في هذا السياق، قدم الباحثون تقنية DualView، وهي إطار عمل متطور يوفر حلاً فعالًا لمشكلة استرجاع الوثائق.

تعتمد تقنية DualView على مرحلتين رئيسيتين: أولاً، يستخدم النظام Local Scorer الذي يعتمد على تقنية stacked cross-attention لتقييم الصلة بين الاستفسار والمستندات بشكل دقيق. ثانياً، يقوم Global Scorer بنمذجة العلاقات بين المستندات المختلفة باستخدام تقنية Transformer لجمع السياق.

ما يميز هذه التقنية هو إمكانية الدمج الديناميكي بين الملاحظتين من خلال Adaptive Gate، الذي يُشغل حسب دلالات الاستفسارات. وعند تقييم الأداء مع مجموعة ثابتة من الوثائق، أظهرت النتائج أن النظام يحقق دقة مذهلة تصل إلى 99.4% في استرجاع Top-4 مع زمن استجابة تبلغ 4 مللي ثانية.

عندما تم مقارنة أداء التقنية مع أنظمة أخرى مثل BGE-Large و Jina-v3، أثبتت DualView أنها تتفوق بفارق كبير في دقة الاسترجاع، حيث تحافظ على زمن استجابة أقل بخمس إلى ست مرات. الدراسات الاستكشافية أظهرت أيضًا أن كل من الملاحظتين المحلية والعالمية تلعب دورًا حيويًا في تحسين الأداء.

إن هذه التقنية ليست مجرد تقدم تكنولوجي، بل هي خطوة كبرى نحو تحسين كيفية معالجة البيانات واسترجاعها، مما يعد بتجارب بحث أكثر سلاسة وفعالية. هل تعتقد أن هذه الابتكارات ستغير مستقبل مجال البحث عن المعلومات؟ شاركونا بآرائكم في التعليقات!