في عالم سريع التغير، تزداد أهمية الحصول على معلومات دقيقة حول النقاط السياحية (POI) لخدمات تحديد المواقع. يعاني النظام التقليدي للاستجابة الصوتية التفاعلية (IVR) من مشكلات متعلقة بتراكم الأخطاء والصيانة العالية. هنا يأتي دور نظام دويفرس-2 (DuIVRS-2)، والذي يمثل نقلة نوعية في هذا المجال.

تم تصميم DuIVRS-2 كنظام شامل يعتمد على نماذج اللغة الضخمة (Large Language Models)، حيث يهدف إلى تحسين آلية اكتساب بيانات النقاط السياحية على خرائط بايدو (Baidu Maps). وفي سياق معالجة البيانات، تم استخدام استراتيجية توسيع البيانات المستندة إلى الآلة الحاسبة للحالات النهائية (Finite State Machine) لتوليد مجموعة بيانات تدريب متنوعة ومتوازنة، مما يساهم في تحسين دقة النظام.

إحدى الميزات الأساسية لهذا النظام هي تحسين إدارة الحوار من خلال استراتيجية توليد انتقائية، والتي تتعاون مع آلية سلسلة الأفكار (Chain-of-Thought) لضمان استقرار المخرجات والتخلص الفعال من الأخطاء في بيئات العمل الصناعية.

وقد تم تصميم إطار التعلم التعاوني المتكرّر لتسهيل تحسين السياسة بشكل مستمر مع أقل جهد يدوي ممكن، مستفيدًا من نظام تصويت مزدوج للمقيمين.

خلال شهرين من التشغيل، عالج DuIVRS-2 حوالي 400,000 مكالمة يوميًا وحقق معدل نجاح في المهام يبلغ 83.9%، متفوقًا بأربع نقاط مئوية على سلفه مع الحفاظ على وقت استجابة منخفضة يبلغ 130 مللي ثانية.

يمثل هذا العمل مرجعًا موثوقًا لتطوير وكلاء ذكاء اصطناعي قويين وذو تكلفة فعالة لتطبيقات الحوار الصناعية على نطاق واسع.