تتسارع التغيرات في عالم التجارة الإلكترونية بموازاة تطور نماذج الذكاء الاصطناعي، خاصةً نماذج اللغات الضخمة (Large Language Models) ونماذج اللغة والرؤية (Vision Language Models). لكن المعضلة التي تواجهها هذه النماذج تكمن في قدرتها على اكتشاف المحتوى المراوغ، وهو ذلك المحتوى الذي تم التلاعب به عمداً باستخدام تقنيات مثل تفكيك الكلمات أو استخدام لغة ملطفة لإخفاء انتهاكات السياسات، مع الحفاظ على توصيل ادعاءات محظورة.

إن كشف هذه الأنماط المراوغة ليست بمجرد عملية بسيطة، فالأمر يتطلب من النماذج أن تتقن اثنين من المهارات: الفهم العميق لقواعد معقدة، واستنتاج النوايا الحقيقية وراء المدخلات متعددة الأنماط المعقدة.

رغم أن هناك أبحاث سابقة تناولت جوانب مختلفة من هذه المشاكل، لم يكن هناك معيار موحد يجمع بين تقييم هذه النماذج على كلا الجانبين. وهنا تظهر أهمية EVADE-Bench، وهو الأول من نوعه مصمم للغة الصينية لتقييم قدرتي اكتشاف المحتوى المراوغ من خلال توفير إطار تقييم موحد ومتطور.

خلال تقييم شامل لـ 26 نموذجًا من نماذج اللغات الضخمة ونماذج اللغة والرؤية، وجدنا أن حتى أكثر النماذج تقدمًا غالبًا ما تخطئ في تصنيف هذه الأنماط المراوغة. وبالإضافة إلى ذلك، أظهرنا أن تصنيف القواعد بشكل أكثر وضوحًا يساهم بشكل كبير في تعزيز اتساق توقعات النموذج وتخفيف التنبؤات الخاطئة.

تسعى EVADE-Bench لاكتشاف طرق جديدة لتحسين الأداء من خلال تطبيق استراتيجية تفكيك الوكلاء متعددة المهام، حيث يتم فصل الوصف البصري والاستنتاج المنطقي إلى وكلاء منفصلين، مما أثبت فعاليته في تحسين دقة التوقعات.

في ظل تزايد التحديات التي تواجه منصات التجارة الإلكترونية، يبقى السؤال: كيف ستتمكن هذه الابتكارات من تغيير واقع الاكتشاف والتحقق من المعلومات؟