تقييم شامل لمخرجات نماذج اللغات الضخمة: نظام تصنيف متعدد العوامل

في عالم الذكاء الاصطناعي، تُعد نماذج اللغات الضخمة (Large Language Models) من أبرز الابتكارات التي حققت نتائج مذهلة في مهام لغوية متعددة. ومع ذلك، تظهر الحاجة الملحة لتقييم شامل لجودة ردود هذه النماذج، حيث أن الأساليب التقليدية غالباً ما تقتصر على أبعاد فردية وغير كافية لاستيعاب كل الإمكانيات المتاحة.

تعرض هذه الدراسة نظام تصنيف متعدد العوامل يتضمن مجموعة من المعايير مثل الدقة، والتلخيص، والتناسق الواقعي، وقابلية القراءة، والسلاسة. بالإضافة إلى ذلك، تم تقديم واجهة مستخدم رسومية (GUI) لتسهيل تصور النتائج.

أظهرت التقييمات على مجموعة بيانات TruthfulQA أن نماذج اللغات الضخمة تسجل نقاط قوة في مهام التفكير، حيث وصلت إلى أعلى درجة مركبة تقدر بـ 0.6104. ومع ذلك، سلّطت النتائج الضوء أيضاً على قيودها في التعامل مع الحقائق المعقدة والغموض.

بدلاً من التركيز على المعايير التقليدية الضيقة، يُقدم هذا الإطار طريقًا واضحًا ومرنًا لتمييز مميزات النموذج وعيوبه، ويوفر إمكانيات جديدة لهندسة المعرفة وتحسين النموذج. وعلى الرغم من أن الدراسة تركز حالياً على المهام باللغة الإنجليزية، إلا أن آفاقها تتسع لتشمل مجالات متعددة اللغات في المستقبل.