تتعرض نماذج اللغة الكبيرة (Large Language Models) للكثير من التحديات عند استخدامها في مجالات ذات دقة عالية مثل الطب والمالية. حيث يتعرض المستخدمون لمخاطر متعددة مثل الهلوسات (hallucination) والمعرفة المجمدة (frozen knowledge) وسوء الشرح (poor explainability) وصعوبة التعديل (poor modifiability). في سياق البحث الجديد المنشور، تم اقتراح فكرة النموذج العالمي الواضح، الذي يعيد هيكلة المعرفة داخل قواعد بيانات متعددة الوسائط باستخدام إطار عمل جديد يسمى DaoQL.

تعمل هذه المراجعة الجديدة على رسم ملامح نموذج عالمي واضح يمكنه تجنب العيوب السائدة في النماذج الضمنية، وخاصة تلك المتعلقة بفقدان الدلالات والضمانات الهيكلية. تم اختبار نظام DaoQL بشكل مكثف، حيث توفر النقاط الملحوظة في الأداء السرعة الكبيرة في معالجة الاستفسارات، مما يمهّد الطريق لاستخدام هذه التقنيات في تطبيقات عملية.

خلال التجارب التي تم إجراؤها باستخدام DaoQL وGPT-4o، حققت النتائج تحسنًا كبيرًا في إمكانية الانفصال للمسائل المسببة. بمعدل 94%، تمكنت هذه التكنولوجيا من تحسين الأداء بشكل ملحوظ مقارنةً باستخدام GPT-4o بمفرده. تم استخدام مجموعة متنوعة من المخططات والأنظمة لتحقيق أفضل النتائج، ومع تقنيات مثل مخازن البيانات المؤكدة والطرق الواضحة للتقييم، يبدو أن هناك آفاقًا مشوقة أمام خبراء الذكاء الاصطناعي.

فما رأيكم في هذا الطرح الجديد؟ هل ترون أن تطبيق هذه الحلول يمكن أن يحدث ثورة في مجالات البحث والتطوير؟ شاركونا آراءكم في التعليقات!