في عالم البحث العلمي، يعتبر التحقق من مصداقية المعلومات ومراجعة الأبحاث من القضايا الحيوية التي تتطلب الحلول الفعالة. ولكن، ماذا لو كان هناك نظام يمكنه تحسين هذه العملية بشكل جذري؟ فريق من الباحثين ابتكروا نظام "FactReview"، وهو نظام مراجعة يعتمد على الأدلة ويقوم بتحليل الادعاءات الواردة في الأبحاث بطريقة مبتكرة.

يعمل نظام FactReview على استخراج الادعاءات التي تتعلق بالمراجعة، ومن ثم يقوم بتعزيزها بالأبحاث المرتبطة. إذا كانت لديك شيفرات برمجية، يمتلك النظام القدرة على تنفيذ العناصر البرمجية المُعدة مسبقًا في إطار ميزانية إصلاح ثابتة للتحقق من المطالبات التجريبية. هذا ما يجعله نظامًا فريدًا في مجاله.

في دراسة شاملة، تم فحص 35 ورقة بحثية في مجال التعلم الآلي (Machine Learning) و463 ادعاء رئيسي، واكتشف الباحثون أن نظام FactReview يغطي 84% من هذه الادعاءات. وقد حصلت المراجعات الناتجة عنه على تقييم متوسط يعتبر استثنائيًا، حيث بلغت 4.86 من 5، وهي أعلى بمقدار 0.7 من مراجعة DeepReview-v2، وأعلى بمقدار 1.5 من تعليقات OpenReview المناظرة.

المثير للاهتمام أن حذف أدلة التنفيذ يمكن أن يغير 17% من حالات الادعاءات، مما يبرز أهمية الاعتماد على أكثر من مصدر واحد من الأدلة. بل وأكثر من ذلك، فإنه في دراسة حول مساعدة المراجعين، أظهر نظام FactReview أنه يمكن أن يقلل من الوقت المستغرق للمراجعة بمعدل 58%، بينما رفع من تغطية الادعاءات المرجعية من 87% إلى 99%.

وفي الختام، يجادل الباحثون بأن المراجعين الذين يعتمدون على نماذج اللغات الضخمة (Large Language Models) يجب أن يقوموا بتدقيق المطالبات التجريبية بدلاً من اتخاذ قرارات القبول أو الرفض. يمكنكم الاطلاع على الشيفرة المصدرية لهذا النظام عبر الرابط: FactReview GitHub Repository.

ماذا تريد أن تعرف أكثر عن نظام FactReview؟ شاركونا آراءكم في التعليقات!