تحقق موثوق من الصياغات الآلية: نهج ثوري باستخدام التحقق التبادلي والإصلاح

في عالم الذكاء الاصطناعي المتطور، يشكل الضمان بأن نتائج نماذج اللغات الضخمة (LLMs) تُعبر بدقة عن المعاني المراد توصيفها تحديًا مهمًا. عند صياغة اللغات الطبيعية، كيف يمكننا التأكد من موثوقية الناتج؟ هنا تأتي فكرة "التحقق التبادلي" (Roundtrip Verification)، التي تتيح التحقق من الصياغات دون الحاجة إلى بيانات مرجعية دقيقة.

يتمثل النهج المقترح في صياغة عبارة معينة، ومن ثم ترجمة الناتج مرة أخرى إلى اللغة الطبيعية، وإعادة صياغته، واستخدام أدوات رسمية للتحقق من المساواة المنطقية بين الصياغات. عندما تتفق الصياغات المختلفة، تمنحنا هذه النتيجة ثقة أكبر في صحة الصياغة، وفي حال وجود اختلاف، نقوم بتشخيص دقيق يحدد موضع الخطأ في خطوة الترجمة المعنية، ومن ثم يتم استخدام أداة إصلاح مخصصة لمعالجة الخطأ.

وقد تم تقييم هذا النظام على نطاقين قانونيين: قانون النقل في تكساس وقانون الحدائق والحياة البرية في تكساس، باستخدام نموذجين من نماذج اللغات الضخمة (Claude Opus 4.6 و GPT-5.2) مع ثلاثة معايير إصلاح. وقد أثبت الإصلاح المستند إلى التشخيص أنه الأكثر فاعلية، حيث تعتمد فعاليته على موثوقية وظيفة التشخيص. وعبر كلا النطاقين وكلا النموذجين، أظهر النظام الكامل للإصلاح أن القواعد التي تفشل في التحقق من المساواة كانت تعاني من انحراف بنسبة تتراوح بين 1.4 إلى 2.5 مرة عن القواعد التي نجحت في هذا الاختبار.

تعتبر هذه النتائج خطوة هامة في تعزيز موثوقية الأنظمة الذكية، مما يفتح آفاقًا جديدة لتحسين عمليات التخييط الآلي.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات.