تشهد أنظمة تلخيص النصوص التلقائية (Abstractive Text Summarization) تحديات كثيرة تتمثل في إنتاج ملخصات سلسة ولكن غير دقيقة، من خلال خلق أو تشويه العلاقات بين الكيانات والأحداث. هذه 'الخيالات على مستوى العلاقات' (Relation-Level Hallucinations) تُقلل من موثوقية الملخصات، خاصة في المجالات الحساسة مثل الطب والقانون.

في هذا السياق، تم تقديم إطار عمل متطور لتقييم خيالات العلاقات، يتضمن مؤشر خيال العلاقات (Relation Hallucination Index - RHI) الذي يعتمد على خوارزمية استخراج العلاقات الواعية بالاعتماد. يتضمن هذا الإطار تحسينات متعددة مثل:
- **تطبيع القواعد** (Lemmatization-based Normalization)
- **حلول موحدة للكيانات المُسماة** (Named Entity Grounded Subject Resolution)
- **النمذجة الواعية للفعل السلبي** (Passive Agent Recovery)
- **تصفية أفعال التقرير** (Reporting Verb Filtering)
- **الرجوع إلى العلاقات الاسمية** (Nominal Relation Fallback)

تساعد هذه التحسينات على تعزيز دقة الثلاثيات الناتجة وتقليل المطابقات الخاطئة أثناء التقييم.

هذا الإطار يعمل على تحسين تقييم موثوقية العلاقات على مستوى التعاون، مما يساهم في دعم تحليل النماذج الحساسة للخيالات ويعزز من قدرة النماذج على الإنتاج الدقيق والمتين. من خلال هذه الخطوات، تبين evaluations الشاملة أن عملية الاستخراج المتقدمة تؤدي إلى قياسات خيالية أكثر استقراراً وتمييزاً عبر النماذج الحديثة.
ما رأيكم في هذه الابتكارات في مجال الذكاء الإصطناعي؟ شاركونا آرائكم في التعليقات!