تسعى نماذج اللغة المنطوقة (Spoken Language Models - SLMs) حاليًا إلى تحقيق تفاعل صوتي سلس وواقعي، لكن التعامل مع الديناميات الزمنية يُعد تحديًا رئيسيًا لا يزال يتطلب تقييمًا دقيقًا. في هذا السياق، تم تقديم "Game-Time Benchmark"، وهو إطار يهدف إلى تقييم القدرات الزمنية لهذه النماذج بشكل منهجي.

يعتمد استحداث "Game-Time" على أسلوب تعلم البشر اللغة من خلال الأنشطة اللغوية، حيث يتضمن مهام بسيطة تتطلب اتباع تعليمات ومهام متقدمة مع قيود زمنية، مثل الالتزام بالسرعة (tempo) وردود الفعل المتزامنة (synchronized responses).

من خلال تقييم هياكل SLM المختلفة، كانت هناك تفاوتات واضحة في الأداء: فعلى الرغم من أن النماذج المتطورة تمكنت من التعامل بشكل جيد مع المهام الأساسية، إلا أن العديد من الأنظمة الحديثة لا تزال تعاني في التعامل مع مهام اتباع التعليمات الأساسية. والأسوأ من ذلك، تتدهور تقريبًا جميع النماذج بشكل كبير تحت القيود الزمنية، مما يكشف عن ضعف مستمر في الوعي الزمني (time awareness) والتفاعل الثنائي الكامل (full-duplex interaction).

توفر Game-Time Benchmark أساسًا قويًا لتوجيه البحث المستقبلي نحو الذكاء الاصطناعي المحادثاتي الأكثر وعيًا بالزمن. للمزيد من المعلومات، يمكن زيارة الموقع الخاص بالمشروع [الرابط]، حيث تتوفر العروض والبيانات.

ما رأيكم في هذه التطورات في نماذج اللغة المنطوقة؟ شاركونا أرائكم في التعليقات!