في عصر الذكاء الاصطناعي، حيث تُستخدم نماذج اللغة الضخمة (Large Language Models) في مجالات تتطلب دقة عالية، يصبح من الضروري توخي الحذر. غالبًا ما تنتج هذه النماذج ادعاءات تبدو منطقية لكنها غير مؤيدة بالمعلومات الدقيقة. هنا يأتي دور الإطار الجديد GRACE (محرك كوبيوت الخبراء المبني على الرسوم البيانية) الذي يهدف إلى تحسين كيفية تعاملنا مع هذه الادعاءات.

يعتمد GRACE على تحليل بنية الرسوم البيانية لتمثيل العلاقات بين المعلومات، ما يضيف سمة جديدة من الدقة. من خلال تحليل كل ادعاء على حدة، يقوم GRACE بتصنيفه إلى ثلاث فئات: مؤيد، مُردود، أو حدودي، مما يعزز القدرة على التعرف على الادعاءات الزائفة التي تتطلب مراجعة خبراء.

ولتعزيز كفاءة التحقق، يقدم GRACE هدفًا يُعرف بعائد الانتباه (Return on Attention) لتوجيه الموارد البشرية والوكلاء حيثما يكون ذلك ضروريًا فقط. يؤكد البحث أن هذا النظام ليس فقط أكثر فعالية من الطرق التقليدية، ولكنه أيضًا ينشئ حلقة تفاعلية بين المعرفة والوكلاء الآليين، مما يوسع قاعدة المعرفة العامة بمرور الوقت.

تم اختبار GRACE عبر مجموعة من نماذج اللغة وبيانات شملت معرفتين عامة وخاصة، وأظهرت النتائج أنه يتجاوز الأطر التقليدية، مما يفتح آفاقًا جديدة للابتكار في الذكاء الاصطناعي.