كيف تحسن النماذج اللغوية الصغيرة دقتها في القانون؟ دراسة مبتكرة من بنغلاديش!

في عالم الذكاء الاصطناعي، تعتبر النماذج اللغوية الصغيرة (Small Language Models) أدوات متعددة الاستخدامات في مجموعة متنوعة من المجالات، لكن هل يمكن لهذه النماذج أن تتفاعل بصورة دقيقة مع المعايير القانونية؟ يسلّط بحث جديد الضوء على هذا الموضوع بشكل مبتكر، حيث أظهر أنه رغم حصول هذه النماذج على البيانات القانونية، إلا أنها قد لا تجيب بشكل صحيح.

للبحث في هذا الأمر، أجرى الباحثون اختبارات على نموذج Qwen3.5 بمختلف أحجامه (0.8B، 2B، و4B)، مستخدمين قاعدة بيانات مكونة من 2,165 سجلاً ثنائياً للغات تتعلق بستة قوانين بنغلاديشية وثلاث جداول. الفحص الضابط لأداء النموذج جاء من خلال تحديد نتائجه في امتحانات مجلس النقابة البنغالي لعامي 2022 و2023، حيث تم تحليل النتائج بدقة دون استخدام طرق استرجاع مثل BM25 أو FAISS.

النتائج كانت مثيرة للاهتمام! على الرغم من أن التحسين الدقيق (Fine-Tuning) على نموذج بحجم 0.8B رفع معدل الدقة من 2 إلى 34 من 100 في الاختبارات باللغة الإنجليزية، كان التحسن في الأحجام الأكبر أقل وضوحًا. بينت النتائج أن التحسين الدقيق يساعد النموذج على تقديم إجابات موثوقة بشكل أكبر، حيث انخفضت نسبة الإجابات التي تنحرف إلى اللغة الإنجليزية بشكل كبير، مما يعكس فعالية قاعدة البيانات القانونية.

بالإضافة إلى ذلك، كشفت الدراسة أن النماذج الصغيرة تختلف في كيفية استخدامها للقوانين المقدمة ووسيلة الإجابة المطلوبة، مما يجعل العمل على هذه النماذج عنصرًا حاسمًا في تطوير أدوات الذكاء الاصطناعي المعنية بالقانون.

إذا كنت مهتمًا بعالم النماذج اللغوية الصغيرة وكيف يمكن تحسين قدرتها في مجالات قانونية، يمكنك الاطلاع على مجموعة البيانات المتاحة للجمهور عبر الرابط التالي: مجموعة البيانات. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.