نموذج جديد لتحسين دقة استدعاء الدوال في نماذج الذكاء الاصطناعي

في عالم الذكاء الاصطناعي، يعتبر استدعاء الدوال (function calling) أحد المهارات الأساسية لنماذج اللغات الكبيرة (Large Language Models - LLMs). وقد تناولت الأبحاث السابقة كيفية تحسين دقة استدعاء الدوال عبر تقنيات مثل التعلم العميق (reinforcement learning - RL)، وتمويل النماذج المتعددة. لكن، ما هو الجديد في هذا الإطار المبتكر الذي تم تقديمه مؤخرًا؟

في البحث الجديد الذي تم نشره على منصة arXiv، يقدم الباحثون مفهوم "استدعاء الدوال بناءً على التعليمات" (Instruction-Followed Function Calling - IFFC)، وهو إطار يجعل استدعاء الدوال أكثر دقة عند التعامل مع الأوامر الطبيعية بين المستخدم والمساعد الذكي. يُظهر هذا البحث أن الدقة في استدعاء الدوال تكون أعلى بكثير في سياقات التعامل مع التعليمات مقارنةً بسياقات استدعاء الأدوات.

يقوم نموذج IFFC بفصل منطق استدعاء الدوال عن النموذج الرئيسي ويعتمد على نموذج أصغر يتعامل مع التعليمات. هذه الطريقة أثبتت تفوقها على نماذج استدعاء الدوال التقليدية، خاصةً في نماذج الذكاء الاصطناعي التي تركز على عملية التفكير.

علاوة على ذلك، يُظهر البحث أن نموذج IFFC يحافظ على أدائه القوي حتى عند تطبيق تقنيات الضغط القاسية، مما يجعله مناسبًا للاستخدام في الأجهزة ذات الموارد المحدودة دون فقدان الدقة. يمثل هذا البحث نقلة نوعية في كيفية تحسين استدعاء الدوال بطرق فعالة من حيث الموارد، مما يعزز من كفاءة الذكاء الاصطناعي في التطبيقات المتنوعة.

لنواكب دائماً التطورات الجديدة في عالم الذكاء الاصطناعي. ما رأيكم في هذا التطور؟ شاركونا آرائكم في التعليقات.