في إطار البحث المتواصل لتطوير نماذج الذكاء الاصطناعي، قامت مجموعة من العلماء بتحليل كفاية المحتوى التسلسلي في تمثيلات النصوص، حيث استندت دراستهم على نموذج CANOPE، وهو إطار غير تلقائي يستخدم لوحات كانوية مرتبة وأشراف من الرموز الكانونية.

تتناول الدراسة مسألة ما إذا كانت التمثيلات قادرة على الاحتفاظ بالمعلومات المستهدفة المرتبة التي تتواجد في المدخلات. تم تقسيم تحليلات المعلومات إلى ambiguities في المدخلات، وفقدان التمثيل، واختلاف القراءة. وعكست النتائج أن قياسات التفوق الجيومتري لا تضمن بالضرورة إمكانية استرجاع المحتوى التسلسلي أو الوصول الفعال للمعلومات.

في تجاربهم، أظهر الباحثون نتائج مذهلة؛ حيث حصلوا على 13.5% من استرجاع المعلومات عند استخدام نموذج PL0، بينما ارتفعت النسبة إلى 98.8% عند استخدام نموذج PL2 تحت سياقات طبيعية قوية. وعند التحقق من الآداء على مخرجات الصوت، كانت النسبة 21.54% لمعدل خطأ الكلمات عند استخدام نموذج PL2 مع تقنية MatchaTTS المدربة.

هذه النتائج تُظهر الحاجة إلى تطوير نماذج قادرة على الحفاظ على كفاية المعلومات المدخلة رغم التعقيدات والترتيبات، مما يعد خطوة كبيرة نحو تحسين أداء أنظمة الذكاء الاصطناعي في المستقبل.