تشهد مجال البيانات الجدولية تقدمًا ملحوظًا بفضل تقنيات التعلم العميق، ومع ذلك، لا تزال هناك تحديات كبيرة في بعض المجالات المتخصصة حيث تنقص البيانات. هنا يأتي دور KnowsTFM، الذي يمثل نقطة تحول في كيفية استخدام المعرفة لتوجيه تحسين نماذج البيانات الجدولية الصغيرة (Small Tabular Foundation Models).

يعتمد KnowsTFM على تطوير نماذج تعتمد على المعرفة، حيث يُستفاد من الرسوم البيانية المعرفية (Knowledge Graphs) والمعلومات المتخصصة. من خلال تحسين أشكال نماذج TabPFN وTabICL، يظهر KnowsTFM كيف يمكن أن يؤدي إدخال المعرفة الهيكلية الخاصة بالمجالات خلال عملية التحسين إلى تحسينات ملموسة.

تم تصميم هذه النماذج للتعامل مع المهام الأصغر والمتوسطة، وهي تعمل بشكل جيد في البيئة المدربة مسبقًا، ولكن إذا تم الانتقال إلى مجالات ذات بيانات شحيحة، فإن تقنيات KnowsTFM تظهر تفوقها وفعاليتها.

تتيح هذه الزيادة في الأداء تحقيق نتائج إيجابية في الوقت الذي توفر فيه القدرة على الاستفادة من المعرفة المتخصصة، مما يساعد في تحسين أداء النماذج في مهام معينة. وعلاوة على ذلك، أظهرت البحوث أن تكرار عملية تحسين نماذج الحد الأمامي يمكن أن يؤدي إلى انهيار المعرفة المكتسبة مسبقًا، مما يطرح تساؤلات حول كيفية بناء وزيادة النماذج المستقبلية بشكل فعال.

في نهاية المطاف، يُظهر KnowsTFM كيف يمكن للدمج الفعال للمعرفة أن يُحدث ثورة في أداء نماذج البيانات الجدولية الصغيرة، آملًا في الاستمرار في فتح آفاق جديدة للذكاء الاصطناعي.