في ظل تزايد استخدام نماذج اللغات الضخمة (LLMs) في مجالات التنبؤ، أصبح من الضروري وجود معايير قوية وموثوقة لتقييم هذه القدرات. هنا يأتي دور LEAF، المعيار الحي الجديد الذي يستهدف تقييم أداء النماذج في مهام التنبؤ المدعوم بالأحداث.

LEAF ليس كأي معيار تقليدي؛ فهو يجمع بين تقنيات متقدمة مثل نظام استرجاع التكرار (recursive retrieval agent system) والتحقق المتبادل عبر الوكلاء المزدوجين (dual-agent cross-validation)، مما يمنح نماذج الذكاء الاصطناعي المقدرة على تحسين دقة التنبؤ من خلال تحليل الأحداث المتعددة.

تمت دراسة فعالية LEAF عن طريق تقييم نماذج اللغات الضخمة ذات الوزن المفتوح والنماذج المدفوعة، حيث كشفت النتائج أن هذه النماذج تستطيع استغلال الإشارات المستخرجة من الأحداث المُعقدة لتعزيز الأداء التنبؤي بشكل ملحوظ. في سياق الأسهم، تبين أن النماذج تحقق أداءً أفضل على الاستثمارات التي يمكنها تحديدها على أنها أكثر قابلية للتنبؤ.

مع LEAF، لم يعد هناك حاجة لمعايير معزولة تفتقر إلى الأحداث المتعددة الحقيقية. بل يقدم هذا المعيار الجديد منصة ديناميكية تسمح بتحديث مستمر لرصد وقياس التقدم في المهام المدفوعة بالأحداث، مما يعد نقلة نوعية في العالم الرقمي الحديث.