في خطوة غير مسبوقة في مجال الذكاء الاصطناعي، حقق النموذج LLM-INSTRUCT إنجازًا تاريخيًا في مهمة تحليل الحجج بمؤتمر UZH 2026. هذا النموذج، الذي يعد الفائز في المهمة المشتركة، قدم طريقة متقدمة للتصنيف والتنبؤ بعلاقات الفقرات ضمن قرارات الأمم المتحدة ومنظمة اليونسكو.

تتضمن المهمة تصنيف أنواع الفقرات، والتنبؤ بمجموعة من 141 علامة رسمية، وتوقع العلاقات الموجهة وفقًا لنموذج صارم مع استخدام نماذج مفتوحة بحد أقصى 8 مليار معلمة (parameters). ولتحقيق هذا النجاح، اعتمد النظام على نهج خاص يحصر مساحة العلامات المحتملة باستخدام استرجاع دقيق مبني على البيانات الوصفية. ثم طبق عملية فك تشفير مقيدة مع حدود مخصصة لكل بُعد.

في حال عدم وضوح بعض الحالات، تم نقلها إلى فرع مناقشة يتألف من ثلاثة وكلاء لمزيد من التقييم، مما أعطى نتائج أكثر دقة. ولقد أظهر LLM-INSTRUCT أدائه المتميز بحصوله على المركز الأول في التصنيف العام، بالإضافة إلى المركز الأول في F1 والمركز الخامس ضمن تصنيف LLM كحكم.

خلال عملية التطوير، أدت عمليات البحث في الإعدادات إلى تحسين دقة ما يسمى بـ Micro-F1 من 35.83% إلى 40.08%، بالرغم من استقرار النتيجة في مهمة أخرى عند 4.421. الدرس الرئيسي هنا هو أن تقليل مساحة اتخاذ القرار قبل عملية التوليد يساهم في زيادة الدقة وقوة التقديم. يمكنكم الإطلاع على التعليمات البرمجية والبرامج المساعدة المتاحة للجمهور من خلال الرابط التالي: [LLM-Instruct on GitHub].

في ختام هذا الإنجاز الرائع، يتساءل الكثير عن مستقبل نماذج الذكاء الاصطناعي وما يمكن أن تحققه من نتائج مماثلة في مجالات أخرى. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.