في عصر تتسارع فيه تكنولوجيا الذكاء الاصطناعي التوليدي، تظهر الحاجة الملحة لوضع معايير دقيقة وواضحة لتوثيق هذه النماذج بشكل آمن وشفاف. حيث تتعطل الأساليب التقليدية التي تعتمد على العمل اليدوي في إنشاء بطاقات النماذج والبيانات (Model Cards and Data Cards)، فإن الطرق الآلية تفتقر إلى معايير مقارنة عالية الجودة وعالية النطاق.

لذلك، تم تقديم MetaGAI كمعيار شامل يتكون من 2,541 مجموعة موثقة تم الحصول عليها من خلال عملية تثليث دلالي للمقالات الأكاديمية، ومستودعات GitHub، وموارد Hugging Face. وبخلاف مجموعات البيانات السابقة التي كانت تعتمد على مصدر واحد، يعتمد MetaGAI على إطار عمل يتضمن وكلاء متخصصين مثل المسترجع (Retriever)، المنشئ (Generator)، والمحرر (Editor)، وهو ما تم التحقق منه من خلال تقييمات بشرية متعددة الأبعاد.

لقد أظهر تحليل واسع النطاق أن الهياكل النادرة Mixture-of-Experts تحقق كفاءة تفوق في التكاليف والجودة، بينما يوجد تبادل أساسي بين الموثوقية والكمال في النتائج. يوفر MetaGAI أساساً متيناً لقياس الأداء، والتدريب، وتحليل طرق إنشاء بطاقات النموذج والبيانات بشكل آلي. للمزيد، يمكنكم الاطلاع على البيانات والكود المتاح على [GitHub](https://github.com/haoxuan-unt2024/MetaGAI-Benchmark).