الإثارة في الذكاء الاصطناعي: استعادة الأدلة الحاسمة لعملاء الترميز!

في عالم الذكاء الاصطناعي، يظهر تطور جديد يتمثل في "استعادة الأدلة الاجتماعية المنقوصة" (state-conditioned minimal sufficient evidence recovery). هذا المفهوم يركز على كيفية استطاعة وكيل الترميز (coding agent) تحديد الأدلة الحيوية التي تدعم قراراته، وخاصة عندما يكون في منتصف عملية ما.

تكمن المشكلة في أن وكيل الترميز قد يكون قد قرأ بالفعل الكثير من المعلومات، ولكن لا يزال يفتقر إلى الدليل الكافي لدعم القرار التالي. هنا يأتي دور استعادة الأدلة المنقوصة، حيث يتعامل هذا النظام مع حالات معينة من الوكلاء لاستعادة مجموعة مركزة من الأدلة اللازمة.

تم قياس هذا النظام من خلال مشروع SERBench، الذي يعتمد على 500 حالة مختارة من 45 مستودعاً، حيث سجل النظام فعالية الوكلاء في استعادة الأدلة التي تتطلبها القرارات المتعددة.

أحد المعايير المستخدمة، MSS-Complement، يعيد تصور استيعاب المعلومات كعملية بناء مجموعة بدلاً من مجرد تصنيف. ومن خلال ثلاثة استدعاءات مشابهة، يتمكن النظام من اقتراح مجموعة كافية متكاملة، والبحث عن المفقودات، وإرجاع بين 4 إلى 8 وحدات أصلية سليمة ضمن 6144 وحدة رمزية.

في نتائج مثيرة، استطاع النظام استعادة مجموعة كاملة لـ 73.0% من تلك الحالات عند الطلب من خمس عناصر، و80.6% عند الطلب من ثماني عناصر، مما يمثل تحسناً كبيراً مقارنة بالإصدارات السابقة. مقياس التحكم الذي يعتمد على التصنيف بالتشابه وحده، سجل 66.6%، مما يبرز أهمية السياسة المعتمدة على المجموعة بدلاً من الحسابات التقليدية.

بفضل هذه التطورات، يمكن لوكلاء الترميز أن يسهلوا تقديم إجابات أكثر دقة وأمانة. ونتيجة لذلك، أصبح من الواضح أنه يجب إعادة صياغة استرجاع المعلومات للوكالات من مجرد إعادة تصنيف المشاكل إلى استعادة ما ينقص القرار من أدلة.