في عصر الذكاء الاصطناعي، تسعى التطبيقات التفاعلية دائمًا إلى تحسين تجربة المستخدم. في هذا السياق، قدمت مجموعة من الباحثين حلاً مبتكرًا لمشكلة التوصيات الموسيقية عبر المحادثات. حيث عانت الأنظمة التقليدية من دمج استرجاع المعلومات وتوليد الردود، مما أدى إلى فقدان دلالات الكيانات الدقيقة مع تطور نية الحوار.

في إطار تحدي ACM RecSys 2026، نجحت المجموعة المعروفة باسم "سويُو" في الحصول على المركز الثالث، حيث تم تطوير نظام يفصل بين عملية استرجاع المعلومات وتوليد الردود. يتضمن النظام مسارات مرتبة وبيانات وصفية محددة، مما يسمح بالحفاظ على الدلالات المدرجة في الكتالوجات وسلاسة نية المستخدم.

يعتمد استرجاع المعلومات على مجموعة هجينة تجمع بين تقنيات المطابقة الدقيقة ومجموعة مدفوعة بمعايير متطورة من خلال محولات (Adapters) مُخصصة مثل Qwen 8B. بعد ذلك، يتم ضبط المرشحين باستخدام نموذج LightGBM، ثم يتم توجيه النتائج إلى إطار عمل "اقتراح-تعيين-اختيار" (Propose-Assign-Select) الذي يضمن بناء الردود بشكل منهجي.

ليس فقط أن هذا النموذج حقق نتائج رائعة من حيث الدقة، ولكنه احتل أيضًا المركز الثاني في تصنيف جودة الشرح في التقييم النهائي. تظهر النتائج أن فصل عملية الاسترجاع عن التوليد يحافظ على دلالات الكتالوج ونية الحوار، كما أن بناء الردود من خلال تعيين الأدلة بشكل واضح هو المفتاح لزيادة موثوقية الشرح.