تسعى التقنيات الحديثة في مجال الذكاء الاصطناعي إلى تحسين تصنيف الكيانات، وخاصًة ما يُعرف بتصنيف الكيانات الدقيقة جداً (Ultra-Fine Entity Typing - UFET). من خلال منهجيات تقليدية، يجد الباحثون صعوبة في التعامل مع الأنواع النادرة بسبب الاعتماد الكبير على سياقات الجمل الفردية.

لكن، ماذا لو تمكنا من تجاوز هذه القيود من خلال سرد قصصي؟ هنا يأتي دور تقنية \"Narrative-UFET\"، التي تقدم امتداداً مثيراً لـ UFET. من خلال ربط كل إشارة كيانية بسرد قصصي متكامل وقصير، نتمكن من عزل تأثير خصائص الخطاب المحدد.

لقد أجرينا تجارب على نوعين مختلفين من السرد: الأول يحتفظ بنوع الكيان ثابتاً (Maintain) بينما الثاني يشير إلى تحولات في النوع (Change). النتائج التي تحققت تُظهر أن استخدام السرد يُحسن بشكل ملحوظ من معالجة الأنواع الطويلة، مع تقديم التحولات إشارة أقوى.

عند مقارنة النتائج مع سياقات طبيعية، لاحظنا أن السرد الاصطناعي يُفضي إلى نتائج أفضل، مما يُشير إلى أن بناء الخطاب المدروس يمكن أن يُظهر إشارات تُبهمها النصوص الحقيقية. السعي لتحسين هذه التقنيات يبشر بمستقبل مشرق للذكاء الاصطناعي، حيث يبقى هناك مجال واسع للتطور في كل من نمذجة الخطاب وبناء السرد.