تعد مسألة فهم النفي أحد التحديات الكبيرة التي تواجه نماذج الذكاء الاصطناعي، وخاصة نماذج اللغات الضخمة (Large Language Models). في الوقت الذي حاولت فيه الأبحاث السابقة التركيز على مجموعة صغيرة من العبارات السلبية مثل 'لا' و'أبداً'، جاءت دراسة جديدة لتتجاوز هذه الحدود وتلقي الضوء على أنواع أخرى من النفي.

للتعامل مع هذه الفجوة، قام الباحثون ببناء مجموعة بيانات ضخمة تُدعى NegCue، والتي تحتوي على أكثر من 1.8 مليون عينة تشمل النفي الأحادي، والمكوّن من عدة كلمات، بالإضافة إلى النفي الإضافي الذي يمثل تكوينات أكثر تعقيداً. تحتوي هذه المجموعة على أكثر من 200 إشارة فريدة للنفي، مما يتيح للباحثين استكشاف تأثيراتها بشكل موسع.

أجرت التجارب على خمس تجارب جانبية لتقييم كيفية تأثير أنواع النفي المختلفة على الأداء. وقد كشفت النتائج أن النفي الإضافي يُظهر تحسُّناً واضحاً في الأداء، حيث يحقق أكبر زيادات، بينما تبقى المكاسب الناتجة عن النفي الأحادي المحدود.

بالإضافة إلى ذلك، أكدت النتائج أن التحسين الإضافي في التدريب يمكن أن يعزز قدرة النماذج على فهم النفي، مما يؤكد أهمية متابعة الأبحاث في هذا المجال لفهم كيفية تحسين تفاعل نماذج الذكاء الاصطناعي مع اللغة.