في خطوة تعتبر ثورية في عالم الذكاء الاصطناعي وتحقق الشهادات الاستدلالية، تم تقديم نموذج عصبي جديد يعتمد على مفهوم الدورة المتسقة (Cycle-Consistent Neural Architecture). يهدف هذا النموذج إلى إنتاج تفسيرات طبيعية للشهادات الاستدلالية، والتي تعد شهادات يمكن التحقق منها آليًا وتثبت رضا أو انتهاك الخصائص الزمنية.

عادة ما تكون هذه الشهادات غير شفافة بالنسبة لأصحاب المصلحة غير المتخصصين، لكن مع التقنية الجديدة، تم تطوير شبكة عصبية تتكون من كيانين: الأول (NN1) يقوم بتحويل الشهادات إلى تفسيرات مفهومة، بينما الثاني (NN2) يعيد بناء الشهادات من التفسيرات.

تميز النموذج باستخدام آلية مولّد المؤشر (Pointer-Generator) لضمان الربط المباشر بأسماء الحالة من الشهادة. وتم تقييم النموذج على 420 شهادة اختبار والتي تشمل ست تقنيات تحقق، مثل إثباتات محدودة (Bounded Proof) والتحقق القائم على الادعاء (Induction), وما إلى ذلك.

العناصر الرئيسية في الدراسة تظهر أن النموذج المدرب حقق دقة تصل إلى 90% في التحقق من الدورات، متفوقاً على سابقة متعددة لنماذج اللغة الكبيرة (Multi-LLM) التي سجلت 76.1%. وخلال هذا التقييم، أظهر النموذج كفاءة بالغة، حيث حقق سرعة تنفيذ تصل إلى 860 مرة أسرع مقارنة بالأساليب التقليدية.

تقدم هذه النتائج دليلاً واضحًا على أن التخصص المدرب يتفوق على النمذجة العامة، مما يتيح لنا فهم الشهادات بشكل أوضح ودون الاعتماد على موارد السحابة، مما يعد بتوسيع نطاق تطبيقات الذكاء الاصطناعي في مجالات جديدة.