في عالم الذكاء الاصطناعي الذي يتقدم بسرعة، تأتي خوارزمية NxN E-valuation لتحدث نقلة نوعية في كيفية تحقق الفرضيات. هذه الخوارزمية الجديدة، التي تم الاعتماد فيها على مبدأ القيم الخاصة، تتيح إمكانية التحقق من فرضية معينة دون الحاجة لبناء إجراءات تحقق خاصة بها، مادام هناك مجموعة بيانات كبيرة متوفرة.

تكمن أهمية هذه الطريقة في كونها مثالية للاستخدام مع نماذج اللغات الكبيرة (LLMs)، حيث قد تتعرض هذه النماذج لمشكلة الهلوسة، وهي حالة تتمثل في تقديم استنتاجات غير دقيقة أو مضللة. وفي ظل اعتماد الشركات والباحثين على LLMs في اقتراح الفرضيات، كانت هناك حاجة ملحة لإيجاد طرق أخرى للتحقق من هذه الفرضيات بعيدا عن الأساليب التقليدية.

تستفيد خوارزمية NxN E-valuation من مجموعة البيانات الكبرى، حيث تقوم بجعل عينات مختلفة تعمل كفرضيات العدم لبعضها البعض. وبالتالي، يتم تحقيق اختبار العشوائية الشرطية (Conditional Randomization Test - CRT) الذي يضمن صحة كل فرضية بشكل أكثر دقة.

هذا الإنجاز يُعَدُّ بديلاً محسنًا على الأقل للتحقق الدائري لفرضيات LLM واختبارات البيانات المحجوزة، شريطة أن تكون تواجد نتائج LLM كفرضيات تنطبق على كل عينة.

كيف تظنون أن هذه الخوارزمية ستؤثر على مستقبل الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!