في عالم يتزايد فيه الاعتماد على مساعدي المحادثة المدعومين بنماذج اللغات الضخمة (Large Language Models)، تواجه هذه التكنولوجيا تحديات كبيرة في الالتزام بقواعد الأعمال المعقدة. ورغم قدرتها على التفكير فيما يتعلق بالقواعد المعطاة، فإن إدراج جميع السياسات لكل استفسار يؤدي إلى زيادة زمن الاستجابة ويهدر الموارد الحاسوبية بشكل ملحوظ.

لذا كانت الحاجة ملحة لإيجاد حلول فعالة لهذه المشكلات. تقدمت دراسة حديثة بأسلوب مبتكر يسمى "طريقة المحاذاة متعددة المراحل"، والتي تهدف إلى تعليم النماذج استدعاء وتطبيق السياسات الحكومية ذات الصلة بشكل فعّال خلال عملية التفكير المنطقي، دون الحاجة إلى تضمين السياسة الكاملة في سياق الاستفسار.

وتشتمل الطريقة الجديدة على تقديم مكافأة استدعاء السياسة المعتمد على "مؤشر جكارد" (Jaccard score) وعقوبة لهلوسة البيانات خلال دعم التدريب. وأظهرت النتائج أن النموذج الأفضل يفوق الأداء الأساسي بفارق 16 نقطة، كما يتفوق على النماذج المشابهة ذات الحجم المماثل بفارق 3 نقاط، بينما استخدم 40% من الكلمات أقل.

هذا التطور يعد إنجازاً مهماً في كيفية تفاعل نماذج الذكاء الاصطناعي مع قواعد الأعمال، ويعكس إمكانيات هذه التقنيات في تحسين الأداء وكفاءة الحوسبة. هل أنت متحمس لاستكشاف كيف ستغير هذه التقنية مستقبل الأعمال؟ شاركونا آراءكم!