في عالم الذكاء الاصطناعي (AI)، تعتبر دقة التعامل مع البيانات وصفاتها أمراً بالغ الأهمية. حديثاً، تم تقديم مفهوم جديد يسمى 'تفويض السجل' (record authorization)، الذي يمثل خطوة نحو تحسين كيفية استخدام النماذج لنقاط البيانات عند تقديم الاستجابات المرئية.

يعمل 'تفويض السجل' على تحديد ثلاث شروط رئيسية ل validity السجل: وجود الموضوع ($P$)، صلاحية حواف السجل ($E$)، ودعم الإجابة ($S$). يتم تعريف الانتهاكات لهذه الشروط فيما يسمى 'خلط الذاكرة المرئية' (VMM)، حيث تقوم النماذج بخطأ في مطابقة البيانات مع المواضيع المرئية.

للتغلب على هذه المشكلة، تم تطوير مجموعة تشخيصية جديدة تُسمى RecordAuth-Diag، والتي تشمل 3690 حالة تم ضبطها بعناية. الهدف منها هو محاولة تحسين دقة النماذج من خلال تغيير صورة واحدة فقط، بينما تبقى بقية العناصر ثابتة. وفقاً للدراسة، كشفت النتائج عن بعض النماذج مثل Gemma-3-4B-IT التي تظهر استخدام غير مصرح به بمعدل 63.69%، بينما أظهرت نماذج CoViP نسباً أقل.

خلال التجارب، أدى تطبيق تفويض السجل المسبق إلى تقليص معدل التعرض غير المصرح به لنموذج Qwen من 43.63% إلى 3.06%. مثل هذه النتائج تشير إلى أهمية دعم الإجابة وليس فقط التحقق من الطرفية.

لذلك، تبرز هذه الدراسة أهمية D في تحسين المخرجات وزيادة دقة نماذج الذكاء الاصطناعي من خلال فهم أفضل لكيفية التعامل مع السجلات وتفويضاتها.

فهل تعتقد أن توفير شروط صارمة مثل تلك التي اقترحتها الدراسة يمكن أن يُحدث تغييرًا حقيقيًا في طريقة استخدام نماذج الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.