في عالم الذكاء الاصطناعي، تتصاعد التحديات المتعلقة بفهم الوثائق القديمة، وخاصة تلك المكتوبة باللغة الصينية. تعد الوثائق التاريخية المعقدة مجالاً يحتاج لأساليب مبتكرة، وها نحن اليوم نكشف النقاب عن ساج (SAGE)، الإطار الرائد الذي يغير قواعد اللعبة في هذا السياق.

تعتبر نماذج اللغة المرئية الكبيرة (Large Vision-Language Models - LVLMs) من أهم الأدوات المستخدمة، لكنها غالباً ما تنتج استجابات غير مؤكدة وضعيفة الأسس. لذلك، يهدف ساج إلى إعادة صياغة هذا المفهوم من خلال التركيز على الاستدلال المدعوم بالأدلة بدلاً من مجرد توليد إجابات مباشرة.

يعمل ساج من خلال تنسيق عدة وكلاء متخصصين يستخدمون التخطيط المرن والمعزز بالأدلة لضمان الحصول على معلومات دقيقة وموثوقة. يتيح ذلك القدرة على التحقق من الأدلة وتعديل الإجابات بما يتماشى مع المعلومات المستندة إلى الأدلة، مما يصحح الأخطاء ويوفر تحليلاً منهجياً يجمع بين العوامل اللغوية، التاريخية، والبصرية.

تُظهر التجارب التي أجريت على معيار AncientDoc أن ساج يتفوق باستمرار على النماذج التقليدية القائمة على توليد الإجابات المباشرة، حيث يتجاوز أداء ساج باستخدام نموذج Qwen3.5-9B حتى النماذج الضخمة الأخرى. وهذا يسلط الضوء على أهمية الاستدلال المنظم المدعوم بالأدلة بدلاً من الاعتماد فقط على مدى قوة النموذج.

ساج ليس فقط تقدماً في فهم الوثائق القديمة، بل هو خطوة نحو تمكين الذكاء الاصطناعي من مساعدتنا في استكشاف تاريخنا بكل دقة وموثوقية. إذا كنت من المهتمين بتطورات الذكاء الاصطناعي، فنحن نود معرفة آرائكم حول هذا الابتكار. كيف ترون تأثير ساج على مستقبل الذكاء الاصطناعي؟ شاركونا في التعليقات!