هل يمكن أن تحسن القيم الأخلاقية من فهم نصوص السياسة؟ استكشاف نتائج مثيرة!

في عالم الذكاء الاصطناعي (AI)، يبرز سؤالٌ محوري حول كيفية تحسين قدرة النماذج على فهم النصوص، وخاصة النصوص السياسية المعقدة. تشير دراسة جديدة إلى أن اكتشاف القيم الأخلاقية لنظرية شوارز (Schwartz Values) يتطلب أكثر من مجرد استخدام نماذج لغوية أكبر أو إدخال المزيد من السياق.

تتناول الدراسة تحديات اكتشاف القيم الأخلاقية في النصوص السياسية، حيث تعتمد هذه القيم غالبًا على الأدلة الضمنية وما يحيط بها من حجج وتمييزات دقيقة بين القيم المجاورة. من خلال استخدام تنسيق ValuesML/Touché ValueEval، تستعرض الدراسة مقارنات بين عدة أنواع من الإدخال تتضمن الجمل والنوافذ والنصوص الكاملة.

عند اختبار مجموعة متنوعة من النماذج، بما في ذلك DeBERTa-v3-base وlarge، وLLMs من 12 إلى 123 مليار معلمة، توصلت النتائج إلى نتائج مدهشة. على الرغم من أن استخدام النص الكامل يحسن الأداء بنسبة تتراوح بين 3.8 إلى 4.8 نقطة في F1 للنماذج المشروطة، إلا أنه لم يكن له تأثير مماثل على النماذج بدون إشراف.

كما تظهر الدراسة أن المعرفة الأخلاقية المسترجعة كانت أكثر فائدة باستمرار في المقارنات المحورية، مما عزز كل فئة من نماذج الاختبار وظروف السياق تحت نظام الدمج المبكر. ومع ذلك، فإن زيادة حجم النموذج من DeBERTa-v3-base إلى large لا تضمن تحقيق مكاسب إضافية.

التحليلات الخاصة بالقيمة أوضحت أن السياق والمعرفة المسترجعة يساعدان بشكل أكبر في القيم الاجتماعية أو القيم التي يمكن الخلط بينها. هذه النتائج تدعو الباحثين إلى تقييم جوانب السياق والمعرفة والعائلة النموذجية بشكل متكامل بدلاً من اعتبار الإدخالات الأطول أو النماذج الأكبر تحسينات عالمية.