تواجه نماذج اللغات الضخمة (Large Language Models) تحديات متعددة عند استخدامها لأدوات البحث، إذ لا يقتصر الأمر على القدرة على إجراء عمليات البحث فقط، بل يتضمن أيضاً صياغة استفسارات فعالة. ومؤخراً، تم تقديم إطار عمل مبتكر يعرف بـ SearchSkill، والذي يهدف إلى تحسين كيفية تنفيذ هذه النماذج لاستفساراتها.

يعتمد إطار العمل هذا على مفهوم توفر مهارات بحث قابلة للاستخدام، حيث يبدأ النموذج بانتقاء مهارة معينة قبل إصدار إجراء بحث أو رد بناءً على بطاقة المهارة المحددة. وهذا يعني أن المهارات ليست ثابتة، بل إن SearchSkill يحتفظ ببنك مهارات يتطور باستمرار، حيث يتم توسيعه أو تحسينه بناءً على أنماط الفشل المتكررة.

تعتبر خطوات التحسين هذه محورية، حيث يقوم النظام بإعادة بناء المسارات المتأثرة قبل إجراء التدريب الإشرافي (Supervised Training). والنتائج كانت مثيرة للإعجاب؛ إذ أظهر SearchSkill تحسناً كبيراً في المطابقة الدقيقة على معايير تقييم الإجابات المعرفية، مما أدى إلى سلوك استرجاعي أفضل. وهذا يتضمن تقليلاً في الاستفسارات المنسوخة، واستفسارات أكثر تركيزًا على المفاهيم المهمة، وإجابات صحيحة ضمن ميزانية بحث صغيرة.

من خلال هذه النتائج، يبدو أن التخطيط الاستفساري المعتمد على المهارات يمثل بديلاً خفيف الوزن بدلاً من اعتبار البحث كإجراء غير محدد. لذا، هل أنتم مستعدون لاستغلال هذه التقنية الجديدة في نماذج الذكاء الاصطناعي الخاصة بكم؟