تواجه أنظمة الإجابة عن الأسئلة في العالم الواقعي تحديات كبيرة عندما يتعين عليها تحليل المعلومات من وثائق متعددة ومعالجة جزئيات من كل وثيقة. ومع ازدياد حجم مجموعات الوثائق، غالباً ما تتجاوز نوافذ السياق الثابتة المستخدمة في نماذج اللغات الضخمة (Large Language Models) مثل GPT-4.1.

تقدم الأبحاث الحديثة إطار عمل مبتكراً يُعرف باسم SLIDERS، والذي يستهدف الإجابة على الأسئلة عبر مجموعات الوثائق الطويلة باستخدام أساليب تفكير منظمة. هذا الإطار لا يعتمد على النصوص المجمعة، بل يقوم باستخراج المعلومات البارزة إلى قاعدة بيانات علائقية، مما يسهل التفكير بشكل موسع وسلس باستخدام SQL بدلاً من النصوص المتداخلة.

من أبرز ما يميز SLIDERS هو مرحلة تصحيح البيانات، التي تستخدم معلومات المصدر وأسباب الاستخراج والبيانات الوصفية لتحديد وإصلاح السجلات المكررة وغير المتسقة. لقد أثبت هذا الإطار تفوقه على جميع المعايير الموجودة في ثلاثة اختبارات معروفة لمجموعات النصوص الطويلة، حيث تجاوز متوسط نتائجها 6.6 نقطة مقارنةً بنموذج GPT-4.1. كما حقق تحسناً ملحوظاً على المعايير الأخرى، حيث سجل تفوقًا يقارب 19 و32 نقطة في اختبارات جديدة تمتد على 3.9 مليون و36 مليون رمزٍ على التوالي.

إن ظهور مثل هذا الإطار يعكس مدى التقدم الذي يحدث في مجال الذكاء الاصطناعي وقدرته على معالجة كميات هائلة من المعلومات بطريقة فعالة ودقيقة. فهل سيكون SLIDERS هو الحل الذي ننتظره في عالم تجميع وتحليل المعلومات الضخمة؟