في عالم الذكاء الاصطناعي، تمثّل وكالات البحث العميق تقدمًا ملحوظًا في كيفية استخراج المعلومات. ومع ذلك، كانت هناك مشكلة أساسية تُعرف بفجوة مكافأة الإسناد (reward-credit mismatch)، حيث لم تُعط الأحداث التي تكشف الوثائق الداعمة تقديرًا كافيًا. لذلك، قدّمت مجموعة من الباحثين تقنية جديدة تُدعى STAMP، التي تمتاز بالإسناد المدعوم بالمصدر.

تعمل STAMP على معالجة هذا النقص من خلال استخدام مُحقق يعتمد على المراجع يحدد ما إذا كانت كل وثيقة مستشهد بها تدعم كيانًا أو علاقة محددة ضمن رسم بياني للأدلة أثناء وقت التدريب. بمساعدة تقنية الإسناد الأولي، يُمكن تتبع الإسناد لكل استشهاد مدعوم إلى الإجراء الذي كشفه لأول مرة، مما يعزز من فعالية الروابط بين البيانات.

تستخدم STAMP آلية ضبط فائدة تحتفظ بالإشارة، بحيث تُعيد توزيع الفائدة عبر الخطوات بدون تغييرات على المكافآت على مستوى المسار أو تصنيف المسارات داخل كل مجموعة. التجارب على المجموعات المختلفة مثل BrowseComp و BrowseComp-ZH و xbench-DS أظهرت تحسنًا ملحوظًا في الأداء، حيث قامت STAMP بتحسين خط الأساس GRPO بمعدل إضافي قدره +2.0/+5.5/+3.0 نقطة. كما أثبتت الأبحاث أن إشارة الإسناد المعتمدة على المصدر والتعديل المقيد للإشارة كان لهما دور كبير في تحقيق هذه المكاسب.

هل أنت متحمس لمعرفة كيف ستُحدث STAMP ثورة في وكالات البحث العميق؟ شاركونا آراءكم وتجاربكم في التعليقات!