في عالم الذكاء الاصطناعي، تتزايد الحاجة إلى أنظمة متطورة توفر إجابات دقيقة وموثوقة. جاءت الدراسات الأخيرة لتكشف عن ابتكار جديد يحقق ذلك، وهو نظام استرجاع المعلومات STAIR (STructure Aware Information Retriever). يركز STAIR على مفهوم استرجاع المعرفة المعزز (Retrieval Augmented Generation - RAG)، والذي يلعب دوراً حيوياً في إنتاج إجابات موثوقة مع تقليل الأخطاء.

يعاني العديد من النماذج اللغوية الكبيرة (Large Language Models - LLMs) من مشكلة "الضياع في المنتصف" عند التعامل مع سياقات طويلة، مما يؤثر على أداء الاسترجاع. ومع ذلك، يقدم STAIR حلاً مبتكراً عبر الاستفادة من الهيكل العالمي للبيانات، مثل فهرس المحتويات (Table of Contents - ToC). هذه الميزة تجعل STAIR قادرًا على إدارة المعلومات بشكل أكثر كفاءة، مما يزيد من القدرة على الحفاظ على السياق أثناء الاسترجاع.

عبر تجارب دقيقة باستخدام نظام فحص قابل للفهم (Differentiable Search Index - DSI)، أظهرت الدراسات أن استخدام ToC يساعد في تقليل معدل الهلوسة إلى أقل من 0.05%، ما يُعتبر إنجازاً كبيراً في مجال أنظمة استرجاع المعلومات. نموذجات مثل STAIR تُظهر قدرة فائقة في الأداء، حيث حقق STAIR نسبة تذكير تصل إلى 82.6% على مجموعة الاختبار الخاصة به، متفوقًا على الأنظمة الأخيرة مثل DSI وBM25.

لإثراء البحث في هذا الاتجاه الجديد، تم إطلاق مجموعة بيانات SearchTome، التي تتكون من 18 كتابًا من مجالات متنوعة. هذا يفتح الأبواب لمزيد من البحوث والتحليلات في مجال استرجاع المعلومات القائم على هيكل البيانات. إذا كنت مهتمًا بتفاصيل هذا النظام الرائع، فلا تتردد في مشاركتنا آراءك وتجاربك في التعليقات.