تحقيق النزاهة في نماذج اللغة متعددة الوسائط: إطار جديد لتشخيص الشبكات

في عالم الذكاء الاصطناعي، تُعد نماذج اللغة متعددة الوسائط (Multimodal LLMs) من أبرز الابتكارات التي تدمج بين البيانات المختلفة مثل النمذجة الطوبولوجية (topology) والقياسات والنصوص النصية المتعلقة بالحوادث لتشخيص الشبكات. ومع ذلك، فإن دقة الإجابات لا تضمن بالضرورة أن الأدلة المستخدمة كانت ملائمة للمهمة.

لذا، تم اقتراح إطار عمل دولي يسمح بإجراء تدقيق للنزاهة يعتمد على المهام لتصحيح هذه الإشكالية. يبدأ هذا الإطار بتسجيل متطلبات الأدلة المحددة لكل مهمة ومقارنتها مع الاعتماد الذاتي الذي أبلغ عنه المستخدمون، بالإضافة إلى التغييرات السلوكية المدفوعة بالتدخلات في ظروف تجريبية محكمة.

في حال تم الكشف عن تناقضات، صُمم آلية تصحيح قائمة على الأدلة (evidence-gated correction) وإعادة تدقيق (re-audit) لتوليد الاستجابة في ظل قيود الأدلة والتحقق من أساسيات التحسين دون فقدان الأداء.

تتضمن الدراسة حالات تحليل ثلاث نماذج LLM برؤى متفاوتة تحت سيناريوهين من IEEE 39 و118. واعتُبرت نتائج هذه الدراسة بمثابة تأكيد على قدرة الإطار الجديد في كشف، تشخيص، وتصحيح حالات الفشل في نزاهة المهام، وهو ما يفتح آفاقاً جديدة لتحسين الفعالية في تطبيقات الذكاء الاصطناعي.