في زمن تتزايد فيه السلوكيات السلبية في مجتمعات الألعاب، تأتي ورقة بحثية جديدة لتقدم نظامًا فريدًا لفهم وتصنيف هذه الرسائل. تتناول دراسة "تحسين نماذج اللغات الضخمة لكشف السلوكيات السلبية في محادثات الألعاب" ضمن فعاليات PSK@EEUCA 2026.

تتمحور المهمة حول تصنيف الرسائل في لعبة "World of Tanks" إلى ست فئات من السلوكيات السلبية: 1) غير ضار، 2) إهانات / إشعال الفتنة، 3) أخرى مسيئة، 4) كراهية / مضايقة، 5) تهديدات، و6) تطرف.

تستخدم الدراسة مجموعة متنوعة من الأساليب المعتمدة على نماذج الترميز وتعديل النماذج باستخدام تقنية LoRA، بالإضافة إلى تصنيف هرمي واستراتيجيات "واحد ضد الجميع" وطرق تجميع مختلفة. وعندما تم دمج نموذج "Llama 3.1" مع 5% من البيانات الاصطناعية المعدلة بدقة، حقق الفريق درجة F1-macro بلغت 0.6234 في مجموعة الاختبار، ليحتل المرتبة الرابعة على مستوى 35 فريقًا متنافسًا.

أحد الجوانب المؤثرة في هذا البحث هو تحليل أنماط التوثيق الخاصة بالبيانات وتأثيرها على تعميم النموذج. حيث تظهر النتائج وجود ظاهرة تُعرف بـ "فخ التحقق"، حيث ترتكز الأداء العالي في التحقق على ضعف القدرة على نقل النتائج إلى مجموعة الاختبار.

إن هذا الابتكار يؤكد على ضرورة استخدام الذكاء الاصطناعي بشكل مسؤول وفعّال في مجتمعات الألعاب، مما يسهم في خلق بيئة صديقة وآمنة للاعبين.

ما رأيكم في هذا التطور؟ شاركونا في التعليقات!