في عالم الذكاء الاصطناعي، تُعَد الهلاوس واحدة من التحديات الكبرى التي تواجه نماذج اللغة الكبيرة (Large Language Models). ومع ذلك، أطلق الباحثون مؤخرًا تقنية مبتكرة تُعرف باسم TRACE، التي توفر حلاً جديدًا لتصحيح هذه المشاكل المعقدة. تعتمد تقنية TRACE على الاستخدام الذكي للدليل الطبقي المتقاطع، مما يجعلها تتجاوز الطرق التقليدية لتصحيح الهلاوس.

تظهر الأبحاث أن تصحيح الهلاوس ليس مشكلة أحادية الاتجاه. لفت الباحثون الانتباه إلى أن بعض الطبقات المتوسطة ليست بالضرورة أكثر مصداقية من الطبقات النهائية، وهو ما يمنح technique TRACE طابعاً فريداً. بدلاً من الاعتماد على تدخل ثابت، يقوم هذا الأسلوب بتقييم الأدلة المتعددة عبر طبقات الشبكة العصبية، مما يسمح له بتحديد أفضل الطرق لتصحيح المعلومات المضللة.

تعمل TRACE كخوارزمية حتمية ولا تحتاج إلى تدريب خاص، حيث تقوم بتصحيح الهلاوس أثناء عملية الاستنتاج من خلال استخدام القيم المرشحة المتنوعة التي تم الحصول عليها داخل النموذج. وباختبارها على 15 نموذجًا مختلفًا، أثبتت TRACE فعاليتها الملحوظة من خلال تحسين الدقة بمعدل 12.26 نقطة في اختبار MC1 و8.65 نقطة في اختبار MC2، دون أي تدهور في الأداء.

قد يغير هذا الابتكار كيف تتعامل نماذج الذكاء الاصطناعي مع معلومات خاطئة، مما يعزز موثوقيتها في المستقبل. يبدو أن تقنية TRACE توفر حلاً واعدًا لمزيد من التقدم في مجال الذكاء الاصطناعي، فهل نحن مستعدون للخطوات التالية في هذه الرحلة المثيرة؟