في وقتنا الحالي، تزداد الحاجة إلى تفسيرات دقيقة للبيانات الزمنية، خاصة في المجالات الأكثر حساسية، مثل الصحة والتمويل. لذلك، تُعتبر الدقة في هذه التفسيرات عاملاً حيويًا، وهذا ما يأتي به الابتكار الجديد TSQueryBench.

تحتوي TSQueryBench على 500 حالة للسلاسل الزمنية موزعة عبر 10 أنواع مختلفة من الاستفسارات، حيث يتم توفير التفسيرات الصحيحة، جزئيًا صحيحة، وغير صحيحة لكل حالة. الفكرة هي استخدام نماذج اللغة الكبيرة (Large Language Models) كحكم لتقييم صحة هذه التفسيرات.

بينما كانت نماذج اللغة الكبيرة تستخدم دائماً لتوليد النصوص، إلا أن الأخير كان يفتقر إلى الدقة اللازمة في حالة البيانات العددية. تم في البحث تقييم ستة نماذج لغوية كبيرة عبر أربع مهام:生成 التفسير، التصنيف النسبي، التقييم المستقل، واكتشاف الحالات الشاذة المتعددة.

أحد الملاحظات المثيرة للاهتمام كان التباين الثابت في تقييم التوليد: بينما عانت بعض النماذج من صعوبة في توليد تفسيرات عددية صحيحة، إلا أنها استطاعت بشكل موثوق تحديد أو تقييم التفسيرات الصحيحة.

تظهر النتائج النهائية أن تقييم نماذج اللغة الكبيرة باستخدام معايير محددة يُعتبر أكثر موثوقية لتقييم تفسيرات السلاسل الزمنية، مما يفتح آفاقاً جديدة لاستخدام هذه النماذج كحكام في البيئات التي تعتمد على البيانات العددية.

للمزيد من التفاصيل حول هذا البحث الثوري، ندعوكم لزيارة الرابط التالي.