في عصر الذكاء الاصطناعي المتطور، يصبح تقييم موثوقية الأنظمة أمرًا بالغ الأهمية. ومع تنوع النماذج مثل نماذج اللغات الكبيرة (Large Language Models) والنماذج متعددة الوسائط (Multimodal Models)؛ يجب أن يتم تقييم هذه الأنظمة بطرق مختلفة لضمان فعالية الأداء. لذا، قدم فريق من الباحثين إطار تقييم موحد يربط بين تقييمات المخرجات، والمسارات، والتقييمات عبر-modal.

تتضمن أبعاد الثقة الثمانية في هذا الإطار: القدرة، والمتانة، والسلامة، والعدالة، والشفافية، والإدارة، والإشراف، والكفاءة. هذا يضمن أن تبقى المقاييس محددة ودقيقة، بينما نقوم بتحديد روابط الأداء ومعايير الثقة. كما يعرض الإطار إيجابيات وسلبيات المدخلات المختلفة، ويشمل أيضًا طبقة لتقييم التقييم نفسه لضمان صحته وقابليته للتكرار.

إن الربط بين تقييم الأداء الفني ومتطلبات الإشراف يمثل خطوة هامة نحو ضمان موثوقية هذه الأنظمة. ولكن، يبقى التحقق التجريبي من فعالية هذا الإطار في مختلف سياقات الاستخدام الخطوة التالية التي يجب اعتماده.