في عالم الذكاء الاصطناعي وتحديداً في نماذج اللغات الضخمة (Large Language Models)، أصبح استغلال التفضيل اللغوي أمراً بالغ الأهمية، خاصة في ظل الفجوات المعرفية بين اللغات. حيث أظهرت الأبحاث السابقة وجود ميل لتفضيل مصادر المعلومات المكتوبة باللغة نفسها التي يتم بها طرح السؤال. لكنه في حال وجود معلومات متضاربة أو غير كاملة فإن ذلك يؤثر بشكل مباشر على دقة المعلومات التي يحصل عليها المستخدم.

لتسليط الضوء على هذه القضية، تم تقديم نموذج Waldo كمرجع متعدد اللغات في مجال الأسئلة والأجوبة (Question-Answering). يحتوي نموذج Waldo على 12,000 زوج من الأسئلة والأجوبة تركز على الفجوات المعرفية حيث قد تكون المعلومات متاحة بلغة ما بينما تكون مفقودة في أخرى. وقد أظهرت التجارب مع ثمانية نماذج عبر خمس لغات أن النماذج تميل إلى استخدام الأدلة من اللغة التي تحتوي على المعلومات الصحيحة، مما يؤدي إلى تباين الإجابات بناءً على اللغة المستخدمة في السؤال.

بالإضافة إلى ذلك، تم استكشاف طريقتين مختلفتين للتقليل من تأثير التفضيل اللغوي في حالة وجود معلومات متضاربة. تتضمن هذه الأساليب تدخلاً آلياً يعمل على تقليل تأثير التفضيل اللغوي من خلال تعديل رؤوس الانتباه، وتدريب LoRA الذي يساعد على تقليل الفجوة في التفضيل بنسبة تصل إلى 61.5%. إن هذا البحث يعكس أهمية تحليل كيف يمكن للنماذج اللغوية تحسين طرقها في التعامل مع المعلومات المتنوعة، مما يساهم في تقديم تجارب معلوماتية أكثر دقة وموضوعية للمستخدمين. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.