في عالم يتسم بالتعقيد والسرعة، بات من الضروري أن نتأكد من قدرة نماذج اللغة (Language Models) على توقع الأحداث المستقبلية بدقة وموثوقية. وفي هذا السياق، ظهرت منصة جديدة تُدعى WorldReasoner، التي تقدم إطار تقييم مبتكر لتوقع الأحداث الزمنية.

تعمل WorldReasoner على تقييم ما إذا كانت نماذج اللغة قادرة على التنبؤ بفعالية في ظل عدم اليقين والبيانات غير المكتملة. يتجاوز التقييم هنا دقة الإجابات النهائية، حيث يمكن لنموذج أن يكون صحيحًا بناءً على استرجاع معلومات محفوظة أو تقديم أدلة ملفقة. لذلك، يُركز إطار العمل هذا على ثلاثة محاور أساسية: جودة النتيجة مقارنة بالإجابات المحلولة، جودة الأدلة المستندة إلى المصادر المذكورة، وجودة التفكير في الرسوم البيانية للأحداث بعد الحل.

يتضمن هذا الإطار تقديم أسئلة توقع محددة، وتاريخ توقع مُحاكًى، والوصول إلى الأدلة المتاحة فقط قبل ذلك التاريخ. وبعد الحل، يتم تقييم الاحتمالية المقدمة والأدلة المُستشهد بها، مما يقدم صورة متكاملة عن كيفية تعامل النماذج مع البيانات.

من خلال 345 مهمة مُحسَنة مستمدة من 14,141 مقالًا، تظهر النتائج أن استرجاع البيانات الزمنية له تأثير كبير على دقة النتائج، بينما تساعد الرسوم البيانية السببية في تحسين استرجاع الأحداث الرئيسية. ورغم التقدم، لا تزال النماذج تواجه تحديات في تحويل الأدلة المستندة إلى احتمالات دقيقة.

في ظل هذا التطور، يبقى السؤال: كيف يمكن لهذه الابتكارات في الذكاء الاصطناعي أن تعزز قدرتنا على اتخاذ قرارات مستقبلية مستنيرة؟