Culinary Crossroads: A RAG Framework for Enhancing Diversity in Cross-Cultural Recipe Adaptation

ملخص تقني لورقة بحثية بعنوان: "ملتقى الطرق الطهوية: إطار عمل (RAG) لتعزيز التنوع في التكيف الثقافي للوصفات"

1. بيان المشكلة

تتناول الورقة البحثية مهمة التكيف الثقافي للوصفات (CCRA)، وهي مهمة يتم فيها تحويل وصفة من ثقافة مصدر (مثل أمريكا اللاتينية) لتتماشى مع المعايير الطهوية والتفضيلات الغذائية لثقافة مستهدفة (مثل إسبانيا) مع الحفاظ على جوهر الطبق.

بينما تركز الأساليب الحالية على توليد وصفات مكيفة عالية الجودة، فإنها تغفل إلى حد كبير عن تنوع المخرجات. ففي المهام الإبداعية مثل الطهي، غالبًا ما يكون لوصفة مصدر واحدة عدة عمليات تكيف ثقافي صحيحة (على سبيل المثال، استبدال الـ nopales بالكوسا، أو السلق، أو الباذنجان).
حدد المؤلفون فجوة حرجة في التوليد المعزز بالاسترجاع (RAG):

• المفارقة: حتى عندما يتم تزويد أنظمة RAG بسياقات مسترجعة متنوعة وذات صلة ثقافية، فإنها تفشل في توليد مخرجات متنوعة.
• القصور: تميل أطر عمل RAG القياسية إلى الاعتماد بشكل كبير على مجموعة فرعية ضيقة من السياق المسترجع، متجاهلة تنوع المعلومات المتاحة. ونتيجة لذلك، غالبًا ما تنتج نتائج أقل تنوعًا من النماذج اللغوية الكبيرة (LLMs) "مغلقة الكتاب" التي تعتمد فقط على معرفتها الداخلية.

2. المنهجية: CARRIAGE

لمعالجة هذه القيود، اقترح المؤلفون إطار عمل CARRIAGE (Cultural-Aware Recipe Retrieval Augmented Generation - التوليد المعزز باسترجاع الوصفات المدرك ثقافيًا)، وهو إطار عمل جاهز للاستخدام ولا يتطلب تدريبًا، مصمم لتعزيز التنوع في مرحلتي الاسترجاع والتوليد.

يعمل الإطار من خلال أربعة مكونات رئيسية:

1. إعادة كتابة الاستعلام:

   • الهدف: معالجة الفجوات الدلالية الناتجة عن الاختلافات في التسميات الثقافية (على سبيل المثال، طبق يحمل اسمًا مختلفًا في الثقافة المستهدفة).
   • الآلية: تتم إعادة كتابة عنوان وصفة المصدر بناءً على المحتوى، ويتم توجيهها لتكييف العنوان ثقافيًا للجمهور المستهدف قبل عملية الاسترجاع. يضمن ذلك أن يجد نظام الاسترجاع مرشحين مناسبين ثقافيًا قد يتم تفويتهم لولا ذلك.

2. إعادة التصنيف الواعي بالتنوع:

   • الهدف: منع استرجاع وصفات متشابهة للغاية.
   • الآلية: امتداد لخوارزمية الارتباط الأقصى الهامشي (MMR). توازن درجة التصنيف بين الصلة بالاستعلام وبين التشابه مع:
     • المستندات المختارة بالفعل ($S$).
     • الوصفات التي تم توليدها سابقًا بواسطة نموذج RAG ($H$).
   • الصيغة: $Score(D_i) = \max [\lambda \cdot Rel(D_i) - (1-\lambda) \cdot \max_{D_j \in S \cup H} Sim(D_i, D_j)]$.

3. التنظيم الديناميكي للسياق:

   • الهدف: إجبار النموذج اللغوي الكبير (LLM) على استخدام أجزاء مختلفة من السياق المسترجع عبر محاولات توليد متعددة.
   • الآلية: بدلاً من تغذية الـ LLM بجميع الوصفات المسترجعة $k$، يتم تطبيق نافذة منزلقة بحجم $w$. بالنسبة للتوليد رقم $t$، لا يرى النموذج سوى مجموعة فرعية محددة $\{D_{tw+1}, \dots, D_{(t+1)w}\}$. هذا يمنع النموذج من التركيز على نفس المستندات الأعلى ترتيبًا.

4. حقن السياق التبايني:

   • الهدف: منع الـ LLM صراحةً من تكرار المخرجات السابقة.
   • الآلية: يقوم النظام باسترجاع مخرجات الـ LLM السابقة لنفس وصفة المصدر وحقنها كـ "سياق تبايني". وتوجه التعليمات (Prompt) صراحةً النموذج لتجنب توليد نتائج مشابهة لهذه المخرجات الماضية.

3. المساهمات الرئيسية

• أول إطار عمل RAG للتكيف الثقافي للوصفات المتنوعة: هذا هو العمل الأول الذي يصمم صراحةً إطار عمل RAG لتوليد مخرجات متنوعة للغاية لعمليات التكيف الثقافي المتقاطع، متجاوزًا تحسين الإجابة الواحدة.
• مقياس تقييم مبتكر: تقديم درجة الملاءمة الثقافية للوصفة (CultureScore)، وهو مصنف يعتمد على BERT يتنبأ بلد المنشأ للوصفة بناءً على المكونات والعنوان، ويعمل كوسيط للملاءمة الثقافية.
• مقاييس شاملة: إطار تقييم متعدد الأبعاد يغطي:
  • التنوع: اللفظي (Unique-n)، والدلالي (مسافة جيب تمام Sentence-BERT)، وتنوع المكونات.
  • الجودة: الحفاظ على وصفة المصدر (BERTScore)، والملاءمة الثقافية (CultureScore).
• الاكتشاف التجريبي: اكتشاف أن أنظمة RAG القياسية غالبًا ما تعطي تنوعًا أقل من نماذج LLM مغلقة الكتاب لأنها تفشل في استغلال التنوع السياقي بفعالية.

4. النتائج التجريبية

أجريت الدراسة على مجموعة بيانات RecetasDeLaAbuel@، حيث تم تكييف وصفات من 7 دول في أمريكا اللاتينية لتناسب التفضيلات الطهوية الإسبانية.

• كفاءة باريتو (Pareto Efficiency): يحقق CARRIAGE كفاءة باريتو، مما يعني أنه يحسن التنوع دون التضحية بالجودة (أو العكس). وهو يتفوق على كل من نماذج LLM مغلقة الكتاب (LLaMA3.1, Qwen2.5, Gemma2) ونماذج RAG الأساسية.
• المفاضلة بين التنوع والجودة:
  • نماذج LLM مغلقة الكتاب: حفظ عالٍ، تنوع منخفض.
  • أنظمة IR/RAG القياسية: تنوع عالٍ (في الاسترجاع) ولكن حفظ منخفض أو استخدام منخفض لهذا التنوع في التوليد.
  • CARRIAGE: ينجح في الموازنة بين التنوع العالي (اللفظي، الدلالي، والمكونات) مع قوة الملاءمة الثقافية والحفاظ على المصدر.
• تحليل استغلال السياق:
  • تعتمد نماذج RAG القياسية على وصفة سياقية واحدة أو اثنتين فقط في حوالي 76% من عمليات التوليد، حتى عند توفير سياق متنوع.
  • يزيد CARRIAGE من استغلال التنوع السياقي بأكثر من 40%، مما يجبر النموذج على الاستقاء من نطاق أوسع من المعلومات المسترجعة.
• ارتباط المقاييس: وجدت الدراسة ارتباطًا إيجابيًا بين التنوع والملاءمة الثقافية، وارتباطًا سلبيًا بين التنوع والحفاظ على المصدر (البقاء قريبًا جدًا من الأصل يحد من التنوع).

5. الأهمية والأثر

• رؤية نظرية: تتحدى الورقة الافتراض القائل بأن توفير سياق متنوع في RAG يؤدي تلقائيًا إلى توليد متنوع. فهي تسلط الضوء على "فجوة الاستغلال" حيث تميل النماذج اللغوية الكبيرة في بيئات RAG إلى افتراض الجزء الأكثر صلة (والأكثر تشابهًا غالبًا) من السياق.
• التطبيق العملي: يقدم CARRIAGE حلاً قابلاً للتوسع ولا يتطلب تدريبًا للتطبيقات التي تتطلب تنوعًا إبداعيًا، مثل تخطيط النظام الغذائي الشخصي، والتعليم الثقافي، والكتابة الإبداعية، حيث تُفضل الإجابات المتعددة الصالحة على الإجابة "الصحيحة" الواحدة.
• الاتجاه المستقبلي: يمهد الطريق لأنظمة RAG في المجالات الإبداعية مفتوحة النهايات التي تتطلب موازنة بين التأسيس الواقعي والتباين الذاتي، متجاوزًا نموذج "الإجابة الصحيحة الواحدة" التقليدي لـ RAG.