MPR-CiteG: Enhancing RAG with Multi-Portfolio Retrieval and Citation-Grounded Generation
تقدم الورقة البحثية إطار عمل MPR-CiteG، وهو إطار مكون من عنصرين يجمع بين استرجاع المحافظ المتعددة (Multi-Portfolio Retrieval) والتوليد المرتكز على الاستشهاد (Citation-Grounded Generation) لتعزيز أنظمة التوليد المعزز بالاسترجاع (RAG) من خلال تحسين كفاءة الاسترجاع وضمان الاتساق الواقعي عبر الإسناد الصريح للمصادر، مما يقلل من الهلوسة ويحقق المركز الثاني في تحدي ScienceON AI.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول كتابة تقرير مدرسي حول موضوع معقد للغاية، مثل كيفية بناء روبوت يمكنه الرقص. لديك مكتبة ضخمة من الكتب، لكنها جميعاً مختلطة ببعضها البعض، وبعضها مكتوب بلغات مختلفة. إذا طلبت من ذكاء اصطناعي فائق الذكاء أن يكتب التقرير من ذاكرته الخاصة فقط، فقد يخترع حقائق تبدو رائعة وتوحي بأنها صحيحة، لكنها في الواقع خاطئة. يُطلق على هذا اسم "الهلوسة"، وهي مشكلة كبيرة عندما تحتاج إلى إجابات حقيقية وموثوقة. ولحل هذه المشكلة، يستخدم العلماء حيلة تسمى التوليد المعزز بالاسترجاع (RAG). فكر في RAG كأنك تعطي الذكاء الاصطناعي "ورقة غش" تحتوي على وثائق حقيقية ليقرأها قبل أن يكتب. ولكن هنا تكمن العقبة: إذا اختار الذكاء الاصطناعي أوراق الغش الخاطئة، أو إذا كتب التقرير دون أن يخبرك بالضبط من أي صفحة جاءت المعلومات، فستظل الإجابة عديمة الفائدة. الهدف هو بناء ذكاء اصطناعي ليس ذكياً فحسب، بل باحث دقيق يستشهد دائماً بمصادره.
هذا هو بالضبط ما يفعله إطار عمل MPR-CiteG. الباحثون وراء هذا المشروع، الذين حلوا في المركز الثاني في تحدٍ كبير للذكاء الاصطناعي، بنوا نظاماً يتكون من جزأين لضمان أن تكون إجابات الذكاء الاصطناعي دقيقة وصادقة في آن واحد. أولاً، قاموا بإنشاء مسترجع المحافظ المتعددة (MPR). فبدلاً من سؤال المكتبة للمساعدة في سؤال بسيط واحد، يعمل الـ MPR كفريق من أربعة محققين مختلفين، لكل منهم استراتيجية فريدة. أحد المحققين يوسع السؤال للعثور على أفكار ذات صلة، والآخر يبحث عن المترادفات لالتقاط الطرق المختلفة لقول الشيء نفسه، والثالث يوازن البحث بين الشمول والتحديد، والرابع يترجم السؤال إلى لغات أخرى للعثور على الأبحاث الدولية. جميعهم ينقبون عن الأدلة، ويجمعون نتائجهم، ثم يقوم محرر صارم (إعادة ترتيب/re-ranker) باختيار أفضل 50 وثيقة لاستخدامها.
بمجرد جمع أفضل الوثائق، يتولى الجزء الثاني من النظام، المسمى التوليد المستند إلى الاستشهاد (CiteG)، المهمة. هذا هو الكاتب الذي يرفض التخمين. فهو يقرأ أفضل 10 وثائق ويكتب إجابة واضحة وسلسة. ولكن هنا يكمقى السحر: فلكل جملة تقدم حقيقة محددة، يقوم فوراً بإرفاق علامة صغيرة تشير إلى وثيقة المصدر بدقة. أما إذا كانت الجملة مجرد انتقال عام، فهي لا تحصل على علامة. بهذه الطريقة، يمكنك قراءة الإجابة ومعرفة "حسناً، هذه الحقيقة تأتي من المصدر (أ)، وهذه من المصدر (ب)" بشكل فوري. اختبر الفريق نظامهم على مجموعة بيانات من الأسئلة العلمية ووجدوا أنه فعال للغاية في تجنب الحقائق المختلقة. واكتشفوا أن استخدام نوع معين من نماذج الذكاء الاصطناعي (Qwen-2.5-14B) كان الأفضل، وأن وجود جميع استراتيجيات "المحققين" الأربعة في فريق الاسترجاع كان أمراً حاسماً للحصول على المعلومات الصحيحة. ورغم أن النظام جيد جداً، إلا أن المؤلفين يعترفون بأنه قد يواجه صعوبات أحياناً مع الأسئلة المعقدة للغاية التي تتطلب عملية تفكير ذهاباً وإياباً، مما يشير إلى أن النسخ المستقبلية قد تحتاج لأن تكون أكثر ديناميكية. في النهاية، يوضح لنا MPR-CiteG كيف نبني ذكاءً اصطناعياً لا يتحدث فحسب، بل يعرف حقاً عما يتحدث ويمكنه إثبات ذلك.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.