الإجابة على الأسئلة المتعلقة بالمعرفة الزمنية من خلال الاستدلال الاستنتاجي المجرد

في هذه الدراسة، نتناول التحدي المتمثل في تحسين التفكير الزمني في النماذج اللغوية الكبيرة (LLMs). غالبًا ما تواجه هذه النماذج صعوبات في هذا المهمة، مما يؤدي إلى إنتاج إجابات غير دقيقة أو مضللة. ويُعزى هذا الأمر إلى حد كبير إلى قدرتها المحدودة على التعامل مع المعرفة الواقعية المتغيرة والمنطق الزمني المعقد. ولsuperar هذه القيود، نقترح إطارًا يُدعى الاستدلال بالاستدلال المجرد (ARI)، والذي يقسم التفكير الزمني إلى مرحلتين متميزتين: مرحلة لا تعتمد على المعرفة، ومرحلة تعتمد على المعرفة. ويوفّر هذا الإطار دعمًا للمعرفة الواقعية للنماذج اللغوية الكبيرة، مع تقليل تضمين البيانات الضوضائية الزائدة. وفي الوقت نفسه، مستمدًا من مبادئ البناء المعرفي (constructivism)، يمنح إطار ARI النماذج القدرة على التعلم النشط والذاتي من أمثلة سابقة للتفكير الصحيحة والخاطئة. وبتعليم النماذج لبناء المعرفة والأساليب بشكل نشط، يمكنه تعزيز قدرات التفكير الزمني بشكل كبير. وقد حقق نهجنا تحسينات ملحوظة، مع تحقيق مكاسب نسبية تبلغ 29.7% و9.27% على مجموعتي بيانات للأسئلة الزمنية، مما يُبرز فعالية هذا النهج في تطوير التفكير الزمني في النماذج اللغوية الكبيرة. يمكن العثور على الكود على الرابط التالي: https://github.com/czy1999/ARI-QA