رفع دقة أنظمة التوصية بـ LLMs
تحسين دقة أنظمة التوصية باستخدام نماذج اللغات الكبيرة في بايثون يطرح عالم البيانات بييرو بايالونغا، التابع لشركة ذي تريك تود بنيويورك، إطاراً هندسياً جديداً لتعزيز دقة أنظمة التوصية الذكية مع خفض التكاليف التشغيلية. يستند التصميم إلى المبدأ التقني الراسخ المتمثل في مقايضة الموارد، حيث يجمع النظام بين السرعة الحسابية والدقة التحليلية من خلال قمع عمل ثنائي المرحلة. تهدف المرحلة الأولى إلى تصفية قواعد البيانات الضخمة بسرعة باستخدام فلاتر قواعدية تعتمد على المعايير الجغرافية، مما يختزل الترشيحات إلى مجموعة أولية محدودة دون استهلاك موارد الذكاء الاصطناعي. تنتقل هذه المجموعة بعد ذلك إلى المرحلة الثانية، حيث تقوم نماذج اللغات الكبيرة بإعادة ترتيبها وتحليل الاستفسارات النصية المعقدة، مما يضمن دقة عالية في النتائج النهائية. تم تطوير هذا الإطار باستخدام لغة بايثون وهيكلية كائنية التوجه، مع دمج حسابات المسافات الجغرافية السريعة في الفلترة الأولية، واستدعاء واجهة برمجة تطبيقات OpenAI في مرحلة الترتيب. أظهر التطبيق العملي عبر سيناريوهات محاكاة متعددة عبر مدن أمريكية، قدرة النظام على فهم السياقات الدقيقة مع الحفاظ على شفافية النموذج عند عدم وجود تطابق كامل. يقلل هذا الهيكل الاعتماد المكلف على النماذج الذكية في المراحل التمهيدية، مع الاستفادة القصوى من قدراتها التحليلية في التصفية النهائية فقط. يثبت هذا النهج أن دمج الفلاتر الحسابية الخفيفة مع النماذج اللغوية يحقق توازناً عملياً يناسب التطبيقات الإنتاجية واسعة النطاق، مما يخفض تكاليف الرموز ويقلل زمن الاستجابة دون المساس بجودة التوصيات. يمثل هذا النموذج إطاراً قابلاً للتطبيق مباشرة في قطاعات الخدمات الرقمية والبحث عن المعلومات. المصدر: بييرو بايالونغا، عالم بيانات ومطور بايثون. متاح الكود المصدري والأبحاث على منصتي جيت هب ولينكدإن.
