إطار عمل DQ-LoRe

تم تطوير هذا الإطار من قبل جامعة صن يات صن والجامعة الصينية في هونج كونج في ورقتهما البحثية 「DQ-LORE: استعلامات مزدوجة مع إعادة ترتيب تقريبي منخفض الرتبة للتعلم السياقي」مقترح في.

في هذه الدراسة، قدم الفريق إطار عمل يستخدم "الاستعلام المزدوج (دي كيو) وإعادة الترتيب التقريبي منخفض الرتبة (لوري)" يختار تلقائيًا أمثلة التعلم السياقي. تُظهر التجارب أن DQ-LoRe يتفوق على الطرق السابقة في اختيار أمثلة GPT-4 تلقائيًا، مع تحسين الدقة من 92.5% إلى 94.2%، مما يفتح آفاقًا جديدة أمام طلاب الماجستير في القانون لحل مشكلات التفكير المعقدة. كما يُظهر التحليل الشامل الذي أجراه فريق البحث أن DQ-LoRe يتفوق باستمرار على الطرق القائمة على الاسترجاع من حيث الأداء والقدرة على التكيف، خاصةً في السيناريوهات التي تتميز بتغيرات التوزيع. يدفع DQ-LoRe حدود التعلم الموضعي ويفتح آفاقًا جديدة لحل تحديات التفكير المعقدة.