في عالم يتسارع فيه استخدام الذكاء الاصطناعي (AI)، تقدم الأبحاث الحديثة قفزات نوعية في فهم سلوك المستخدمين وتفاعلاتهم. إذ تكشف دراسة جديدة، نشرت على **arXiv**، عن إطار عمل هرمي يهدف إلى استنتاج شخصيات متعددة تعتمد على أدلة قوية من سجلات السلوك.
تُعتبر سجلات السلوك (Behavioral logs) مصدرًا غنيًا للإشارات التي تساعد في نمذجة المستخدمين، لكن التحديات تكمن في الضوضاء والتنوع الموجود في هذه السجلات. بينما كانت الدراسات السابقة قد استخدمت نماذج اللغة الكبيرة (LLMs) لتوليد شخصيات بسيطة من تلك السجلات، لم تكن تقييمات تلك الشخصيات كافية لضمان جودتها.
تقدم الدراسة الجديدة إطار عمل هرمي يقوم بتجميع الأفعال التي يقوم بها المستخدمون في **ذاكرات النية** (intent memories)، مما يؤدي إلى استنتاج شخصيات متعددة مبنية على هذه الأدلة. تم صياغة مسألة استنتاج الشخصيات كمشكلة تحسين تركز على جودة الشخصيات، والتي تشمل تماسك المجموعات، وتوافق الأدلة، وصدق الشخصيات.
النتائج المثيرة
من خلال تجربة على سجلات خدمة واسعة النطاق وبيانات عامة، أظهرت الدراسة أن النظام الجديد يُنتج شخصيات أكثر تماسكًا وموثوقية، بينما يُحسن أيضًا دقة التنبؤات لتفاعلات المستخدم المستقبلية.
هل أنت مستعد لمعرفة كيف ستستفيد تطبيقات الذكاء الاصطناعي من هذه الشخصيات الجديدة في تحسين تجربة المستخدم؟ شاركنا أفكارك في التعليقات!