تعد وسائل التواصل الاجتماعي أساسية في عالمنا الرقمي اليوم، ولكنها تحمل معها تحديات جديدة تواجه المستخدمين والمشرفين على المحتوى. دراسة جديدة قدمت مجموعة بيانات فريدة تُدعى CHASM، تهدف إلى الكشف عن إحدى هذه التحديات، وهي الإعلانات المخفية.

تتوقف معظم آليات تقييم نماذج اللغة الضخمة (Large Language Models) عند نظرتها التقليدية لتشمل فقط المنشورات العادية، مما يترك ثغرة كبيرة أمام الإعلانات التي تتنكر كمنشورات عادية. هذه الإعلانات المزيفة ليست مجرد مشكلة أخلاقية وقانونية، بل تتطلب أيضًا تقنيات متقدمة للتعرف عليها.

تشمل مجموعة بيانات CHASM 4,992 حالة مستندة إلى تجارب واقعية من منصة Rednote الصينية، تم جمعها وتصنيفها تحت جوانب قوية من الحماية للخصوصية ومراقبة الجودة. وتتميز هذه المجموعة بوجود العديد من المنشورات التي تتشارك تجارب المنتج، مما يزيد من صعوبة التعرف على الإعلانات.

نتائج البحث أكدت أن النماذج الحديثة لم تُظهر موثوقية كافية في الكشف عن هذه الإعلانات الخفية، حتى في الظروف التي لا تتطلب معلومات مسبقة (zero-shot) أو عندما يتم تقديمها ضمن سياق (in-context learning). ومع ذلك، فقد أظهرت التجارب الإضافية أن تحسين النماذج مفتوحة المصدر على مجموعة البيانات هذه أدى إلى تحسينات ملحوظة، بالرغم من استمرار وجود تحديات كبيرة في تعقب الإشارات الدقيقة في التعليقات والفروق بين الهياكل البصرية والنصية.

بينما نتجه نحو المستقبل، يأمل الباحثون أن تكون دراستهم دافعًا للتعاون بين مجتمع البحث ومشرفي المحتوى لتطوير وسائل دفاع أكثر دقة ضد هذا التهديد المتزايد. إن الاستجابة لهذا التحدي أمر ضروري لحماية المستخدمين وضمان تجربة آمنة في فضاء وسائل التواصل الاجتماعي.