يتطلب البحث العلمي الاعتماد على استرجاع معلومات دقيقة من الأدبيات لدعم القرارات التحليلية. في هذا السياق، يظهر **IntrAgent**، وكيلًا يعتمد على نماذج اللغة الكبرى (**LLM**)، ليقدم حلاً مبتكرًا يتخطى التحديات التقليدية.
مفهوم IntraView
يقدم المفهوم الجديد **INformation reTRieval through literAture reVIEW (IntraView)**، الذي يهدف إلى أتمتة استرجاع المعلومات بتفاصيل دقيقة من الأدبيات، استنادًا إلى المحتوى المقدم واستجابة لاستفسارات قائمة على البحث.
كيفية عمل IntrAgent
تم تصميم **IntrAgent** لمحاكاة سلوكيات البشر أثناء قراءة الأدبيات لاسترجاع المعلومات، حيث يقوم بخطوتين رئيسيتين:
1. **مرحلة تصنيف الأقسام**: حيث يتم تحديد الأقسام ذات الصلة في الأدبيات وفقًا لاستدلال مبني على المعرفة الهيكلية.
2. **مرحلة القراءة التكرارية**: في هذه المرحلة، يتم استخراج التفاصيل باستمرار وتلخيصها في إجابات دقيقة ومبنية على السياق.
التقييم والنتائج
للمساعدة في التقييم الدقيق، تم تقديم **IntraBench**، معيار جديد يتكون من 315 حالة اختبار تم بناؤها من أسئلة كتبها خبراء، مرتبطة بأدبيات تغطي خمسة مجالات في العلوم والتكنولوجيا والهندسة والرياضيات (**STEM**).
تشير النتائج إلى أن **IntrAgent** يحقق متوسط دقة أعلى بنسبة 13.2% عبر المجالات مقارنةً بأفضل المعايير المستخدمة حاليًا في استرجاع المعلومات.
ختام
يمثل **IntrAgent** قفزة نوعية في طريقة استرجاع المعلومات في المجال العلمي. هل أنت مستعد لاستكشاف كيف يمكن لهذه التكنولوجيا أن تفيد بحثك؟