في عالم الذكاء الاصطناعي المتزايد تعقيداً، يأتي النظام الجديد RELOOP ليقدم حلاً مبتكراً وفعالاً في مجال استرجاع المعلومات المعزَّز (Retrieval-augmented generation - RAG). قام الباحثون بتطوير هذا الإطار الذي يعتمد على تصميم Hierarchical Sequence (HSEQ) لتسهيل العمليات على الأسئلة متعددة الخطوات والمصادر المتنوعة.

يعمل RELOOP على تحويل النصوص والمخططات وكذلك الجداول إلى تسلسل هرمي قابل للعكس مع وضع علامات هيكلية خفيفة، مما يسهل عملية استرجاع البيانات بشكل أكثر دقة.

تتضمن الآلية المعتمدة في النظام وجود وكيل رئيسي يقوم بتوجيه عملية الاسترجاع، بينما يتولى وكيل التكرار توسيع التسلسل الهرمي بطرق تتماشى مع الهيكل (مثل القفزات الأبوية/الطفيلية، والتفاعل بين صفوف وأعمدة الجداول). في النهاية، يقوم الوكيل الرئيسي بإعداد الأدلة المُستخرجة لإنشاء الإجابة النهائية، مع وجود حلقة تحسين اختيارية لحل أي تناقضات قد تظهر.

أظهرت التجارب على مجموعة بيانات مختلفة مثل HotpotQA وHybridQA/TAT-QA وMetaQA أداءً متفوقًا مع تحسين ملحوظ في الدقة والكفاءة مقارنة بأساليب استرجاع المعلومات التقليدية.

يمتاز نظام RELOOP بعدة مزايا رئيسية:
1. توحيد غير متحيز للصيغ يتيح تطبيق سياسة واحدة عبر النصوص والجداول والرسوم البيانية للمعرفة (Knowledge Graphs - KG) دون الحاجة لتخصص على كل مجموعة بيانات.
2. تكرار مدفوع بالميزانية يقلل من القفزات غير الضرورية واستدعاءات الأدوات، مما يحافظ على الدقة.
3. تحويل الأدلة إلى صورة موحدة يٌسهم في تحسين ثبات وإمكانية تدقيق الإجابات.

إن تقدم RELOOP يمثل خطوة هامة نحو تحسين كيفية تعامل الأنظمة الذكية مع المعلومات، متجاوزًا العقبات التقليدية لتحقيق استجابة سريعة ودقيقة للغاية.