مُقيّم اللغة الطبيعية
المُقيِّم اللغوي الطبيعي (NLE) هو نظام أو منهجية مصممة لتقييم جودة النص الذي تم إنشاؤه بواسطة نماذج معالجة اللغة الطبيعية (NLP)، مثل نماذج اللغة الكبيرة (LLMs)، ومدى صحته وتماسكه وملاءمته. على عكس المطابقة البسيطة للكلمات المفتاحية، يحاول المُقيِّم اللغوي الطبيعي الحكم على الجودة الدلالية للمُخرَج مقابل مجموعة من المعايير المحددة مسبقًا أو الحقيقة الأساسية.
في النشر السريع للذكاء الاصطناعي التوليدي، يعد ضمان الجودة الآلي أمرًا بالغ الأهمية. يتجاوز المُقيِّم اللغوي الطبيعي الفحوصات النحوية الأساسية لتقييم معنى المُخرَج. يضمن هذا أن أنظمة الذكاء الاصطناعي ليست صحيحة نحويًا فحسب، بل إنها مفيدة ودقيقة ومتوافقة مع نية المستخدم، وهو أمر حيوي لاعتمادها في المؤسسات.
يعمل المُقيِّم اللغوي الطبيعي من خلال آليات مختلفة. يستخدم البعض مقاييس آلية مثل BLEU أو ROUGE أو METEOR لمقارنة النص المُولَّد بالإجابات المرجعية. تستخدم المُقيِّمات اللغوية الطبيعية الأكثر تقدمًا نماذج ذكاء اصطناعي ثانوية، غالبًا ما تكون أصغر، أو أنظمة "الإنسان في الحلقة" لتسجيل المُخرجات بناءً على معايير معقدة مثل الدقة الواقعية والنبرة والسلاسة. تتضمن العملية تحديد معيار تقييم ثم تطبيق منطق التقييم على استجابات النموذج.
تشمل المفاهيم ذات الصلة هندسة المطالبات (Prompt Engineering) (تصميم المدخلات للحصول على أفضل مُخرَج)، والتعلم المعزز من التغذية الراجعة البشرية (RLHF) (استخدام الدرجات البشرية لتدريب النموذج)، والبحث الدلالي (Semantic Search) (فهم المعنى وراء الاستعلام والاستجابة).
