إسناد الإجابة إلى مصادر (Grounding) هو مصطلح ظهر في مقالات قرمصيص ويستحق شرحاً مستقلاً. ربط إجابة النموذج ببيانات أو أدوات خارجية موثوقة بدلاً من الاعتماد على ذاكرته وحدها. فهمه يساعدك على قراءة الشروحات ونتائج التجارب من غير خلط بين الاسم ووظيفته الفعلية.
باختصار
ربط إجابة النموذج ببيانات أو أدوات خارجية موثوقة بدلاً من الاعتماد على ذاكرته وحدها.
بالتفصيل
عند التأريض يبحث النظام أو يسترجع معلومات حديثة ثم يمررها للنموذج مع سياق يسمح بالإسناد. هذا قد يحسن الحداثة وقابلية التحقق، لكنه لا يمنع الخطأ إذا كان المصدر سيئاً أو ربط النموذج الدليل باستنتاج غير صحيح.
الفكرة العملية هي النظر إلى مكان المصطلح داخل خط العمل: ما البيانات التي تدخل إليه، وما النتيجة التي ينتجها، وما التكلفة أو الافتراض الذي يضيفه. المقارنة العادلة تحتاج تجربة على بيانات منفصلة ومقياس مناسب، لا الاعتماد على الاسم أو الشهرة وحدهما.
مثال عملي
مساعد سفر يستخدم بحثاً حديثاً لعرض ساعات العمل مع روابط المصادر بدلاً من تخمينها من بيانات التدريب.
خلي بالك: وجود رابط لا يثبت أن كل جملة مدعومة؛ يجب فحص المصدر ومدى مطابقته للادعاء.
مصطلحات مرتبطة
RAG، Semantic Search، Hallucination. قراءة هذه المصطلحات معاً توضح العلاقة بين البيانات والتدريب والتقييم والتشغيل.
المصادر: Google AI
