FinMMEval 2026 Task 2: معيار للأسئلة والأجوبة المالية بخمس لغات، وأفضل 4 أنظمة تفصل بينها أقل من 1%
انتهت مسابقة FinMMEval 2026 Task 2، وهي مسابقة في الإجابة المختصرة عن الأسئلة المالية بالاعتماد على بيانات بخمس لغات في آن واحد. تضم المجموعة النهائية 256 سؤالًا، موزعة بالتساوي بين المستوى البسيط ومستوى الخبراء. ويشمل الترتيب 12 نظامًا، وتفصل بين الأنظمة الأربعة الأولى أقل من نقطة مئوية واحدة وفق مقياس ROUGE-1 F1. واعتمد المشاركون على تقنية RAG، والتعامل مع المصادر عبر اللغات، وضغط الإجابات.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.CL؛ بتحرير Hamidun News
أعلنت FinMMEval 2026 Task 2، وهي مسابقة في الإجابة المختصرة عن الأسئلة المالية على بيانات متعددة اللغات، نتائجها: ففي يوليو 2026 نشر المنظمون الترتيب النهائي لـ12 نظامًا، تفصل بين الأربعة الأوائل منها أقل من نقطة مئوية واحدة وفق مقياس ROUGE-1 F1 على مجموعة من 256 سؤالًا.
ما الذي يختبره المعيار
يقيس FinMMEval 2026 Task 2 مدى دقة أنظمة AI في الإجابة عن الأسئلة المالية استنادًا إلى مستندات بخمس لغات في آن واحد. يربط كل بند في الاختبار سؤالًا بالإنجليزية بتقارير مالية وأخبار بالإنجليزية والصينية واليابانية والإسبانية واليونانية، وعلى النظام أن يعيد إجابة واحدة مختصرة بصيغة JSONL.
- المجموعة النهائية 256 سؤالًا، موزعة بالتساوي بين مستويي easy وexpert
- يضم كل مستوى 4 قوالب أسئلة، طُبّقت على 32 مجموعة من التقارير المؤسسية
- لغات البيانات المصدرية: الإنجليزية والصينية واليابانية والإسبانية واليونانية
- مقياس الترتيب هو macro-averaged ROUGE-1 F1 على مستوى كل بند
- يضم الترتيب النهائي 12 نظامًا
كيف قُيّمت الأنظمة
أخفى المنظمون الإجابات المرجعية طوال فترة استقبال المشاركات، ورتّبوا المشاركين وفق macro-averaged item-level ROUGE-1 F1 مقارنةً بإجاباتهم المرجعية الخاصة. وجاء التفاوت في القمة ضئيلًا جدًا: إذ تفصل بين الأنظمة الأربعة الأولى أقل من نقطة مئوية واحدة وفق ROUGE-1 F1. ويعني ذلك أن المتصدرين يسيرون عمليًا جنبًا إلى جنب، وأن اختيار البنية المعمارية عند هذا الحد يُحسم بأجزاء من النسبة المئوية.
«الأنظمة الأقوى متقاربة جدًا: تفصل بين الأربعة الأوائل أقل من نقطة مئوية واحدة وفق ROUGE-1 F1»، وفق ما جاء في تقرير منظمي
FinMMEval 2026 المنشور على arXiv.
ماذا استخدم المشاركون
بنت الفرق المشاركة حلولها حول التعامل مع المصادر متعددة اللغات، لا حول نموذج واحد. ووفق الأوراق التقنية المنشورة مع النتائج، وثّق المشاركون استخدام retrieval-augmented generation (RAG)، ومعالجة الأدلة عبر اللغات، والتوجيه المنظَّم (structured prompting)، وضغط الإجابات، واستراتيجيات التحقق. وقد دفعت مجموعة الـ32 من التقارير المؤسسية وقوالب الأسئلة الأربعة في كل مستوى الأنظمة إلى استخراج الحقيقة من مستند بالصينية أو اليونانية وصياغتها في إجابة إنجليزية قصيرة ودقيقة.
لماذا يهم هذا الذكاء الاصطناعي المالي
يُظهر FinMMEval 2026 Task 2 أين تقف حدود النماذج اللغوية في المجال المالي اليوم: ليس في توليد النصوص، بل في الاستخراج الدقيق للحقيقة من تقارير مكتوبة بلغة غير مألوفة. والترتيب المتقارب، حيث يقع الأربعة الأوائل ضمن 1%، مؤشر على أن الإجابة عن الأسئلة المالية متعددة اللغات لم تعد مهمة نموذج واحد قوي، بل تحولت إلى هندسة خط معالجة: البحث، والمطابقة عبر اللغات، والضغط. وبالنسبة للمصارف والصناديق التي تعمل مع تقارير بعدة لغات، يمثل هذا أقرب مرجع للجودة.
ماذا يعني ذلك
يعكس المعيار نضج الإجابة عن الأسئلة المالية متعددة اللغات: فالمتصدرون باتوا شبه متطابقين وفق المقياس، وسيُقاس التقدم لاحقًا بأجزاء من النسبة المئوية وبجودة العمل مع المصادر، لا بقفزات نموذج واحد.
الأسئلة الشائعة
ما هي FinMMEval 2026 Task 2؟
هي معيار تنافسي في الإجابة المختصرة عن الأسئلة المالية: يتلقى النظام سؤالًا بالإنجليزية ومجموعة من التقارير المالية والأخبار بخمس لغات، ويعيد إجابة واحدة مضغوطة. تضم المجموعة النهائية 256 سؤالًا.
ما اللغات التي تتوفر بها البيانات؟
صيغت الأسئلة بالإنجليزية، أما المستندات المالية والأخبار المرافقة فهي بالإنجليزية والصينية واليابانية والإسبانية واليونانية. وتتمثل مهمة النظام في استخراج الحقيقة من مصادر متعددة اللغات وتقديم إجابة دقيقة.
كيف قُيّمت الأنظمة ورُتّبت؟
كانت الإجابات المرجعية مخفية خلال فترة تقديم المشاركات، وبُني الترتيب النهائي لـ12 نظامًا وفق macro-averaged item-level ROUGE-1 F1. وتفصل بين المشاركين الأربعة الأوائل أقل من نقطة مئوية واحدة وفق هذا المقياس.
أسئلة وأجوبة حول الخبر
ما هي FinMMEval 2026 Task 2؟
هي معيار تنافسي في الإجابة المختصرة عن الأسئلة المالية: يتلقى النظام سؤالًا بالإنجليزية ومجموعة من التقارير المالية والأخبار بخمس لغات، ويعيد إجابة واحدة مضغوطة. تضم المجموعة النهائية 256 سؤالًا.
ما اللغات التي تتوفر بها البيانات؟
صيغت الأسئلة بالإنجليزية، أما المستندات المالية والأخبار المرافقة فهي بالإنجليزية والصينية واليابانية والإسبانية واليونانية. وتتمثل مهمة النظام في استخراج الحقيقة من مصادر متعددة اللغات وتقديم إجابة دقيقة.
كيف قُيّمت الأنظمة ورُتّبت؟
كانت الإجابات المرجعية مخفية خلال فترة تقديم المشاركات، وبُني الترتيب النهائي لـ12 نظامًا وفق macro-averaged item-level ROUGE-1 F1. وتفصل بين المشاركين الأربعة الأوائل أقل من نقطة مئوية واحدة وفق هذا المقياس.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.