خط معالجة قائم على LLM يحوّل أوراق البيانات إلى رسوم معرفية بيانية بدقة 98.8%

نشر باحثون على arXiv ورقة بحثية أولية (preprint) عن خط معالجة يحوّل أوراق بيانات المكونات الإلكترونية إلى رسوم بيانية معرفية هرمية. وعلى 20 وثيقة متفاوتة الطول وتشمل أنواعًا مختلفة من المكونات، بلغت نسبة الخصائص الموثوقة (property faithfulness) 98.8%. أما المعالجة الساذجة بتمريرة واحدة للمهمة نفسها فسجّلت 76.1%. أي إن ما يقارب ربع المعاملات التي استخرجها النهج الأساسي من الوثيقة لم تؤكده الوثيقة نفسها.

لماذا لا يكفي طلب واحد

ورقة البيانات صعبة القراءة آليًا. فهي طويلة وغير متجانسة، وتتوزع المعاملات فيها بين الجداول والرسوم البيانية والنص. ويشير المؤلفون إلى تفصيل مزعج: حتى لو اتسعت نافذة السياق في النموذج للوثيقة كاملة، فإن المعالجة بتمريرة واحدة تُغفل مواصفات ذات صلة. وبالنسبة للمهندس ليست هذه مقياسًا مجردًا. فقيد الجهد أو التيار أو نطاق درجات الحرارة الذي يمرّ دون ملاحظة قد يعني اختيار مكوّن خاطئ وإعادة تصميم اللوحة.

كيف يعمل خط المعالجة

يعمل خط المعالجة على ثلاث مراحل: استخراج الخصائص على مستوى المقاطع (chunk-based property extraction)، ثم التوجيه الهرمي، ثم التحسين التكراري. ويتولى LLM استخراج المعلومات والاستدلال الدلالي. لكن النموذج لا يعدّل الرسم البياني مباشرة، بل يصوغ تعليمات تخضع للتحقق، ثم يطبّقها على الرسم البياني كود محلي حتمي (deterministic).

يحقق هذا التصميم أمرين:

• يحتاج كل طلب إلى سياق أقل مما تحتاجه معالجة الوثيقة كاملة؛
• تبقى التمثيلات الوسيطة قابلة للتتبع، وتحتفظ كل خاصية بإحالة إلى مصدرها (provenance).

والناتج رسم بياني تنتظم فيه الخصائص دلاليًا وترتبط بنص ورقة البيانات. ويمكن استخدامه في البحث والاستدلال اللاحقين.

الأرقام

من دون مرجع كامل للخصائص الموسومة في الوثائق العشرين، يصعب تقييم الشمولية. لذلك أدخل المؤلفون مقياس inter-graph completeness، الذي يقارن التغطية الدلالية لرسمين بيانيين ببعضهما. النتائج:

• موثوقية الخصائص: 98.8% للإطار المقترح مقابل 76.1% للمخطط الأساسي بتمريرة واحدة، أي انخفضت نسبة الخصائص غير الموثوقة من 23.9% إلى 1.2%، بنحو 20 مرة؛
• التغطية الأمامية: يغطي الإطار بالكامل 83.6% من الخصائص الموثوقة في المخطط الأساسي؛
• التغطية العكسية: يغطي المخطط الأساسي بالكامل 10.5% فقط من خصائص الإطار؛
• العيّنة: 20 ورقة بيانات لأنواع مختلفة من المكونات وبأحجام وثائق متفاوتة.

ويبيّن الزوج الثاني من الأرقام أن المكسب في الدقة لم يأتِ على حساب التغطية. فالرسم البياني يحتوي تقريبًا كل ما يجده نهج التمريرة الواحدة، ويزيد عليه كثيرًا.

أين يفيد هذا وما التحفظات

الفائدة العملية واضحة للفرق التي تبني البحث وفحص التوافق على قواعد بيانات المكونات. فإذا كانت الخصائص محفوظة في رسم بياني مرتبطة بمصادرها، يستطيع المهندس أو الوكيل (agent) أن يتحقق سريعًا من مصدر القيمة ويطابقها مع الوثيقة. وهذا مهم للتحقق الآلي من التصميم: فالخطأ في معامل مستخرج ينتقل لاحقًا إلى جميع عمليات الفحص.

ويمكن تبنّي النمط الأساسي خارج الإلكترونيات أيضًا. يقترح LLM تعديلات على البنية، ويتحقق منها مدقق (validator)، وينفذها كود عادي. وبذلك لا تصل أخطاء النموذج إلى مخزن البيانات مباشرة.

وهناك تحفظات أيضًا. فعيّنة الـ20 وثيقة صغيرة. ومقياس الشمولية نسبي: يقارن رسمين بيانيين ببعضهما، ولا يقيس التغطية قياسًا إلى مرجع كامل. كما لم يكشف ملخص الورقة عن النماذج المستخدمة، ولا عن كلفة معالجة ورقة بيانات واحدة ولا زمنها. وهذه المعطيات هي ما سيحدد ما إذا كان النهج صالحًا للمعالجة الواسعة لفهارس تضم آلاف الوثائق. أما الآن، فتُظهر النتيجة أن المعالجة المرحلية ذات الخطوات القابلة للتحقق أكثر موثوقية من طلب واحد كبير إلى النموذج.