طريقة SAFE-QE تخفض مصطلحات البحث غير المدعومة إلى 4.3 في الاختبارات

اقترح أميت كومار جايسوال وساجار أوبريتي وبراياغ تيواري طريقة SAFE-QE، وهي طريقة لتوسيع الاستعلام لا تتطلب تدريباً وتخفض المصطلحات غير المدعومة إلى 4.3 لكل استعلام، وذلك في مسودة بحثية قُدّمت إلى موقع (arXiv) في 9 أكتوبر.

وذكرت المسودة البحثية المؤرخة في 9 أكتوبر، والتي لم تخضع بعد لمراجعة الأقران، أن طريقة SAFE-QE تساوت مع البدائل التوليدية والموجهة بواسطة مجموعات النصوص من حيث مقياس nDCG@10، في حين سجلت طريقة Query2doc نحو 27.8 مصطلح غير مدعوم لكل استعلام، وسجلت HyDE نحو 57.5.

ويضيف توسيع الاستعلام مصطلحات ذات صلة إلى طلب البحث الخاص بالمستخدم حتى يتمكن نظام الاسترجاع من إظهار المستندات التي قد لا تحتوي على الصياغة الأصلية. وتتجلى الأهمية التجارية لهذه التقنية بشكل مباشر في محركات البحث وأدوات المعرفة للمؤسسات وأنظمة الذكاء الاصطناعي المعززة بالاسترجاع، حيث يمكن للمصطلحات المضافة أن تحسن معدل الاستدعاء لكنها قد تدخل الضوضاء أيضاً.

وصاغ المؤلفون المشكلة باعتبارها مسألة موثوقية في عملية الاسترجاع المدعومة بالنماذج اللغوية الكبيرة. وكتبوا: "أصبحت النماذج اللغوية الكبيرة (LLMs) الآن مصدراً قياسياً لمصطلحات توسيع الاستعلام، لكنها تعاني من الهلوسة".

ولا تتطلب طريقة SAFE-QE — وهي اختصار لـ "توسيع الاستعلام الواعي بالنطاق والمفلتر بحسب ارتباط السلاسل الفرعية" — تدريب النماذج، كما أنها مصممة للعمل عبر مختلف أدوات الاسترجاع، وفقاً للمسودة البحثية. وتسمح الطريقة المستقلة عن أداة الاسترجاع باختبارها مع أنظمة بحث مختلفة بدلاً من ربطها ببنية نموذج واحدة.

وتعمل الطريقة على تقييم مصطلحات التوسيع المرشحة من خلال التحقق مما إذا كانت تتكرر عبر سياقات استعلام عشوائية وما إذا كانت المستندات المسترجعة أولياً تدعمها. وتشير الورقة البحثية إلى هذه المجموعة الأولية من المستندات باسم "المجموعة ذات الصلة الزائفة"، أي المستندات التي يعاملها النظام على أنها ترجيحية الصلة قبل الترتيب النهائي.

ووفقاً للملخص، يتم تخفيض وزن المصطلحات التي تظهر بشكل متكرر عبر السياقات ولكنها تفتقر إلى الدعم في مجموعة المستندات تلك. ثم تحتفظ خطوة الاختيار بالمصطلحات التي تغطي مجموعة المستندات بشكل واسع مع الحفاظ على الاتساق عبر إعادة أخذ العينات.

كما قدم المؤلفون مقياس "معدل مصطلحات التوسيع المهلوسة"، وهو مقياس على مستوى الاستعلام لحساب المصطلحات المضافة التي لا يدعمها أي مستند ذي صلة. وكتبوا أن الطريقة تظهر أن: "الدقة والموثوقية متاحتان بالتالي دون أي تكلفة قابلة للقياس في جودة الترتيب".

واستخدم التقييم مجموعات استرجاع المعلومات القياسية TREC وBEIR، وفقاً لملخص arXiv. ويقيس مقياس nDCG@10 (المكسب التراكمي المخصوم المقيّس عند 10 نتائج) فائدة أعلى 10 نتائج مرتبة مع إعطاء وزن أكبر للمراكز الأعلى.

وكانت أقوى النماذج العددية في الملخص متعلقة بموثوقية المصطلحات بدلاً من مكاسب الترتيب المباشرة. وحققت SAFE-QE نحو 4.3 مصطلح غير مدعوم لكل استعلام، مقارنة بـ 27.8 لطريقة Query2doc و57.5 لطريقة HyDE، وهما نقطتا مرجع لتوسيع الاستعلام ذكرهما المؤلفون.

كما يشير ملخص الورقة نفسها إلى وجود قيد؛ ففي أداة استرجاع مجزأة متعلَّمة وقوية (وهي نموذج بحث عصبي يمثل الاستعلامات والمستندات بمصطلحات موزونة)، تراجعت جميع طرق التوسيع المختبرة، بحسب المسودة البحثية.

ويرتدي هذا التحفظ أهمية بالنسبة لمشتري ومطوري أنظمة البحث لأن تقليل المصطلحات المهلوسة ليس مرادفاً لتحسين كل مسار ترتيب. ولا يذكر الملخص أي نشر تجاري، أو نتيجة لمراجعة الأقران، أو جدول نتائج لكل مجموعة، أو تكلفة تنفيذ.

ويصنف سجل arXiv هذا العمل ضمن فئتي "استرجاع المعلومات" و"الحوسبة واللغة"، تحت المعرف arXiv:2610.13810v1. وقد قُدّمت النسخة الأولى في الساعة 16:22 بالتوقيت العالمي الموحد (UTC) في 9 أكتوبر.

المصدر: مسودة بحثية في موقع arXiv،‏ 9 أكتوبر 2026