طراحی معماری یکپارچه مدل های زبانی بزرگ انسان محور: مدل سازی چندهدفه شخصی سازی تبیین پذیری وفادار و عدالت زبانی

با گسترش مدل های زبانی بزرگ به عنوان زیرساخت اصلی سامانه های هوش مصنوعی مولد، رویکردهای عمومی و غیر تطبیقی این مدل ها با چالش هایی اساسی مواجه شده اند؛ از جمله ناتوانی در انطباق با ویژگی های فردی کاربران، فقدان شفافیت در منطق تصمیم گیری و شکاف عملکردی میان زبان های پرمنبع و کم منبع. این وضعیت ضرورت گذار از معماری های میانگین محور به سوی مدل های انسان محور تطبیق پذیر و مسئولانه را برجسته می سازد. هدف این پژوهش ارائه چارچوبی یکپارچه برای توسعه مدل های زبانی بزرگ انسان محور از طریق همگرایی سه بعد مکمل شامل شخصی سازی، چندسطحی تبیین پذیری وفادار و عدالت چندزبانه است. در این راستا با بهره گیری از روش مرور تحلیلی-تطبیقی مطالعات اخیر، ابعاد شخصی سازی در سطوح ورودی، سازگاری پارامتری و همترازی هدف، رویکردهای تولید توضیح هم راستا با رفتار واقعی مدل و سازوکارهای انتقال دانش بین زبانی و یادگیری کم نمونه ای برای زبان های کم منبع تحلیل و در قالب یک چارچوب معماری یکپارچه تلفیق شده اند. چارچوب پیشنهادی تعامل این سه مولفه را به مثابه یک مسئله بهینه سازی چندهدفه صورت بندی می کند که در آن بهینه سازی همزمان مطلوبیت، کاربر، وفاداری تبیین و کاهش شکاف زبانی مستلزم ایجاد توازن میان قیود حریم خصوصی، هزینه محاسباتی و پایداری عملکرد است. تحلیل مفهومی نشان می دهد که همگرایی ساختاری این ابعاد می تواند به افزایش اعتماد کاربران، بهبود کارایی در کاربردهای واقعی و ارتقای عدالت زبانی در سامانه های هوش مصنوعی منجر شود.

کلیدواژه ها:

مدل های زبانی بزرگ ، شخصی سازی ، چند سطحی تبیین پذیری ، وفادار ، عدالت زبانی ، هوش مصنوعی ، انسان محور