RAGMail: إطار معزز بالاسترجاع قائم على السحابة لتقليل الهلوسة في توليد النصوص بواسطة نماذج اللغة الكبيرة

تواصل أكثر ذكاءً في سوق عمل مزدحم

إرسال رسالة بريد إلكتروني باردة إلى مسؤول التوظيف قد يشعر وكأنك تصرخ في الفراغ. يلجأ العديد من الباحثين عن عمل الآن إلى أدوات الذكاء الاصطناعي لمساعدتهم في صياغة هذه الرسائل، لكن الرسائل العامة أو غير الدقيقة قد تضر أكثر مما تنفع. تعرض هذه الورقة RAGMail، نظامًا قائمًا على السحابة مصممًا لكتابة رسائل بريد باردة مخصصة ومتحقَّق مِن صحة معلوماتها من خلال دمج نماذج اللغة الكبيرة مع معلومات حية عن إعلان الوظيفة وسيرة المرشح. الهدف بسيط: توفير الوقت للمتقدمين مع إنتاج رسائل شخصية يمكن الوثوق بها.

لماذا تفشل رسائل الذكاء الاصطناعي العادية

تمتاز نماذج اللغة الحديثة بطلاقة كبيرة، لكنها غالبًا ما «تتوهّم» — إذ تختلق بثقة مهارات أو خبرات أو تفاصيل عن الوظيفة غير صحيحة في الواقع. بالنسبة لمقدم طلب عمل، قد يعني ذلك رسالة تدعي خبرة بأداة لم يستخدمها أبدًا أو تشير إلى مسؤوليات غير مذكورة في إعلان الوظيفة. مثل هذه الأخطاء يمكن أن تقوّض المصداقية بسرعة. يشرح المؤلفون أن هذه الأخطاء تظهر حتى في الأنظمة المتقدمة، وأن تدريب نماذج أكبر وحده لا يحل المشكلة بشكل موثوق. ما هو مطلوب هو طريقة لتأصيل كتابة النموذج بمعلومات حقيقية ويمكن التحقق منها.

تزويد النظام بسياق العالم الحقيقي

يتعامل RAGMail مع هذا بتقديم إعلان الوظيفة والسيرة الذاتية كمصدر وحيد للحقيقة. يقوم النظام تلقائيًا بجلب أوصاف الوظائف من مواقع التوظيف وتحليل السير الذاتية المرفوعة، محولًا كلاهما إلى بيانات مُنظَّمة: قوائم بالمهارات والمشاريع والخبرات والمتطلبات. ثم يبحث مُكوّن الاسترجاع في هذه المصادر لإيجاد أكثر النقاط تطابقًا بين ما يريده صاحب العمل وما يقدمه المرشح. يُدخَل هذا السياق المتطابق مباشرة إلى نموذج اللغة قبل أن يبدأ بالكتابة، بحيث تُوجَّه الرسالة بمعلومات حالية خاصة بالوظيفة بدلًا من ذاكرة غامضة من التدريب السابق.

التحقق من الحقائق قبل الإرسال

إلى جانب استرجاع السياق، يقدم RAGMail طريقة تقييم تُسمّى تقييم المصداقية عبر وزن نماذج اللغة، أو FEWL. بعد توليد مسودة الرسالة، يقارن النظام كل ادعاء مهم في الرسالة بالحقائق المهيكلة المستخرجة من السيرة الذاتية وإعلان الوظيفة. تُعطى تفاصيل المهارات وتاريخ العمل وزنًا أكبر من العبارات اللبقة أو سطور الختام. تُعلَّم المقاطع التي لا تتطابق مع البيانات الأساسية وتُعدَّل من خلال تحسين تكراري، دافعة الرسالة لتقترب من «الحقيقة الأرضية» المُحققة. كما يقارن المؤلفون نهجهم بأدوات تحقق من الحقائق أخرى ومراجعين بشريين، فوجدوا أن FEWL يتتبع الأحكام البشرية بشأن ما إذا كانت الرسالة دقيقة وذات صلة بشكل وثيق.

مصمم للاستخدام العملي على نطاق السحابة

لجعل ذلك عمليًا لعدّة مستخدمين في آن واحد، يُنشر RAGMail كخدمة سحابية أصيلة. تتيح واجهة ويب للباحثين عن عمل رفع السير الذاتية ولصق روابط الوظائف من أي جهاز، بينما يعمل الجزء الخلفي على خوادم مُدارة مع موازنة مرنة للحِمل. يخزن النظام تمثيلات متجهية للسير الذاتية وإعلانات الوظائف في قاعدة بيانات سحابية، ويراقب الأداء ومعدلات الأخطاء، ويضبط تلقائيًا مقدار المعلومات التي يسترجعها عند ارتفاع الحركة، مع تشفير البيانات الشخصية الحساسة وفرض ضوابط وصول صارمة. يحافظ هذا التصميم على زمن استجابة منخفض ويحمي خصوصية المستخدمين حتى مع نمو الاستخدام.

ماذا تعني النتائج للباحثين عن عمل

في اختبارات مقارنة بين عدة إعدادات، أنتج خط أنابيب RAGMail الكامل — المزيج من بيانات السيرة الذاتية والاسترجاع والوزن الواقعي — رسائل كانت أكثر دقة وشخصنة بكثير من تلك الصادرة عن نموذج لغة بسيط. انخفضت الهلوسات المُقاسة، وارتفعت درجات المصداقية بنحو النصف، كما تحسَّنت تقييمات التخصيص. بالنسبة للمستخدمين اليوميين، يترجم هذا إلى رسائل تواصل تعكس خلفيتهم الحقيقية بشكل أفضل والدور المحدد الذي يستهدفونه. بدلًا من استبدال الحكم البشري، يعمل RAGMail كمساعد دقيق: يصوغ رسائل مؤصلة في الواقع، ومعدَّلة حسب كل فرصة، ومُرسَلة عبر منصة سحابية آمنة وقابلة للتوسع.

الاستشهاد: Sanyal, P., Rathore, K. & Arjunan, R.V. RAGMail: a cloud-based retrieval-augmented framework for reducing hallucinations in LLM text generation. Sci Rep 16, 7925 (2026). https://doi.org/10.1038/s41598-026-38913-w

الكلمات المفتاحية: أتمتة رسائل البريد البارد, التوليد المعزز بالاسترجاع, هلوسات نماذج اللغة الكبيرة, منصات الذكاء الاصطناعي السحابية, التواصل الوظيفي المخصص