بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
نماذج اللغة الكبرى تحمل انحيازاً ثقافياً واضحاً نحو القيم الغربية — وهو ما بات يُشكّل عقبة حقيقية أمام مجتمعات متعددة اللغات والثقافات مثل سريلانكا. فريق بحثي من عشرة باحثين نشر في arXiv ورقةً تُقدّم LKValues، أول مجموعة موارد مبنيّة على استطلاع ميداني لمحاذاة النماذج اللغوية مع القيم الاجتماعية السريلانكية (وفقاً للورقة البحثية على arXiv).
المشكلة ليست افتراضية. المعايير الموجودة حالياً تتجاهل تماماً القيم السريلانكية في لغتها الرسمية السنهالية، مما يعيق أي تقييم ثقافي دقيق أو fine-tuning ملائم. والسؤال الذي يطرحه الباحثون عملياً: هل يمكن بناء pipeline قابل للتكرار يُحاذي النماذج مع قيم مجتمع غير غربي ومحدود الموارد؟
للإجابة، انطلق الفريق من استطلاع ثلاثي اللغات شمل 205 مشاركين، مزجوا فيه بين أطر عالمية معدّلة ومُكوّنات محلية استُخلصت بمساعدة نماذج لغوية. من هذا الاستطلاع، استُخرج 40 قيمة اجتماعية حازت على أغلبية. وعلى أساس هذه القيم بُني المشروع بمكوّنيه الرئيسيين:
- LKValuesIT: مجموعة بيانات تدريبية مشتقة من أخبار باللغتين السنهالية والإنجليزية، تحتوي على 150 ألف نموذج تعليمي مبني على سيناريوهات قيمية واقعية.
- LKValuesBench: معيار تقييم يضم 1,000 نموذج مصمم لاختبار حساسية النماذج تجاه القيم السريلانكية.
اختبر الفريق مجموعة من النماذج المملوكة والمفتوحة الأوزان باستخدام LKValuesBench، ثم أجرى عملية fine-tuning على ثلاثة نماذج مفتوحة: Qwen3.5-4B-Base وQwen3.5-9B-Base وAya-Expanse-8B-Base. النتائج كاشفة: النماذج الأحدث والأكبر حجماً لا تزال تُظهر فجوات واضحة في محاذاة القيم الثقافية للغات محدودة الموارد (وفقاً للورقة البحثية على arXiv).
على صعيد التحسينات، أسهم fine-tuning باستخدام LKValues في تحسين نماذج عائلة Qwen باللغتين الإنجليزية والسنهالية، مع تقليص ملحوظ في المخرجات غير الصالحة والفوارق بين اللغتين. غير أن الباحثين أشاروا صراحةً إلى أن هذه المكاسب تبقى مرتبطة بعائلة النموذج، إذ لم تتكرر النتائج ذاتها مع Aya-Expanse بالدرجة نفسها — وهو تحفّظ منهجي مهم يمنع تعميم النتائج على كل بيئة.
ما يجعل هذا المشروع ذا قيمة تتجاوز سريلانكا هو قابليته للتكرار. المنهجية المتبعة — من الاستطلاع الميداني متعدد اللغات، إلى استخلاص القيم، فبناء بيانات التدريب والتقييم — تُقدّم نموذجاً عملياً يمكن تطبيقه في مجتمعات أخرى تعاني الغياب نفسه في benchmarks النماذج الكبرى. مجتمعات المنطقة العربية، مع تنوعها اللهجي وتعقيداتها الثقافية، ليست بعيدة عن هذه المعادلة. مجموعة البيانات متاحة للعموم، وقد تُشكّل نقطة انطلاق لأي فريق يرغب في بناء تجربة مماثلة لسياق ثقافي مختلف.
