اختبار استرجاع الوثائق العربية

يثبت اختبار استرجاع الوثائق العربية ما إذا كان البحث أو نظام RAG يعيد الأدلة الصحيحة المسموحة للأسئلة التي يطرحها المستخدمون العرب فعلياً. ويفحص المقاطع والسجلات قبل الحكم على الإجابة النهائية. لا تعوض الإجابة العربية الطليقة استثناء مفقوداً أو مصدراً متقادماً أو نتيجة تخص جمهوراً آخر غير المستخدم المقصود.

المهمة العملية للمنشآت السعودية هي بناء مرجع محلي للصلة، بمرجعية واضحة وأسئلة طبيعية وأحكام قابلة للفحص. يستخدم الدليل مكتبة افتراضية لمعلومات زوار معرض؛ وقواعدها مختلقة لشرح المنهج فقط، وليست إرشادات لأي جهة حقيقية. تدعم الأدلة قراراً محدوداً ضمن تقييم جاهزية بيانات المؤسسة والذكاء الاصطناعي، ولا تثبت تفوق نموذج واحد في العربية لجميع المؤسسات والمهام.

حدد مهمة الاسترجاع قبل اختيار المقياس

حدد السائل وحاجته والدليل الكافي لطلبه. يحتاج الزائر الباحث عن قاعدة التصوير الإذن والاستثناء المنطبقين، بينما يحتاج الموظف الباحث عن مالك القاعدة سجلاً مختلفاً. لا تثبت درجة التشابه أي المهمتين خدم النظام. اذكر الجمهور ومجموعة المصادر واللغة وسياق التاريخ ونافذة النتائج التي سيفحصها التطبيق أو المستخدم عند البحث.

قرر هل يفحص الاختبار العثور على الوثيقة أم المقطع أم تجميع الأدلة كاملة. العثور على ملف السياسة مفيد، لكن تطبيق RAG قد يحتاج البند المحدد والفقرة المقيدة له. وقد يبدو المقطع مناسباً بينما ينتمي إلى مسودة متقاعدة. سجل وحدة الحكم واحفظ هوية المصدر الأصلي، حتى لا يكافئ التقييم جزءاً انتزع من مرجعيته أو فترة سريانه.

استبعد التوليد من الجولة التشخيصية الأولى. احفظ السؤال والنتائج المرتبة، ثم اسأل المراجع عن وجود الأدلة اللازمة للمهمة. بعد ذلك قيّم الإجابة المولدة. يربط تقييم جاهزية RAG بين المرحلتين، بينما يطور هذا الدليل الأسئلة العربية وأحكام الصلة التي تجعل أدلة الاسترجاع قابلة للاعتماد، وتفصل مشكلة العثور على المعلومة عن مشكلة صياغتها.

اجمع الأسئلة العربية من العمل المقصود

استخدم مصادر مأذوناً بها ومقللة التفاصيل عند الحاجة، مثل مقابلات الموظفين وأمثلة الاستفسارات المعتمدة وورش المهام المنضبطة. احفظ وصف الناس لحاجتهم قبل تحويله إلى لغة رسمية. قد يسأل الزائر هل أقدر أصور كل المعروضات؟ بينما تستخدم السياسة صياغة رسمية لقيود التصوير. ينبغي أن يختبر المرجع هذا الفرق الحقيقي، لا أن يكرر كل سؤال عنوان الوثيقة نفسه.

أدرج العربية الفصحى والتعبير المحلي والمصطلحات المختلطة حيث تظهر فعلاً في المسار. لا تفترض لهجة سعودية واحدة ولا تختلق تعبيرات عامية لإضفاء طابع محلي. اطلب من المستخدمين المتمكنين مراجعة الصياغة والقصد. وسجل هل جاء المثال من عمل مرصود أم إعادة صياغة منضبطة أم حالة تحد أنشئت عمداً، حتى يعرف القارئ دلالة تغطية المجموعة.

يستخدم بحث MIRACL الأصلي أحكام صلة من متحدثين أصليين لاسترجاع متعدد اللغات من ويكيبيديا. يبرز المنهج أهمية الحكم اللغوي، لكن درجاته لا تثبت جاهزية مؤسسة. تحتاج مكتبة معرض ذات تواريخ سريان وحدود وصول أسئلتها ووسوم أدلتها الخاصة، بدلاً من تبني نتيجة معيار عام بوصفها اعتماداً للاستخدام المحلي.

أنشئ سجل أسئلة بأدلتها المتوقعة

سجل أسئلة عربية توضيحي لمكتبة زوار افتراضية

السؤال	القصد الذي يحفظ	الدليل المطلوب	موضع التحدي
هل أقدر أصور كل المعروضات؟	جواز التصوير في جميع الأماكن	الإذن العام وبند القاعة المستثناة	إعادة الإذن دون استثنائه
هل يسمح بالفلاش في القاعة العامة؟	جواز الفلاش في قاعة محددة	النص المنطبق الذي يمنع الفلاش	مطابقة كلمة التصوير مع فقد النفي
ما شروط زيارة المجموعة المدرسية؟	متطلبات فئة الزيارة المدرسية	قاعدة المجموعات المعتمدة للتاريخ المقصود	استبدالها بقواعد فعاليات الشركات الخاصة
أحتاج سياسة الزيارة التي كانت نافذة في سبتمبر	استعلام تاريخي	الإصدار النافذ خلال سبتمبر المحدد	إعادة أحدث ملف مرفوع دائماً
هل يشمل الحجز ورشة الأطفال؟	شمول حجز معين لنشاط	توضيح نوع الحجز قبل اختيار الدليل	تخمين استحقاق من نشرة عامة
أين أجد لائحة الزوار رقم V-17؟	بحث بمعرف وثيقة دقيق	الوثيقة المخولة ذات المعرف نفسه	استبدال المطابقة بوثيقة مشابهة

يحمل كل بند أيضاً معرفاً ثابتاً ومعرفات المصادر المتوقعة ودور مستخدم مسموحاً ونسخة المجموعة ووسم قابلية الإجابة. لا تحفظ تفاصيل شخصية غير لازمة من استفسار حقيقي. وإذا اعتمد السؤال على تاريخ أو نوع حجز، فأضف السياق صراحة أو صنف نقصه كحاجة إلى توضيح. لا يقيم سؤال ناقص مقابل افتراض خفي يعرفه المصحح وحده.

لا تساو الإجابة المقبولة بصياغة واحدة مفضلة. قد تدعم الأدلة تعبيرات صحيحة متعددة. تحدد وسوم الصلة الحقائق والقيود المطلوبة، ولا تكافئ نسخ جملة المقيم. اجعل التفسير المرجعي موجزاً قابلاً للفحص، ومحدداً بما يكفي ليفهم مراجع آخر سبب كفاية المقطع أو نقصه، دون الاعتماد على معرفة ضمنية لم تسجل.

استخدم أحكاماً عربية بمعيار ظاهر

يمكن لمعيار عملي التمييز بين دليل كاف وسياق مفيد ناقص ومادة غير ذات صلة. في هذا التصميم التوضيحي، تعني درجتان تقديم الحقيقة المطلوبة بالنطاق الصحيح، ودرجة واحدة ارتباطاً بالموضوع دون استكمال الدليل، وصفر عدم دعم السؤال. هذه وسوم داخلية مقترحة، وليست معياراً عاماً ملزماً للاسترجاع العربي أو اعتماداً خارجياً للأداء.

طبق شروط المرجعية والوقت والصلاحية صراحة. لا يمنح بند مستبدل الدرجة الكاملة لسؤال عن سياسة حالية لمجرد التشابه الدلالي. ولا تصبح وثيقة مقيدة دليلاً مقبولاً لهوية غير مخولة. وعند الحاجة إلى عدة مقاطع، قيّم مجموعة الأدلة إلى جانب المقاطع المفردة. يمنع ذلك ظهور نتيجة جزئية مكتملة لأن فقرة مناسبة واحدة احتلت مرتبة عالية.

اجعل مراجعاً ثانياً يفحص الأحكام المؤثرة أو المختلف عليها. سجل هل الخلاف في المعنى العربي أو أولوية المصدر أو سياق ناقص أو معيار الحكم. احسم السبب واحتفظ بملاحظة القرار. لا تحل كل خلاف بمتوسط درجات؛ فإذا لاحظ مراجع حظراً محذوفاً، فقد يكون عيباً جوهرياً في الدليل يحتاج حسم مالك المعلومات، لا تسوية حسابية بين رأيين.

اختبر النفي والاستثناء بأزواج أسئلة

لنفترض أن القاعدة الحالية في المكتبة الافتراضية تسمح بالتصوير دون فلاش في القاعة العامة، وتمنع التصوير في قاعة المقتنيات المعارة. يحتاج سؤال «هل أستطيع تصوير كل المعروضات؟» البندين معاً. إعادة الإذن العام وحده ناقصة، حتى لو اشترك المقطع مع السؤال في معظم الكلمات. ولا تعمم الإجابة النهائية إذناً محدوداً على جميع مرافق المعرض.

أنشئ أزواجاً تختلف في عنصر مؤثر واحد: بفلاش أو دونه، أو القاعة العامة مقابل قاعة الإعارة، أو زائر فرد مقابل مجموعة مدرسية. حافظ على صياغة عربية طبيعية. الغرض معرفة استجابة النظام للفارق، لا مجرد عودته بمقاطع مألوفة. ثبت المصادر أثناء المقارنة، وسجل الدليل المتوقع لكل طرف حتى يمكن تفسير تغير النتائج.

أنشئ أيضاً أزواج مصادر تشترك في المفردات وتختلف في النطاق. قد يسمح دليل الفعالية الخاصة بترتيبات لا تتاح للزيارة العامة. يصلح هذا المصدر كحالة سلبية صعبة ضمن المجموعة التشخيصية المأذون بها. اشرح سبب عدم كفايته لسؤال الزائر؛ فالتشابه إشارة للبحث، بينما تظل قابلية التطبيق شرطاً يفحص مستقلاً ولا يقررها ترتيب النتيجة وحده.

اجعل تسوية النص العربي قابلة للملاحظة

وثق معالجة التشكيل والتطويل وصيغ الحروف واللواصق والأرقام المختلطة. قيّم التحويلات على أسئلة ومعرفات فعلية، ولا تفترض أن زيادة التسوية تحسن الصلة دائماً. قد يدمج الإفراط فروقاً تحتاجها المنشأة، بينما يفوت القصور صيغاً عادية. احفظ السؤال الأصلي والصيغة المستخدمة فعلياً في البحث للمراجعة التشخيصية وفهم سبب المطابقة أو غيابها.

تسرد وثائق المحللات اللغوية الرسمية في Azure AI Search محللات عربية وواجهة لفحص الوحدات الناتجة. يساعد ذلك في تفسير المطابقة اللفظية، لكنه لا يثبت جودة الاسترجاع المتجهي أو صحة العربية في إعداد هجين. اختبر مراحل البحث المضبوطة ومخرجاتها، ولا تعامل اسم محلل عربي كشارة تثبت جاهزية النظام أو سلامة كل قيوده.

أبق المعرفات الدقيقة والشروط الرقمية تحت قواعد حقول مناسبة. لا ينبغي أن يختفي V-17 داخل تفسير دلالي عام لعبارة لائحة الزوار. وإذا شمل السؤال تاريخاً أو شرط عمر في سياسة افتراضية، فتحقق من تمثيله ومطابقته صراحة. يكشف الاختبار هل يحافظ النظام على القيد أم يعيد فقرة مرتبطة بالموضوع عموماً لكنها لا تنطبق على الحالة المطلوبة.

قيّم الاسترجاع من الإنجليزية بسؤال عربي كمهمة مستقلة

قد تخزن المؤسسة ثنائية اللغة الجواب الحاكم بالإنجليزية بينما يسأل المستخدم بالعربية. هذه مهمة استرجاع عبر اللغات تختلف عن البحث العربي في وثائق عربية. سجل لغة السؤال والمصدر لكل حالة. وإلا أخفت نتيجة قوية في اتجاه ضعف الاتجاه الآخر، خصوصاً عندما تختلف تغطية الترجمات أو تواريخ نشرها أو الأغراض التي أعدت من أجلها.

لا تفترض قابلية تبادل النسختين. إذا اختلف دليل زوار عربي وسياسة تشغيل إنجليزية، فحدد أولاً المصدر الحاكم للسؤال المقصود. يعالج تقييم مرجعية الوثائق ثنائية اللغة هذا القرار. لا يحسم ضبط الاسترجاع المرجعية باختيار النسخة الأعلى تشابهاً، ولا يجعل اللغة الأكثر اكتمالاً في الفهرس مرجعاً ملزماً دون قرار من مالك المحتوى.

حين تدخل الترجمة في مسار السؤال، احتفظ بالأصل والترجمة ضمن الأدلة التشخيصية المنضبطة. يفحص مراجع مؤهل تغير الحظر أو الشرط أو مرجع الكيان. قارن البحث مع الترجمة ودونها على مجموعة ثابتة. يعزل ذلك المشكلة في الترجمة أو تمثيل البحث أو توفر المصدر، بدلاً من نسبة كل حالة غياب إلى ضعف عام في العربية.

مثال مرجعي: فرق بين استرجاع الأدلة واكتمالها للسؤال

لنفترض مجموعة تحديات عربية من 40 سؤالاً. لثلاثين منها إجابات معتمدة محسومة، وستة بلا جواب في المكتبة المقبولة، وأربعة تحتاج توضيحاً قبل اختيار المصدر الصحيح. من الأسئلة الثلاثين، يحتاج 18 سؤالاً مقطعاً واحداً ويحتاج 12 سؤالاً مقطعين. لذلك يبلغ عدد المقاطع المطلوبة 18 مضافاً إليها 24، أي 42 مقطع دليل.

نتائج افتراضية ضمن أول خمسة مقاطع للأسئلة القابلة للإجابة

فئة السؤال	الأسئلة	المقاطع المطلوبة	المقاطع المطلوبة الموجودة	أسئلة مكتملة الأدلة
أسئلة بمقطع واحد	18	18	14	14
أسئلة بمقطعين	12	24	22	11
المجموع القابل للإجابة	30	42	36	25

في هذه النتيجة المصممة، تساوي تغطية المقاطع المطلوبة قسمة 36 على 42، أي نحو 85.71%. وتساوي تغطية الأسئلة بأدلة كاملة قسمة 25 على 30، أي نحو 83.33%. يفترض صف المقطعين غياب المقطعين معاً لسؤال واحد. يجيب المقياسان عن سؤالين مختلفين فيسمى كل منهما بدقة. ونافذة أول خمسة مقاطع اختيار للاختبار، لا قاعدة قبول عامة.

أبق الأسئلة الستة بلا جواب والأربعة الملتبسة في التقرير الكامل. قيّم صحة بيان الحدود أو طلب السياق الناقص، ولا تحذفها بصمت لإظهار نتيجة أفضل. ولأن الحالات الأربعين أنشئت عمداً، تصف النسب المرجع، ولا تقدر نسبة جميع استفسارات الزوار الحقيقية التي سينجح النظام في تلبيتها أو معدل أدائه المستقبلي دون دراسة إضافية.

استخدم مقاييس الترتيب دون إخفاء شرط العمل

تميز مقاييس الترتيب وجود المقطع المناسب أولاً عن دفنه في أسفل النتائج. عند استخدام مقياس متدرج مثل المكسب التراكمي المخصوم المعياري، أعلن سلم الصلة وعمق النتائج ومعاملة المواد غير المحكوم عليها. وعند استخدام الاسترجاع النسبي، أثبت مجموعة الأدلة المتوقعة وحدود اكتمال الأحكام. لا يجعل اسم المقياس تجربتين متكافئتين ما لم تتوافق تعريفاتهما وحدودهما.

اعرض إلى جانب المقياس سؤالاً تشغيلياً بسيطاً: هل يستطيع المراجع الحصول على كل الأدلة المسموحة المطلوبة ضمن نافذة التطبيق؟ يربط ذلك تحسن الترتيب بالمهمة. قد يرفع النظام نظرة عامة إلى أول القائمة ويظل فاقداً للاستثناء اللازم. قد يحسن هذا بعض المتوسطات دون معالجة فجوة الجاهزية التي تمنع إجابة السؤال بصورة صحيحة.

افحص الفروق على مستوى السؤال بين الإعدادات. اعرض التحسن والتراجع والثبات، مع تفسير التغيرات المؤثرة. لا تختر فائزاً بناء على زيادة صغيرة في المتوسط على مجموعة محدودة وحدها. وإذا تركز التحسن في عائلة واحدة أو صيغ شبه مكررة، فبين هذا التركيز قبل التوصية باستخدام أوسع أو تعميم النتيجة على موظفين ومصادر لم تشملها التجربة.

لا تخلط المقطع غير المحكوم عليه بالمقطع غير المناسب

قد يجد إعداد جديد مصدراً صالحاً لم يره المراجعون الأوائل. احفظ حالة «لم يحكم عليه» حتى يفحص بالمعيار نفسه. إعطاؤه صفراً تلقائياً قد يحابي الإعداد القديم الذي شكلت نتائجه المرجع الأول. وفي المقابل، قبول كل مرشح جديد يكافئ اتساع البحث دون دليل. وسع مجموعة الأحكام عمداً، وسجل الوسوم الناتجة في إصدار معلوم.

في مجموعة مؤسسية صغيرة، اسأل المالك هل يمكن حصر جميع المصادر الحاكمة للسؤال. إن أمكن، فوثق مجموعة الأدلة. وإن تعذر، فبين حدود الأحكام المعروفة ولا تدع شمول الاسترجاع. افحص عينة متوازنة من مرشحات الإعدادات المتنافسة، وأخف هوية النظام عن المراجعين حيث يلائم، حتى ينصب الحكم على انطباق المصدر لا على مورد أو نموذج مفضل.

احم المرجع من حفظ الأسئلة

افصل أسئلة التطوير عن مجموعة محفوظة للتأكيد حيث تسمح المواد. اجمع صيغ السؤال الواحد معاً حتى لا تظهر صياغة شبه مطابقة في الجانبين دون ملاحظة. ثبت إصدارات المصادر وحدود المهمة في المقارنة، وسجل الاختلافات المقصودة في الوقت أو الجمهور. فالاستقلال الظاهري بين ملفين لا يثبت استقلال الأدلة إذا حملا المعنى نفسه بصورة مختلفة قليلاً.

لا تصنع مرجعاً ضخماً بتوليد مئات الصيغ السطحية لبنود قليلة. يضخم ذلك العدد دون توسيع التغطية. غط مقاصد وعائلات مصادر وقيوداً وآليات إخفاق مختلفة. يفحص مراجعون عرب طبيعية المرشحات المولدة وحفاظها على القصد قبل قبولها، ويتحققون من أن الصياغة الجديدة تضيف حالة ذات معنى لا مجرد تبديل كلمات لإطالة القائمة.

وثق انكشاف مجموعة الاختبار للمطورين. إذا اطلعوا على كل سؤال وضبطوا النظام عليه مراراً، فسم المجموعة مرجع تطوير لا تأكيداً مستقلاً. تظل مفيدة للتحقق من عدم التراجع، لكن قرار الجاهزية يقر بحدودها. ويمكن لأسئلة جديدة من عمل حقيقي مأذون به أن تضيف أدلة لاحقاً وفق قواعد المصدر والحكم نفسها.

تتبع الإخفاق إلى أول دليل مفقود

عند فشل سؤال، تحقق أولاً من وجود جواب معتمد للمستخدم والتاريخ المقصودين. ثم افحص استخراج المصدر وفهرسته ببياناته اللازمة. وبعد ذلك افحص التصفية وتحويل السؤال وجلب المرشحات وترتيبها. لا تنسب المشكلة إلى مولد الإجابة قبل هذه المراحل. احفظ النتائج الوسيطة اللازمة للتسلسل، حتى لا تختزل التحقيق في تعديل تعليمات النموذج مراراً.

إذا فقد النص العربي نفياً أو علاقة جدول قبل الفهرسة، فعد إلى تقييم جودة التعرف الضوئي العربي. وإذا صح النص وكان الترتيب خاطئاً، فاستخدم تشخيص البحث المؤسسي لعزل الإعداد. وإذا تعارض مصدران، فاحسم المرجعية. إسناد السبب إلى مالكه الصحيح أنفع من وصف جميع المشكلات بأنها «ضعف الذكاء الاصطناعي العربي» دون دليل يوجه الإصلاح.

اختبر الإصلاح على الفئة المتأثرة وحالات مجاورة ذات صلة. قد يحسن مرادف سؤالاً عامياً ويوسع سؤالاً آخر بصورة خاطئة. سجل المفاضلة واحتفظ بالإعداد السابق للمقارنة. يحتاج التقييم دليلاً على حل المشكلة المحددة دون إنشاء مشكلة جديدة غير مقبولة داخل نطاق التجربة، لا مجرد تحسن المثال الذي عرض على الفريق أثناء التشخيص.

قدم حزمة قرار يستطيع مراجع عربي فحصها

تضم الحزمة نسخة المصادر وسجل الأسئلة واتجاهات اللغات ومعيار الصلة وقرارات حسم الخلافات والإعداد ونتائج كل سؤال. افصل مسائل المرجعية والصلاحيات المفتوحة عن إخفاقات الاسترجاع. أدرج أمثلة صحيحة لبيان الحدود وطلب التوضيح؛ فهي جزء مهم من التجربة المسموحة، خصوصاً مع أسئلة عامة ينقصها سياق لا يجوز للنظام تخمينه.

حدد عائلات الأسئلة العربية التي تدخل التجربة وما يستبعد أو يحتاج مراجعة بشرية. تعكس عتبات القبول المقترحة أثر المهمة والأدلة المتاحة. إنها قرارات تصميم داخلية، لا ادعاء بوجود درجة نجاح واحدة لكل استرجاع عربي. استخدم حزمة قرار الجاهزية لربط النتائج التقنية بالخطوة التي يريد الراعي اعتمادها وبالمسؤول عن الأدلة المتبقية.

ناقش اختبار استرجاع الوثائق العربية مع Open for AI باستخدام مصادر منزوعة التفاصيل الحساسة وأسئلة طبيعية ونتائج الاسترجاع الحالية إن وجدت. يبني التقييم مرجعاً قابلاً للمراجعة ويحدد عوائق العثور على أدلة عربية مفيدة. وينتج مساراً محدوداً قابلاً للاختبار، بدلاً من ادعاء ترتيب أو تفوق مستند إلى عرض محادثة طليق وحده.