من اختيار الاستشهاد إلى امتصاصه: لماذا لا يعني الوجود في الهوامش صياغة الإجابة الفعلية

المؤلف والباحث: تقي مولوي (Taqi Molavi) الناشر: مركز مولوي للبحث والتطوير (molavi.pro/notes) تاريخ النشر: ۱۰ أكتوبر ۲۰۲۶ التصنيف: معمارية RAG وهندسة البحث التوليدي

۱. مفارقة قمع RAG: موقعك موجود في المصادر، لكنه غائب عن الإجابة!

يحتفل مسؤولو التسويق أحياناً بانتصارات وهمية:

*«انظروا! عندما نبحث في Perplexity أو ChatGPT Search، يظهر رابط موقعنا في قائمة المصادر (Sources) أسفل الصفحة!»*

ولكن عند قراءة النص المولد بعناية، تنكشف حقيقة صادمة: لقد صاغ الذكاء الاصطناعي حججه ومعلوماته بالكامل بناءً على بيانات منافسيك، ولم يستخدم حقيقة واحدة من موقعك في النص النهائي!

هذه الظاهرة وثقتها دراسة أكاديمية تأسيسية في عام ۲۰۲۶ (arXiv:2604.25707). تعمل أنظمة RAG الحديثة عبر مرحلتين منفصلتين:

1. المرحلة الأولى: اختيار الاستشهاد (Citation Selection / Retrieval): يسترجع محرك البحث ۱۰ إلى ۲۰ صفحة مرتبطة بالموضوع وفقاً للتشابه المتجهي.
2. المرحلة الثانية: امتصاص الاستشهاد (Citation Absorption / Synthesis): يقرأ النموذج اللغوي تلك الصفحات ويحدد أياً منها يمتلك كثافة حقائق وسلطة كافية ليتم امتصاصه في الاستنتاج النهائي.

مئات الصفحات تجتاز المرحلة الأولى، لكن يتم التخلص منها في المرحلة الثانية!

۲. نسبة امتصاص الاستشهاد (Absorption Ratio - AR)

ضمن مؤشر مولوي للظهور في الذكاء الاصطناعي (MAVI)، نقيس هذا الاختناق بمقياس نسبة الامتصاص:

$$\text{Absorption Ratio (AR)} = \frac{\text{عدد الجولات التي تم فيها امتصاص حقائق الموقع في النص}}{\text{عدد الجولات التي تم فيها اختيار الموقع كمصدر أولي}}$$

┌────────────────────────────────────────────────────────┐
│  مدخل RAG: استرجاع الويب (Citation Selection)          │
│  [مصدر A]   [موقعك]   [مصدر B]   [مصدر C]              │
└──────────────────────────┬─────────────────────────────┘
                           │  مرشح الكثافة والإنتروبيا
                           ▼
┌────────────────────────────────────────────────────────┐
│  الإجابة المصوغة النهائية (Citation Absorption)        │
│  "بناءً على نتائج المصدرين A و B...                    │
│   [تم استبعاد موقعك أثناء الصياغة!]"                   │
└────────────────────────────────────────────────────────┘

معايير التقييم:

* $AR < 0.35$ (فشل الامتصاص): محتواك مليء بعبارات تسويقية عامة تفتقر إلى الحقائق الصريحة. * $0.35 \le AR \le 0.65$ (مستوى متوسط): تُمتص التعريفات جزئياً ولكن يتم تجاوزك في التوصيات الحاسمة. * $AR > 0.65$ (مرجعية عالية): تمت هيكلة محتواك كمقاطع ذات استقلال دلالي، مما يجبر النموذج على استيعابها.

۳. الحلول الهندسية: معمارية VPA والأدوات مفتوحة المصدر

1. تطبيق معمارية VPA: استخدام معمارية VPA لصياغة فقرات تحتوي على حقائق صلبة وبيانات قابلة للتحقق.
2. إصلاح DOM عبر [SiteProbe](https://github.com/tmolavi/siteprobe): تنظيف الأكواد غير الضرورية وتقديم نصوص نقية برمجياً للروبوتات.
3. تدقيق المقاطع عبر [SAGE](https://github.com/tmolavi/sage-audit): قياس نسبة المعلومات للرموز قبل النشر.

٤. المسارات التالية

* معمارية VPA والتحكم في الإنتروبيا الدلالية في RAG * مؤشر مولوي للظهور في الذكاء الاصطناعي (MAVI) * صفحة الأدلة التقنية والبراهين الحية * طلب تدقيق GEO للمؤسسات