SlideLab يستخدم وكلاء الذكاء الاصطناعي لإعداد العروض البحثية واختبارها

إعداد شرائح انطلاقًا من ورقة بحثية يتطلب أكثر من مجرد اختصار نصها. فالعرض يحتاج إلى سرد واضح، ومواد بصرية مفيدة، وتسلسل يساعد المستمعين على فهم البحث. ويهدف SlideLab، وهو نظام تصفه ورقة بحثية نُشرت على arXiv في 28 سبتمبر 2026، إلى تولّي هذه المهام.

يستخدم النظام عدة وكلاء للذكاء الاصطناعي، يُكلَّف كل منها بجزء من العمل. ويبدأ بوضع تصور لسرد العرض، ثم ينشئ مجموعة شرائح مشتركة وينقّحها. ويصف المؤلفون هذا النهج بأنه «لا يتطلب تدريبًا»، أي إنه لا يدرّب نموذج ذكاء اصطناعي جديدًا لأداء هذه المهمة.

كيف يُعدّ الشرائح؟

يتولى وكلاء SlideLab تخطيط المحتوى، وإنشاء المواد البصرية، وتحسين التنسيق، والتحقق من أن الادعاءات تستند إلى الورقة المصدر. ويعملون في جولات متكررة بدلًا من إعداد العرض دفعة واحدة. والهدف هو إنتاج عرض مترابط، مع ضمان استناد محتواه إلى البحث.

في دراسة لتفضيلات المشاركين أُجريت دون الكشف عن هوية الأنظمة، قارن المؤلفون SlideLab بأنظمة مفتوحة المصدر وأخرى تجارية. ويذكرون أن المشاركين فضّلوا عروض SlideLab في 77% من الأوراق التي اختُبرت. كما استخدم النظام نحو أربعة أضعاف أقل من رموز الاستدلال مقارنةً بأفضل نظام مفتوح المصدر جرت مقارنته به. والرموز أجزاء صغيرة من النص يعالجها نموذج الذكاء الاصطناعي، ويعبّر هذا الرقم عن مقدار استخدام النموذج، لا عن التكلفة مباشرةً.

كيف تُقيَّم العروض؟

تقدم الورقة أيضًا ConfArena، وهي طريقة تقييم تحاكي جمهور مؤتمر وتقيّم العرض شريحةً تلو الأخرى. ويقول المؤلفون إنها تنتج تصنيفات للأنظمة تتوافق مع تصنيفات البشر، ويمكنها رصد المشكلات المتعمدة، مثل تغيير الأرقام، أو تدهور جودة الرسوم، أو فقدان شرائح، أو وضعها بترتيب خاطئ.

وتعرض الورقة نتائج واعدة، لكن ملخصها لا يورد تفاصيل، مثل عدد الأوراق أو المشاركين في دراسة التفضيلات. وهذه التفاصيل مهمة للحكم على مدى إمكانية تعميم النتائج. وتُقدَّم ConfArena بوصفها وسيلة لاختبار عروض الشرائح، لا دليلًا على أن عرضًا أعدّه الذكاء الاصطناعي جاهز للتقديم من دون مراجعة بشرية.