Архивтер мен құжаттарды басқару үшін әмбебап шешім емес ірі тілдік модельдер

Аңдатпа

Мемлекеттік секторда ірі тілдік модельдердің (LLM) кеңінен таралуы тиімділікті арттыруға және қызмет көрсету сапасын жақсартуға елеулі мүмкіндік береді. Алайда, әсіресе ресурстары шектеулі ортада LLМ-дерді қолдану көбінесе жүйесіз және бейресми сипатта жүзеге асады. Архив қызметкерлерінің дайын (off-the-shelf) ірі тілдік модельдерді жеке аккаунттар арқылы, институционалдық бақылаусыз, бейімдеусіз және құрылымдалған сұраныс (prompt engineering) тәсілдерінсіз пайдалануы кәсіби қызмет үшін тәуекелдер туындатады. Бұл құралдар архивтік өңдеудегі артта қалушылықты жоюдың тиімді тәсілі бола алғанымен, жаңа пайдаланушылар контекстен ажыратылған модельдерді қолданумен байланысты тәуекелдерді толық түсінбеуі мүмкін. Бұл зерттеуде Ботсвана ұлттық архивінің бес архивтік құжаты негізінде үш коммерциялық қолжетімді LLM – DeepSeek, ChatGPT және Gemini – бағаланды. Зерттеу жаңа пайдаланушыға бағытталған эксперименттік кейс-талдау әдісіне негізделді. Арнайы салалық нұсқауларсыз берілген қарапайым сұраныс негізінде алынған нәтижелер архивтік қағидаттарға сүйене отырып қалыптастырылған он бір сипаттамалық санат бойынша бағаланды. Зерттеу нәтижелері бірқатар жүйелі тәуекелдерді анықтады: дереккөздің түпнұсқалылығына нұқсан келтіретін жалған (шынайы емес) ақпаратты «ойдан құрастыру» (hallucination); хронологиялық байланыстарды бұрмалайтын дәлелсіз уақыттық пайымдаулар; сипаттамалық стандарттарға сәйкес келмеу, соның салдарынан интероперабельділіктің бұзылуы; визуалды мүмкіндіктердің әркелкілігіне байланысты қорларға тән бұрмаланулар; сондай-ақ тарихи тұрғыдан сезімтал тілдік бірліктерді бірізді емес өңдеу. Бірде-бір LLM әмбебап тұрғыда тиімді екенін көрсеткен жоқ, бұл салалық бейімдеу кезінде мультимодальды және көпагентті мүмкіндіктерді ескеру қажеттігін білдіреді. Зерттеудің жаңалығы эмпирикалық нәтижелерді практикалық кәсіби ұсынымдарға айналдыруымен ерекшеленеді. Атап айтқанда, LLM енгізудің үш деңгейлі моделі (қолдаулы зерттеу, шартты автоматтандыру, интеграцияланған көмек), ресурстары шектеулі ортаға арналған енгізу матрицасы және шешім қабылдау блок-схемасы ұсынылған. Зерттеу қорытындысы бойынша, LLМ-дерді қауіпсіз енгізу рәсімдік тәртіпті, ортақ ресурстарды және архивтік жүйеге енгізілетін әрбір нәтижені адам тарапынан тексеруді талап етеді. Бұл тәсіл технологияны сынсыз автоматтандыру мен одан толық бас тарту арасындағы теңгерімді жолды ұсынады.