شرح RDLLM
ELI5
تخيل أن إجابة الذكاء الاصطناعي مثل تقرير مدرسي. RDLLM يجعل النظام يوضح ما المصادر التي استخدمها، وأي جملة يدعمها أي مصدر، وهل يجب أن يحصل أصحاب تلك المصادر على attribution أو payment. إذا كان الدليل ناقصا، فلا يجب أن تظهر الإجابة كأنها موثقة بالكامل.
Simple
RDLLM طبقة open-source لمنتجات الذكاء الاصطناعي. تضيف source footer ظاهر للإجابة، وتتحقق من أن المصادر تدعم claims فعلا، وتسجل كيف يرتبط source usage بالـ payout أو escrow.
استخدمها عند بناء chatbot أو RAG app أو search assistant أو agent أو model API أو marketplace أو creator platform وتريد أن يرى المستخدمون من أين جاءت الإجابة.
Non-Technical
RDLLM يساعد ثلاث فئات:
- المستخدمون يرون sources و Claim Evidence و confidence signals بدلا من إجابة AI مجردة.
- creators و publishers يحصلون على attribution evidence و settlement records.
- operators يحصلون على verification gates قبل عرض الإجابة كـ grounded أو royalty-bearing.
النظام لا يدعي أنه يقرأ أفكار النموذج المخفية. هو يعرض أدلة قابلة للملاحظة: visible source support و answer-source overlap و Claim Evidence و source-disagreement checks و payout allocation.
Technical
في runtime يأخذ RDLLM answer و source references و revenue context. ثم يبني source footer يحتوي على source rows و Claim Evidence rows. كل claim row يحتوي على claim hash و support score و evidence span hash و character offsets و evidence preview و warrant status و source-disagreement status و source label.
قبل العرض، يعيد verifiers حساب display hash و footer hash و row hashes و source
usage metrics و Claim Evidence و citation markers و answer links و
claim-source closure و model-reliance wording و attribution-gap closure و source
disagreement. تصبح الإجابة public-facing فقط عندما تكون
production_display_ready true و source_grounding_acceptance passed.
للبدء في التنفيذ: