در سه نسخه‌ی متوالی هوش مصنوعی ایرانی «زال»، با تمرکز هم‌زمان بر گسترش آگاهی دامنه‌ای، تازه‌سازی مستمر منابع علمی و بازطراحی لوله‌ی (Pipeline) پردازش متن فارسی، به ۷۰٪ رشد تجمیعی در شاخص‌های داخلی‌مان (پوشش دانشی، تازگی استنادی و کیفیت پاسخ) رسیدیم. این مسیر با عرضه‌ی سه نسخه‌ی اختصاصی «زال» و تثبیت خطوط محصول (از Zal 1 تا Zal 3) پشتیبانی شده است.
۱) نقشه‌ی راه سه‌نسخه‌ای «زال»
- Zal 1 – نسخه‌ی پایدار اولیه: تمرکز بر تقویت بنیان‌های شناختی (لحن ها) و پایداری سرویس. در گزارش نسخه‌ها، «افزایش ۷۰ درصدی منابع شناختی» برای Zal 1 ثبت شده است؛ همچنین گزارش عملکرد ۶ماهه، رشد حدود ۷۰٪ در سرعت پاسخ‌گویی را نشان می‌دهد.
- Zal 2 – جهش تخصص‌گرایی: تقویت مرکز دانش شخصیت‌های تخصصی و افزایش ۷ برابری خودآگاهی.
- Zal 3 – شخصی‌سازی عمیق تر تا ۷۰ درصد : امکان «ساخت دستیار اختصاصی» و رشد اکوسیستم کاربری
۲) چگونه به «۷۰٪ جهش» رسیدیم؟ (چارچوب داخلی ارزیابی)
شاخص ترکیبی داخلی ما سه بُعد را می‌سنجد:
- Awareness Coverage: سهم پرسش‌های تخصصی که پاسخ معتبر و هم‌خوان با دامنه‌ی علمی دریافت می‌کنند.
- Freshness: نسبت پاسخ‌های متکی بر منابع علمی تازه‌به‌روز (طبق چرخه‌های به‌روزرسانی محتوایی که در محصول پیاده‌سازی شده است).
- Text Quality: کیفیت نگارش، همبستگی متن و ثبات سبک در مکالمات طولانی
این شاخص‌ها روی هر سه نسل، با مجموعه‌ای از سناریوهای مرجع سازمانی و بازبینی انسانی سنجیده می‌شوند و نتیجه‌ی تجمیعی، ۷۰٪ رشد نسبت به خط مبنا نشان می‌دهد. (این عدد، سنجه‌ی داخلی تیم ما است.)
۳) ستون‌های فنی ارتقاء
- تازه‌سازی چرخه‌ای دانش: زمان‌بندی منظم برای به‌روزرسانی منابع علمی و بازایندکس‌کردن محتوا؛ این فرایند به‌طور مستقیم در بُعد Freshness اثر می‌گذارد.
- تخصص‌گرایی هدایت‌شده: از Zal 2 به بعد، ریل‌های شخصیت/تخصص موجب عمق‌بخشی آگاهی دامنه‌ای و پایداری در سبک پاسخ شده‌اند.
- پایداری و مقیاس: زیرساخت پردازشی پایدار برای مدل‌های زبانی (Zal) که به کاهش قطعی‌ها و بهبود SLA کمک می‌کند.
- شخصی‌سازی در مقیاس: در Zal 3، ساخت دستیار اختصاصی و یادگیری تدریجی، حلقه‌ی بازخورد کاربر را به هسته‌ی محصول وصل کرده و کیفیت پاسخ‌ها را در دامنه‌ی کاری هر کاربر بالا برده است.
۴) دستاوردهای کلیدی برای کاربر و سازمان
- پاسخ‌های تازه‌تر و مستندتر: به‌لطف چرخه‌ی به‌روزرسانی منابع علمی.
- ثبات در مکالمات طولانی: کاهش اختلال و افت کیفیت در سناریوهای چندپیامی.
- اکوسیستم توسعه‌پذیر: سه نسخه‌ی «زال»
۵) مسیر پیش‌رو
- گسترش پوشش رشته‌ها (با کنترل ریسک و توضیح‌پذیری پاسخ).
- افزایش پنجره‌ی زمینه برای متون بلند پژوهشی.
- پایش خودکار کهنگی منابع و بازآموزی دوره‌ای.
- انتشار گزیده‌ای از معیارهای داخلی برای تسهیل مقایسه‌ی بیرونی.
جمع‌بندی
«زال» از نسخه‌ی پایدار اولیه تا تخصص‌گرایی و شخصی‌سازی عمیق، یک قوس رشدی روشن داشته است: ۷۰٪ جهش در شاخص ترکیبی داخلی ما حاصل هم‌افزاییِ تازه‌سازی دانش، بهبود پردازش متن و معماری محصول بوده است.
