ЖАЛҒАН АҚПАРАТТЫ АНЫҚТАУҒА АРНАЛҒАН БЛОКЧЕЙНМЕН КҮШЕЙТIЛГЕН IЗДЕУ АРҚЫЛЫ ТОЛЫҚТЫРЫЛҒАН ГЕНЕРАЦИЯ ЖҮЙЕСI

Авторлар

DOI:

https://doi.org/10.26577/JMMCS201211426

Түйін сөздер:

мәлiмдеменiң ақиқаттығын бағалау, жалған ақпарат, блокчейн, iздеумен толықтырылған жiктеу, DistilBERT, FAISS, LIAR деректер жинағы, абляциялық талдау, аудит iзi, трансформер модельдерi.

Аңдатпа

Саяси мәлiмдемелердiң ақиқаттығын автоматты түрде бағалау табиғи тiлдi өңдеудегi шешiлмеген мәселе болып қала бередi. Мақалада дәл бапталған DistilBERT жiктеуiшiн, қос индекстi iздеу кезеңiн (RAG мағынасындағы iздеумен толықтырылған жiктеу; мәтiн генерацияланбайды) және әрбiр шешiмдi оның дәлелдерiмен бiрге жазатын, ал шекаралық болжамдар үшiн ұқсас бұрынғы мәлiмдемелердiң шешiмдерiн консенсус сигналы ретiнде беретiн хэш-тiзбектi тiзiлiмдi бiрiктiретiн VeraChain жүйесi ұсынылады. Екi FAISS индексi де, тiзiлiм де тек LIAR оқыту жиынынан құрылады, ал негiзгi тест кезiнде тiзiлiм өзгертiлмейдi (қатырылады). LIAR-дың 1283 тест мәлiмдемесiнде бес кездейсоқ seed бойынша жүргiзiлген кезеңдiк абляция DistilBERT-тiң өзi 64,36 ± 1,25% дәлдiкке жететiнiн көрсеттi; тек шынайы мәлiмдемелердiң бiр индексiн қосу дәлдiктi 0,75 пайыздық тармаққа төмендетедi, жалған мәлiмдемелердiң екiншi индексi бұл шығынды қалпына келтiредi (+0,87 п.т., бес seed-тiң төртеуiнде оң), ал ықтималдықтар қатынасы мен тiзiлiм консенсусы тұрақты пайда бермейдi (−0,05 және −0,11 п.т.). Бастапқы seed-пен VeraChain 65,24% дәлдiкке жетедi, консенсус қадамы жоқ дәл сол жүйе үшiн бұл 64,77% (McNemar p = 0,36; айырманың 95% бутстреп аралығы [−0,39;1,33] п.т.). Iздеу нәтижесiн бiрiктiру DistilBERT-тiң калибрлеу қатесiн (ECE) 0,112-ден 0,045-ке дейiн азайтады, бiрақ DistilBERT-тi температуралық масштабтау 0,031 бе редi. Бiр ноутбук GPU-ында бiр мәлiмдеменi өңдеудiң медианалық уақыты тiзiлiм жазбасын дискiге жазуды қоса алғанда 17,5 мс (95-процентиль 20,9 мс). Нәтижелер хэш-тiзбектi тiзiлiм аз есептеу шығынымен өзгертуден қорғалған аудит жазбаларын бере алатынын, бiрақ оны консенсус сигналы ретiнде пайдалану LIAR-да дәлдiктi арттырмайтынын көрсетедi.

Автор өмірбаяндары

  • Әсем Турарбек, Әл-Фараби атындағы Қазақ ұлттық университетi, Алматы, Қазақстан

    Турарбек Әсем Турарбекқызы – PhD, әл-Фараби атындағы Қазақ ұлттық университетi ақпараттық технологиялар және жасанды интеллект факультетiнiң доцент мiндетiн арқарушы (Алматы, Қазақстан, электрондық пошта: asem.turarbek@kaznu.edu.kz).

  • Салтанат Нарбаева, Әл-Фараби атындағы Қазақ ұлттық университетi, Алматы, Қазақстан

    Нарбаева Салтанат Муратбековна – әл-Фараби атындағы Қазақ ұлттық университетi ақпараттық технологиялар және жасанды интеллект факультетiнiң аға оқытушысы (Алматы, Қазақстан, электрондық пошта: Narbaeva.salta@kaznu.kz).

  • Ахмет Докуз, Өмер Халисдемир атындағы Нигде университетi, Нигде, Түркия

    Докуз Ахмет Шакир – PhD, Өмер Халисдемир атындағы Нигде университетiнiң доцентi (Нигде, Түркия, электрондық пошта: adokuz@ohu.edu.tr).

  • Мухит Каримов, Әл-Фараби атындағы Қазақ ұлттық университетi, Алматы, Қазақстан

    Каримов Мухит Серикович – әл-Фараби атындағы Қазақ ұлттық университетi ақпараттық технологиялар және жасанды интеллект факультетiнiң магистранты (Алматы, Қазақстан, электрондық пошта: karimov_mukhit@live.kaznu.kz).

  • Лейля Көпбосын, Әл-Фараби атындағы Қазақ ұлттық университетi, Алматы, Қазақстан

    Көпбосын Лейля Серикбековна – техника ғылымдарының кандидаты, әл-Фараби атындағы Қазақ ұлттық университетi, Ақпараттық технологиялар және жасанды интеллект факультетiнiң ассистент профессоры (Алматы, Қазақстан, электрондық пошта: kopbosyn.leyliya@kaznu.kz).

Жарияланды

2026-11-21