تعتبر أسئلة الكفاءة (Competency Questions - CQs) أحد الأسس المهمة في هندسة الأنطولوجيا، حيث تمثل متطلبات معينة يجب أن تلبيها الأنطولوجيا. تقليديًا، يقوم مهندسو الأنطولوجيا بالتعاون مع خبراء المجال بتطوير هذه الأسئلة من خلال عملية استقصاء تعتمد على البشر. ولكن، مع ظهور الذكاء الاصطناعي التوليدي (Generative AI)، أصبح بالإمكان إنشاء هذه الأسئلة على نطاق واسع، مما ي democratize (يعمم) هذه العملية ويعزز من المشاركة من قبل مختلف الأطراف المعنية.

ومع التنوع الكبير في نماذج اللغة الكبيرة (LLMs) من حيث نطاق المعلمات، وتخصص المهام والمجالات، والوصول إليها، يصبح من الضروري فهم الخصائص الأساسية المرئية للأسئلة التي يتم إنتاجها. تتناول هذه الدراسة الجديدة مقارنة منهجية لتحليل الخصائص المتعلقة بجودة الأسئلة المولدة، مثل قابلية القراءة ومدى الصلة بالنص المدخل وتعقيد الهيكل.

يتم اختبار مجموعة من الأسئلة التي تم توليدها من سيناريوهات معينة باستخدام نماذج لغة كبيرة متعددة، منها نماذج مفتوحة مثل KimiK2-1T وLLama3.1-8B، ونماذج مغلقة مثل Gemini 2.5 Pro وGPT 4.1. وتظهر النتائج أن أداء نماذج اللغة الكبيرة يعكس ملفات تعريف توليد متميزة تتشكل بناءً على سيناريو الاستخدام.

في عصر يتزايد فيه الاعتماد على تقنيات الذكاء الاصطناعي، فإن فهم كيفية تحسين هذه النماذج لعمليات الهندسة المعرفية يمكن أن يُحدث فرقًا كبيرًا في كيفية تفاعل المؤسسات مع البيانات والمعلومات. لنستعد للاستفادة من هذه التطورات، حيث تفتح لنا الأبواب لعالم جديد من الإمكانيات.