نموذج مبتكر لإنتاج سيناريوهات اتخاذ القرار المعقدة باستخدام نماذج اللغة الكبيرة!

في مجال البحث العلمي المرتبط باتخاذ القرار، يعتمد العديد من العلماء على سيناريوهات متنوعة تتميز بتعقيد مدروس بعناية. ومع ذلك، فإن إنتاج هذه السيناريوهات يدوياً يعد عملية بطيئة وغير متسقة، وقد تتعرض للانحياز. ولكن، مع التكنولوجيا المتطورة اليوم، تم تطوير نظام تلقائي يستخدم نماذج اللغة الكبيرة (Large Language Models) لإنشاء سيناريوهات منظمة ومتنوعة.

هذا النظام لا يعمل فقط على إنتاج السيناريوهات بل يقوم أيضاً بتقييم تعقيدها من خلال إطار عمل مركب مستند إلى نظرية تعقيد المهام المعروفة. تم تقييم 4,238 سيناريو عبر مجالات وطبقات تعقيد متعددة، وحقق التقييم معايير نفسية صارمة، حيث كانت درجات اتفاقية بين خمس عائلات نموذجية تقريباً مثالية، مع معامل ارتباط داخلي بلغ 0.997.

كما أظهرت الدراسة قدرة كبيرة على التمييز بين طبقات التعقيد، حيث كانت فعالية الفرق بين الطبقات كبيرة جدًا. أن التحليل العاملي كشف عن وجود بنية تعقيد رئيسية، بينما كان التفاعل بُعدًا ثانويًا ضعيفًا. وعلى الرغم من ذلك، كان هناك ارتباط قوي بين التعقيد وطول النص ما أثر على نقاء البنية ولكن لم يعوق وظيفة تصنيف الطبقات.

النماذج المتعددة أظهرت اختلافات واضحة في أداءها، حيث كان نموذج Llama 4 Maverick الأسرع في إنتاج السيناريوهات بواقع 134 سيناريو في الدقيقة، مقارنة بنموذج DeepSeek Chat V3.2 الذي قدم توازنًا بين جودة التغطية ونطاق المهام. باختصار، أعطت هذه الأنظمة الجديدة البنية التحتية اللازمة للتقييم المعرفي المنظم للأنظمة المدعومة بالذكاء الاصطناعي.