تزداد حاجة وكالات الذكاء الاصطناعي المستندة إلى نماذج اللغات الضخمة (Large Language Models) في أداء المهام المتصلة بالبيانات، مثل فهم البيانات واستكشافها واسترجاعها. إلا أن أداء هذه الوكالات يعتمد بشكل كبير على وضوح وكمال معاني البيانات. في الواقع، تظل العديد من أوصاف الحقول غامضة أو غير مكتملة، حيث يأتي جزء كبير من السياق الأساسي (مثل معنى حقل مخصص) من معرفتنا بموضوعات معينة ويكون نادرًا ما يكون موثقًا علنًا.

تُعتبر هذه الفجوة عائقًا أمام أداء الوكالات في المهام اللاحقة مثل الربط بين الكيانات. ولذلك، نقدم نظامًا جديدًا ومتعدد الجوانب يدعى ISEE، لتحسين تفاعل المستخدم مع المعاني المرتبطة بحقول البيانات. من خلال تقديم وصف لحقل بيانات، يقوم ISEE بقياس جودته عبر نظام تقييم، ويتجمع المعرفة من المجالات، ويعمل على إثراء المعاني بالتعاون مع المستخدمين.

أظهرت دراسة قد أجريناها، تشمل محاكاة المستخدمين الآلية، والتقييم الكمي، ودراسات الحالة، أن نظام ISEE يقلل بشكل كبير من الحمل المعرفي على المستخدمين، ويحسن جودة الأوصاف، ويعزز أداء المهام اللاحقة. لذا، إذا كنتم تبحثون عن طرق لتحسين أداء الأنظمة الذكية الخاصة بكم، فإن ISEE قد تكون الحل الذي انتظرتموه.