في عالم البحث العلمي المتسارع، تظهر حاجة ملحة لتحسين استرجاع المعلومات البيولوجية. هنا يأتي دور OntologyBench، معيار جديد للتقييم يقدم 471,854 زوجاً من استعلامات التدريب و125,744 زوجاً من استعلامات التقييم.

تركز هذه المعيار على ثلاثة مجالات رئيسية: تحديد المفاهيم (Concept Grounding)، واسترجاع العلاقات (Relational Retrieval)، واسترجاع الصفات التركيبية (Compositional Phenotype-Based Retrieval). وعلى الرغم من أن هذه المهام يمكن التعامل معها باستخدام أساليب معرفية تعرف باستخدام الأونتولوجيا، فإن الأداء عبر المهام يظهر أداءً أقل في المهام المرتبطة بالعلاقات والتركيبات مقارنةً بمهمة تحديد المفاهيم.

تشير النتائج إلى أن تحسين النموذج باستخدام إشراف مستمد من الأونتولوجيا يزيد من الأداء في عدة مهام مرتبطة بالعلاقات والتركيبات. ومع ذلك، لم تقدم الطرق المستخدمة في إعادة التصنيف وتقييم المرشحين المعتمدة على نماذج اللغات الضخمة (Large Language Models) أي تحسين حقيقي من البداية للنهاية. تظهر الأخطاء بشكل متكرر في تطابق الأمراض مع مجموعات فرعية فقط من أدلة الصفات.

تأكد هذه النتائج أن تكوينات النماذج المستخدمة في الاسترجاع وإعادة التصنيف لا تعيد استعادة التوافق بدقة للمعرفة المنسقة التي تم ترميزها بواسطتها، مما يستدعي تطوير أنظمة استرجاع تتمكن من دمج التمثيلات المتعلمة مع المعرفة البيولوجية المنسقة بشكل أفضل. هذه الابتكارات تحمل في طياتها وعداً كبيراً لتحسين كيفية وصولنا إلى المعلومات البيولوجية الدقيقة وذات الصلة.