في عالم يتحرك بسرعة نحو الذكاء الاصطناعي، يُعتبر تحسين التصميم (Prompt Engineering) أساسياً للتفاعل الفعّال مع الأنظمة المولدة. ومع ذلك، فإن الأساليب الحالية لتحسين العبارات غالباً ما تعمل في فضاء عبارات غير منظم وشاسع، مما يؤدي إلى تكاليف حسابية عالية وإمكانية تشويه المعنى الأصلي.

هنا تأتي تقنية تحسين تجزئة وتوثيق العبارات (Prompt Segmentation and Annotation Optimisation - PSAO)، التي تم تصميمها كإطار هيكلي لتحسين كفاءة التحسين والتفاعل. يقوم PSAO بتقسيم العبارة إلى أجزاء مفهومة، مثل الجمل، ويضيف إليها توثيقات قابلة للقراءة البشرية، مثل {غير مهم} و{مهم} و{مهم جداً}. هذه التوثيقات توجه نماذج اللغات الضخمة (Large Language Models - LLMs) في تخصيص التركيز وتوضيح أي لبس أثناء عملية توليد الاستجابة.

يتم تعريف التقسيمات والتوثيقات بشكل رسمي، ويظهر البحث أن تحسين التوثيقات على مستوى الأجزاء يمكن أن يؤدي إلى استجابات أفضل من نماذج الذكاء الاصطناعي، حيث تبقى العبارة الأصلية كمرشح في فضاء التحسين لتفادي تدهور الأداء. وقد أظهرت التقييمات التجريبية أن PSAO تستفيد من التوثيقات من حيث دقة التفكير والتناسق الذاتي. ومع ذلك، تبقى تطوير أساليب فعالة لتحديد التقسيمات والتوثيقات المثلى تحدياً يحتاج إلى تحقيق مستقبلي.

هذا العمل يمثل إثباتاً للمفهوم، حيث يظهر إمكانية وفعالية تحسين التوثيق على مستوى الأجزاء.