چکیده: چکیده با رشد سریع مدل‌های زبانی بزرگ، این سامانه‌ها به ابزارهای مؤثر در طیف وسیعی از حوزه‌ها، از جمله تولید محتوا، ترجمه ماشینی، پاسخ به پرسش‌ها، تحلیل متون و پشتیبانی تصمیم، تبدیل شده‌اند. عملکرد این مدل‌ها به‌شدت به کیفیت و ساختار درخواست‌های ورودی وابسته است. هرچند این مدل‌ها توانایی چشمگیری در درک زبان طبیعی دارند، در بسیاری از موارد کاربران نمی‌توانند منظور خود را به‌طور کامل منتقل کنند و در نتیجه خروجی‌ها از دقت، انسجام و ارتباط کافی برخوردار نیستند. برای رفع این مشکل مهندسی درخواست مطرح شدهاست که هدف آن بهینه سازی ارسال درخواست به مدلهای زبانی میباشد. تحقیقات پیشین در زمینه مهندسی درخواست، عمدتاً بر طراحی دستی یا اصلاح تدریجی درخواست‌ها با استفاده از آزمون و خطا متمرکز بوده‌اند. این رویکردها، گرچه در بهبود عملکرد مدل مؤثرند، اما فرآیندی پرهزینه، زمان‌بر و نیازمند تخصص انسانی و تجربه محسوب می‌شوند و قابلیت مقیاس‌پذیری محدودی دارند. برخی روش‌های نوین از بهینه‌سازی گرادیانی، یادگیری تقویتی و الگوریتم‌های تکاملی بهره گرفته‌اند، با این حال همچنان چالش‌هایی نظیر حفظ معنا، جلوگیری از تناقض و سازگاری خروجی با هدف اصلی باقی مانده است. در این پژوهش، چارچوبی چندمرحله‌ای برای بهینه‌سازی درخواست‌ها ارائه شده است که محدود به کاربرد خاصی نیست و قابلیت استفاده در حوزه‌های متنوع پردازش زبان طبیعی را دارد. این چارچوب، از خود مدل زبانی برای ارزیابی، بازخورددهی و بازنویسی استفاده می‌کند. دو الگوریتم پیشنهادی با ساختار سه‌مرحله‌ای و پنج‌مرحله‌ای توسعه یافته‌اند که به ترتیب بر پایه تحلیل گفتمانی و کنترل تضاد معنایی عمل می‌کنند. در این چارچوب، مرحله‌ای ویژه برای کنترل و شناسایی رانش مفهومی در نظر گرفته شده است تا از تغییر ناخواسته معنا یا استنتاج‌های متن اولیه در فرآیند بازنویسی جلوگیری شود و خروجی نهایی، علاوه بر بهبود نگارش، از نظر دقت مفهومی نیز با نسخه اصلی همخوان باقی بماند. برای ارزیابی عملی این چارچوب، یک مطالعه تجربی در حوزه بهبود نگارش علمی مقالات انجام شد. در این آزمایش‌ها، بخش‌های چکیده، مقدمه و مرور ادبیات ۵۰ مقاله علمی با استفاده از الگوریتم‌های پیشنهادی بازنویسی و بهینه‌سازی شدند. نتایج نشان داد که نسخه‌های تولیدشده، از نظر شاخص‌های نگارشی، انسجام، شفافیت و دقت محتوایی، به‌طور معناداری نسبت به نسخه اولیه بهبود یافتهاند. این بهبودها توسط سه داور انسانی و سه مدل زبانی مستقل تأیید شدهاند که ضمن اثبات کارایی رویکرد چندمرحله‌ای در بهبود نگارش علمی، پتانسیل تعمیم آن به سایر حوزه‌های پردازش زبان طبیعی نیز آشکار گردید.