この論文は、大規模言語モデル（LLM：Large Language Model）を使ったソフトウエア設計を、品質を意識して安定させる手法「Questions‑of‑Thoughts（QoT）」を提案します。研究者たちは、ユーザーの要望を順序立てた設計手順に分解し、各手順でモデル自身が自問自答する仕組みを導入しました。こうして要件の見落としを減らし、後続の設計判断を安定させることをねらいとしています。背景には、不完全な実装や弱いモジュール化、セキュリティ対応のばらつきといった実運用上の課題があります。

方法はシンプルに三つの要素で構成されます。まず「Sequential Process Chain（順序化された工程チェーン）」で高位目標を複数の順序つきの小さな手順に分解します。次に各手順で「Question–Answer Chain（自己質問チェーン）」を動かし、設計上の制約や抜けを問い直して検証します。最後に「Reasoning Knowledge Base（推論知識ベース）」が途中の判断と回答を蓄積して、次の手順で参照できるようにします。実装では、途中でエラーが起きた分岐は現在は終了して構造化されたエラーメッセージを返しますが、実運用では再試行やフォールバックを追加できるとしています。

評価はバックエンドの三つの実例領域で行われました。対象はAPI設計、データ通信、ファイルシステムです。各領域は複数モジュールの分解を必要とし、LLMが陥りやすい標準的な失敗例が出やすい課題です。生成物の比較には、ISO/IECに触発された品質ルーブリックを使い、スケーラビリティ（拡張性）、完全性、モジュール性、セキュリティの観点で点数化しました。QoTの効果は「QoTスコア−NoQoTスコア」の差分で報告しています。

結果はモデルの能力に依存する傾向を示しました。大きなモデルやより複雑な領域ではQoTが一貫して品質を改善しました。一方で、小さめのモデルでは、与えられる文脈や計画に使える予算が厳しいと、トレードオフが生じることがありました。つまり、QoTは常に万能というわけではなく、モデルの計算能力や与えられたリソースに左右されます。論文はいつどのようにQoTが成果を向上させるかの分析も示しています。

付随する貢献として、研究チームはプロンプト、採点指針、生の生成物、報告を再現するスクリプトなどを含むオープンなアーティファクトを公開しています。これは他の研究者や実務者が手法を再現し、比較評価を行いやすくするためです。

重要な注意点として、本稿で示された評価は三つの代表領域と提示したルーブリックに基づく実験の結果に限られます。実装の現行版はエラー分岐を終了する単純な処理を行い、さらなる堅牢化（再試行や代替戦略の導入）は今後の拡張とされています。したがって、実運用での一般化や他分野への適用には追加の検証が必要です。