أصبحت وكالات LLM (Large Language Model) جزءًا لا يتجزأ من سير العمل في تقديم الخدمات التقنية، حيث يعتمد نجاحها على تبني المهندسين للإجابات المولَّدة. تواجه التذاكر الخدمية تحديات عدة، منها الخفاء في منطق اتخاذ القرارات، الاستجابات المضطربة، وارتفاع تكلفة تقييم المكافآت. على الرغم من أن الحلول الحالية مثل النهج ما بعد التدريب وLLM كقاضٍ قد حسَّنت من توجيه الاستجابة أو التعليقات، إلا أنها لم تجمع بين نمذجة اللوجستيات المخفية، تنوع الاستجابة، وتكاليف المكافآت.

لقد قدمت هذه الدراسة الجديدة إطار عمل مبتكر يجمع بين Augmentation Logic، وتقليل الضوضاء، ونمذجة المكافآت الهجينة. يتضمن هذا الإطار تحسين بيانات التدريب المشرف عليها باستخدام نمذجة المسارات الواعية بالتخطيط، وبناء الحقيقة المتعددة المصفاة، وتدريب السياسة من خلال مكافأة هجينة تجمع بين نماذج التقييم وLLM كقاضٍ.

على مستوى المهام الحقيقية للخدمات التقنية السحابية، حقق نموذج Qwen3-4B المعدل أعلى قيمة لمؤشر Multi-ECS (0.441)، فضلاً عن تكاليف مكافآت أقل، ومعدل اعتماد إنتاجي مرتفع يصل إلى 46.63%.

إذاً، كيف يمكن لهذه التطورات أن تؤثر على مستقبل تقديم الخدمات التقنية؟