تعتبر تقييمات الوكلاء (Agent Evaluations) من الأمور الحيوية في عالم الذكاء الاصطناعي (AI). في الوقت الحاضر، يتم تقييم النماذج (Models) بناءً على الحالة المرئية في نهاية التشغيل المتوقف، لكن هذه الطريقة قد تخفي تعقيدات أكبر تحتاج إلى تسليط الضوء عليها.

التحليل الحالي يشير إلى أن اعتبار score نتيجة نهائية يتطلب وجود شرطين أساسيين:
1. **النتيجة النهائية (Outcome Finality)**: يجب أن تُعتبر النتائج التي تم تحقيقها ثابتة.
2. **فصل الوحدات (Cross-Unit Separation)**: أي أنه يجب أن تكون الوحدات المختلفة مستدامة وغير مرتبطة ببعضها البعض.

تظهر الأدلة أن هذين الشرطين غير مرتبطين بناءً على كيفية التفاعل بين التطورات المتأخرة ومؤشرات التقييم. على سبيل المثال، بيّنت دراسة حديثة أنه أثناء إعادة التشغيل المنضبط، تختلف التسميات النهائية مثل endpoint بين كل عملية متأخرة. هذا يعني أن العمليات المؤجلة يمكن أن تُغير نتيجة التشغيل التالي إذا استمرت حالة الخدمة بين العمليات، ولكن الأمر مختلف في حالة العزل أو إعادة الضبط المؤكدة.

في مراجعة لعشرة بروتوكولات عامة، وُجد أن جميع البروتوكولات تحدد موعد توقف التشغيل وما يتم تقييمه بوضوح. ومع ذلك، إن كانت العمليات غير المكتملة والبيانات اللازمة لمعالجة العمليات كإجراءات منفصلة لم يتم توثيقها بشكل متسق، فهذا قد يخلق غموضًا في نتائج التقييم.

لذا، نقترح وجود سجل مفتوح للتأثيرات (Open-Effects Record) يُدون العمليات أو الموارد التي قد تبقى ذات صلة بعد نهاية التشغيل، حالتها الحالية، وما إذا كانت قد تؤثر على نتيجة التقييم أو تؤثر على تشغيل آخر. ومن هنا، يمكننا أن نرى كيف تؤثر هذه الديناميكيات على دقة النموذج ككل ومدى شفافيته في تحليل النتائج.