في عالم الذكاء الاصطناعي، يعد النموذج الانتقائي (Selective State Space Models) خطوة ثورية في نمذجة التسلسل. لكن، حتى مع ميزة النموذج الزمني الخطي، لا تزال هذه النماذج تعاني من حساسية جدولة chunks أثناء عمليات المسح الانتقائية. هنا تأتي تقنية COREY، المجدولة الذكية التي تتمحور حول مفهومين أساسيين هما "الفكرة" و"الجدوى".

تستفيد COREY من قياس الفوضى (Entropy) في تحديد حجم الchunks بشكل ديناميكي، وهو ما يساعد على تحقيق أداء أفضل على مستوى الدورات العملياتية داخل الأنظمة. لقد تم تقييم COREY عبر ثلاث مراحل: بداية بنموذج تكاليف أولي، ثم قياسات زمنية حقيقية للدورات، وأخيرًا اختبارات مُركبة على وحدات معالجة الرسوميات الحديثة (GPUs).

وبالفعل، أظهرت نتائج التجارب أن قاعدة "H_ref=log K" تستطيع استرجاع chunk محلي مثالي، مما أدى إلى تقليص زمن الاستجابة بنسبة تصل إلى 4.41 مرة مقارنةً بأساليب غير محسنة على وحدات معالجة الرسوميات التجارية، وبنسبة تتراوح بين 3.90 إلى 4.04 مرة على معالجات مركز البيانات.

ومع ذلك، فإن تنفيذ هذه التقنية في kernels الحية لم يحقق تحسناً كبيراً في سرعة التنفيذ عند ملاحظة كل من الاختبارات المباشرة ومقارنة الحجوم الثابتة. ورغم أن استخدام COREY مثّل إضافة بـ 4.6% من التكاليف، فإنه لا يزال يُظهر أبطأ أداء مقارنةً بالأثر الثابت.

تُمكّن COREY المستخدمين من العمل بكفاءة أكبر، مما يضمن توازنًا بين الجودة والوقت، رغم أن التوافق مع الإحصائيات السابقة لجدولة الفوضى لا يتفوق على ضبط الحجوم الثابتة في الأحمال المعنية. باختصار، يعتبر COREY نموذجًا مثاليًا للحفاظ على الجودة بينما يسعى لشق طريقه في مجال تحسين الجدولة في الذكاء الاصطناعي.