في عالم [أنظمة](/tag/أنظمة) [البحث](/tag/البحث) والتوصيات، تُعد [النماذج](/tag/النماذج) التنبؤية عرضة لمشكلة عدم [الاستقرار](/tag/الاستقرار) الزمني، خاصة عندما تقوم بعض الميزات بإدخال تقلبات سلبية في درجات [التقييم](/tag/التقييم). هذا الأمر قد يضر بموثوقية النموذج وتجربة المستخدم، خصوصاً في الأنظمة متعددة المراحل التي تتطلب [توقعات](/tag/توقعات) متسقة لصنع القرار في المراحل التالية. هنا يأتي دور نظام فورتيز (Fortress)، الإطار العام لتقوية [استقرار](/tag/استقرار) ودقة النموذج من خلال [التعرف](/tag/التعرف) على الميزات غير المستقرة واستبعادها.

يعتمد نظام فورتيز على مجموعة من الخطوات المدروسة: أولاً، يقوم بجمع لقطات تاريخية مقسمة زمنياً تتعلق بتقلبات الدرجات لنفس الكيان على مر الزمن. ثم يتم تحديد العينات ذات [التوقعات](/tag/التوقعات) غير المستقرة. بعد ذلك، يتم عزل وإزالة الميزات التي تسبب عدم [الاستقرار](/tag/الاستقرار). وأخيراً، يتم إعادة [تدريب النماذج](/tag/[تدريب](/tag/تدريب)-[النماذج](/tag/النماذج)) مستخدماً فقط الميزات المستقرة.

بينما تعزز الميزات الدلالية المستمدة من [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) (Large Language [Models](/tag/models)) والنماذج القائمة على [BERT](/tag/bert) التعميم، إلا أنها غالباً ما تفتقر إلى تغطية كاملة للاستعلامات أو الكيانات. وعلى الجانب الآخر، توفر الميزات المستندة إلى [التفاعل](/tag/التفاعل) [قوة](/tag/قوة) تنبؤية قوية، لكنها تميل إلى إدخال عدم [الاستقرار](/tag/الاستقرار) الزمني. يقوم نظام فورتيز بتقليل هذه [المخاطر](/tag/المخاطر) عن طريق كبح تقلبات الإشارات التفاعلية مع الاحتفاظ بقيمتها التنبؤية، مما يؤدي إلى [نماذج](/tag/نماذج) أكثر استقرارًا ودقة.

تم [التحقق](/tag/التحقق) من فعالية نظام فورتيز من خلال تطبيق [نموذج](/tag/نموذج) لتحديد الصلة بين الاستعلامات والتطبيقات في [سوق](/tag/سوق) [التطبيقات](/tag/التطبيقات) الضخم. أظهرت [التجارب](/tag/التجارب) داخل المختبر [تحسينات](/tag/تحسينات) بارزة في [استقرار](/tag/استقرار) التوقعات، تم قياسها بواسطة معامل التباين، وأداء التصنيف، تم قياسه بواسطة PR-AUC. إن هذه النتائج تبشر بمستقبل واعد لتطوير [نماذج](/tag/نماذج) أكثر [كفاءة](/tag/كفاءة) تؤثر بشكل إيجابي على جميع المستخدمين.