شهدت نماذج الذكاء الاصطناعي تطورًا ملحوظًا في السنوات الأخيرة، حيث أصبحت تُستخدم كأجزاء برمجية أساسية في مختلف التطبيقات. لكن مع هذه التعددية، يبرز تحدي اختيار النموذج الأمثل. فمعظم المنصات الحالية تركز على مقاييس الشعبية، مغفلة الجوانب التشغيلية والقدرات الوظيفية.

هنا يأتي دور HugSelect، وهو إطار دعم اتخاذ القرار القابل للتفسير، والذي يُعنى بعملية اختيار نماذج الذكاء الاصطناعي. يعتمد HugSelect على قاعدة بيانات ضخمة تضم 71,274 نموذجًا، ويجمع بين بيانات المستودعات، المميزات الوظيفية، والمواصفات النوعية المستخرجة من مناقشات المجتمع.

ويتم تصنيف النماذج بناءً على نموذج تجميعي مدروس يُظهر تفاصيل النقاط المعتمدة. أجري تقييم شامل لـ HugSelect عبر تجارب مقارنة مع أربعة أنظمة توصية تجارية تعتمد على نماذج لغوية ضخمة (LLM)، مما أظهر أن جودة التوصيات كانت على قدم المساواة مع الأنظمة التجارية، مع ميزة توفير منطق ثابت يمكن تتبعه وفهمه. كما أثبتت النتائج أن الخصائص الوظيفية كانت العامل الرئيسي لدقة الاسترجاع، مع تعليقات إيجابية أولية من المستخدمين توضح سهولة استخدام الإطار وكفاءته.