في عالم البحث العلمي والتطور البرمجي، برزت نماذج اللغة الكبيرة (Large Language Models) كأداة قوية تسهم في البحث عن البرامج واكتشاف الخوارزميات. ومع ذلك، فإن الاعتماد المستمر على نماذج عالية الأداء يتطلب تكلفة كبيرة. لذلك، ماذا لو كان بالإمكان دمج النماذج القوية والموارد الاقتصادية ضمن ميزانية ثابتة؟

تقدم دراستنا تحليلاً عميقًا للتطورات التطورية المدفوعة بنماذج اللغة الكبيرة، حيث وجدنا أن التقدم في البحث يتأثر بشكل كبير بعوامل أولية. الأداء في البداية يحمل معلومات مهمة رغم كونه مليئًا بالضجيج، مما يشير الى أن النماذج الاقتصادية يمكنها استعادة الكثير من التقدم المبكر المحقق بواسطة النماذج القوية، لكن بتكلفة أقل.

وبالتالي، نقترح إطار عمل مبتكر يسمى extbf{النقل السريع (Relay)}، والذي يعتمد على تقنية "التسليم بين النماذج". هذه التقنية تقوم بتحويل تخصيص الميزانية من المكالمات الفردية إلى مجموعات متطورة عبر ما يعرف بنقل السكان التكيفي. يقوم نموذج اقتصادي باستكشاف مسارات متعددة في كتلة قصيرة يتم تخصيصها بواسطة نظام تخصيص ذكي، حيث يتم استخدام متغير "Relay Gain" لقياس التحسين الهام الناتج عن مجموعة متنوعة من المرشحين.

عبر إجراء تجارب على أربعة معايير مالية وثلاث ميزانيات، أثبت نموذجنا فعاليته بتحقيق أعلى متوسط درجات في 11 من أصل 12 إعداد، متفوقًا بذلك على المنافسين. تشير نتائجنا إلى أن تخصيص الميزانية يجب أن يكون منظمًا حول السكان وليس حول المكالمات الفردية، مما يفتح آفاقاً جديدة للبحث المدعوم بنماذج اللغة الكبيرة.