في عالم الذكاء الاصطناعي، يتطلب توجيه الأدوات والوكلاء استراتيجيات مبتكرة، وهو ما تم تسليط الضوء عليه في الدراسة الأخيرة التي قدمت معيار WildChat. هذا المعيار يركز على كيفية معالجة استعلامات بلغة طبيعية، مما يجعله يعكس طبيعة مشكلة التنبؤ متعددة القيم، حيث يتطلب استعلام واحد عدداً من الوكلاء لتحقيق أفضل النتائج.

يحتوي معيار WildChat على 3000 استعلام مستند إلى كتالوج ثابت مكون من 12 وكيل، حيث تم استخدام تسميات مدعومة بالذكاء الاصطناعي تابعة لنموذج محدد وإعادة توازن متحكم فيه لتقييم متعدد التسمية. تشمل بروتوكولات التقييم معايير على مستوى المجموعة مثل الدقة (Precision) والاسترجاع (Recall) ومقياس F1، مع التركيز على تكلفة التنفيذ.

تأثرت النتائج التي تم الحصول عليها بمقاييس عدة، بما في ذلك المحاكاة التي تركز على تقنيات القدرة التنفيذية والتغطية. تم مقارنة الطرق المستخدمة مع عدة أساليب، منها المطابقة الأقرب (nearest-neighbor matching) والتصنيف الخطي متعدد التسمية (linear multilabel classification) ونموذج مُحسّن للدالّة.

تكشف النتائج أن التوجيه الخاضع للإشراف يتفوق بشكل ملحوظ على طرق مثل المطابقة الأقرب (nearest-neighbor) والتوجيه بدون تدريب (zero-shot LLM). كما يُظهر النموذج الخطي متعدد التسمية أداءً قويًا كمعيار عملي للأداء. في السياق المقيد، أثبتت طبقة التوجيه المدعومة بالوزن أنها تعزز الفائدة عند تطبيقها على أفضل النماذج الخاضعة للإشراف، مع أكبر تحسينات لوحظت في النماذج المُحسّنة.

بالمجمل، يعتبر معيار WildChat وبروتوكول التقييم أداة قيمة لدراسة قابلة للتكرار لتحليل التوازن بين دقة الأداء وتكاليف التنفيذ في توجيه الوكلاء متعدد الوظائف.