في خطوة مثيرة في عالم تحسين الأداء، قام الباحثون بدراسة تحسين وظائف DR-submodular غير المتزايدة عبر الإنترنت. تركز دراستهم على وظائف غير سلبية وغير متزايدة ويستخدمون تقنيات جديدة للحصول على نتائج مبهرة.

تشير النتائج إلى أن أفضل عامل تقريبي معروف في النسخة الأوفلاين (offline) هو 0.401، وما يجعل الأمور أكثر إثارة هو أن هذا العامل يمكن تحقيقه أيضًا في النسخة الأونلاين (online). تكمن القوة في النموذج المستخدم، الذي يعتمد على معلومات كاملة بعد اتخاذ القرار، حيث يمكن للخوارزمية التي طوّروها تحقيق نسبة 0.401 مع خطأ تقريبي تحت السيطرة.

المثير للاهتمام هو أن هذه الخوارزمية لا تحتاج لتنفيذ نموذج الأوفلاين على أهداف متغيرة، بل تستخدم بدلاً من ذلك متعلمًا وزنيًا يتحكم في المصطلحات المتبقية مجتمعة. كما يوضح الباحثون أن النظرية المعادلة للاحتفاظ بالتوازن غير المتماثل تحافظ على المعاملات الأوفلاين على الرغم من التباين التنافسي.

الخوارزمية المقترحة تضمن رجوعًا بقيمة O(T^{3/4})، وتستخدم O(dT^{1/4}) من المكالمات في كل جولة. بصرف النظر عن ذلك، يمكن أيضًا تحسين أداء الخوارزمية العامة لتتناسب مع قيود معينة لتعزيز الكفاءة.

إن هذا التطور يعد خطوة هائلة في تحسين الأداء في التطبيقات المعروفة كما يبشر بمستقبل واعد في تقنيات الذكاء الاصطناعي.