تشهد أدوات الذكاء الاصطناعي تطورات متسارعة، ومعها تظهر الحاجة إلى معايير تقييم أكثر دقة وفعالية. قدمت تقنية أوتاب (OTAP - Optimal Transport for Agentic Planning) بديلاً محوريًا للطرق التقليدية التي تعتمد على مؤشرات بسيطة مثل العلم الأحمر للنجاح أو تطابقها مع مرجع معتمد، حيث أنها غالبًا ما تفشل في تمييز الحلول السليمة عن تلك التي تحقق النجاح بالصدفة.

بدأت هذه الابتكارات بفهم أعمق لطبيعة التنفيذ، حيث تعيد أوتاب صياغة آلية تقييم المسارات كمسافة بين هيكل تنفيذ الوكيل ومجموعة من الرسوم البيانية للحلول الصحيحة. وهذا يتم تحقيقه من خلال مشكلة نقل جروماف-فاسرشتاين غير المتوازنة، والتي تأخذ في اعتبارها الرسوم البيانية المعتمدة على الخصائص.

تعتبر النتائج التي تخرج بها أوتاب بمثابة قياسات ظرفية ثبت أنها غير حساسة لإعادة ترتيب المعتمد على الاعتمادات، مما يسمح بتقييم أكثر دقة للمسارات المتنوعة. كما أن الآلية تقدم دقة أعلى عند استرداد الرسوم البيانية بشكل دقيق، وترتفع دقة الأداء في وجود أخطاء أو خطوات مختصرة.

هذا التحديث الجذري يعد بفهم أفضل لكيفية تفوق الوكلاء في المهام، مما يسهم في تحسين مستقبل الذكاء الاصطناعي بما يتماشى مع التطورات السريعة الحالية.