في عالم الذكاء الاصطناعي المتطور، تمثل نماذج اللغات الضخمة (Large Language Models) أدوات فعالة يمكن استخدامها في العديد من التطبيقات. لكن، تكمن التحديات الحقيقية في إدارة الكثير من الأدوات بشكل فعال. هنا يأتي دور تقنية PORTS، التي تقدم طريقة مبتكرة لتحسين اختيار الأدوات من خلال المسترجعات المخصصة.

تسعى PORTS إلى تخفيف القيود المرتبطة بطول المدخلات وزمن الاستجابة، من خلال تطبيق أساليب قائمة على الاسترجاع لاختيار الخيارات الأكثر ملاءمة. لكن ما يميز PORTS هو قدرتها على دمج إشارات تفضيل مستوحاة من معايير مقاييس التشتت، مما يساعد في تحسين العلاقة بين احتمالات الاختيار والأداء الفعلي.

من خلال تجارب شاملة على مجموعات بيانات متعددة ونماذج مختلفة من نماذج اللغات الضخمة، أثبتت PORTS كفاءتها في تحسين دقة اختيار الأدوات. والفضل يعود إلى عملية التوفيق السلسة التي تعتمدها PORTS، والتي تسمح بالتكيف الفعال مع الاستفسارات والأدوات الجديدة، حتى مع مطالبة سطح الحوسبة المتواضع.

إن هذه التقنية تمثل خطوة جديدة نحو إحداث التغيير في كيفية التعامل مع الأدوات في تطبيقات الذكاء الاصطناعي، مما يسهل إدخال أدوات جديدة مع الحفاظ على كفاءة الأداء.