مع تزايد التحديات في مجالات مثل تخصيص الموارد والتخطيط، يصبح تحسين اتخاذ القرار أمراً حيوياً. ولكن تبقى عملية صياغة نماذج التحسين التوافق مع الواقع واحدة من أكبر العقبات، حيث تتطلب الخبرة في المجال والمعرفة بالتحسين، وهما غالبًا ما يكونان نادرين.

لكن بفضل الأبحاث الحديثة في نماذج اللغة الضخمة (Large Language Models)، يمكننا تجاوز هذه العقبات. حيث يمكن لهذه النماذج توليد نماذج تحسينية مقترحة من الأوصاف الطبيعية بسهولة. ومع ذلك، ازداد القلق حول موثوقية كل نموذج تم توليده عبر نموذج لغة ضخم واحد فقط، مما يجعل الاعتماد على نموذج أحادي حكراً على المخاطر.

هنا تظهر أهمية دراسة جديدة تقترح خوارزمية مبتكرة لتوليد محفظة (Portfolio) من نماذج التحسين، هدفها الرئيسي هو تعزيز موثوقية النماذج المنتجة. تتجاوز المقاربة الجديدة ما اعتُبر تقليديًا، حيث تعد النماذج اللغوية الكبيرة كمولدات عشوائية وتفاعلات مقيمة. تقترح الخوارزمية إطارًا موحدًا يستفيد من كلا القدرتين بشكل تكاملي.

تقدم الدراسة ضمانات نظرية تشير إلى أنه طالما أن إما المولد أو المقيم يتماشى بشكل جيد مع تفضيلات البشر، فإن المحفظة ستحتوي بلا شك على نماذج ذات جودة عالية. هذا يسهل نظامًا قائمًا على مشاركة الإنسان، حيث يمكن لصناع القرار مراجعة مجموعة من الخيارات قبل اتخاذ القرار النهائي.

تم اختبار هذه المقاربة بشكل تجريبي، حيث أظهرت أداءً قويًا عبر مجموعة متنوعة من مهام نمذجة التحسين، مما يثبت فعالية هذا النهج الجديد في مواجهة التحديات الحالية.