في عالم الذكاء الاصطناعي المتطور، تعد المكتبات القابلة لإعادة الاستخدام للمهارات من البنى التحتية الأساسية لوكالات النماذج اللغوية الكبيرة (Large Language Models). ومع ذلك، فإن الطرق القائمة التي تعتمد على اختيار المهارات ما زالت تتعامل معها كوثائق قابلة للاسترجاع، مما ينتج قوائم ثابتة ضمن مجموعة محدودة.

في هذا السياق، يبرز إطار SkillSelect-Serve كحل ثوري. هذا الإطار يتجاوز المفاهيم التقليدية من خلال تقديم نظام متوازن يتحكم في الميزانية ويدرك جودة الخدمة (QoS). يتمحور هذا النظام حول وظيفة اختيار الخدمات المهارية وتشكيلها بذكاء.

لقد تمثل المهارات ضمن SkillSelect-Serve كخدمات مهارية منظمة، تحتوي على أوصاف وظيفية، وارتباطات، وتكاليف سياق، ومخاطر، وخصائص تتعلق بجودة الخدمة. هنا، يقوم مخطط متطلبات الميكرو وكيل بتحويل المهام التي تكتب بلغة طبيعية إلى متطلبات خدمات منظمة.

بفضل هيكلية مكتشف مشترك، يتم استرداد الخدمات المرشحة من مجمع كبير من الخدمات. وتنفذ الإطار نماذج مزدوجة للملاءمة والتقييم مع تقديرات مستوى المهارة وعمليات المعايرة لمجموعات الخدمات للالتزام بالتغطية، والتكرار، والتكلفة، وأبعاد المخاطر.

أظهرت التجارب التي أجريت على 35,353 مهارة و586 استعلام مهمة أن SkillSelect-Serve يحسن بشكل مستمر من دقة استرداد الحزم بميزانية مماثلة ومتوسط القيمة بفارق كبير عن المعايير التقليدية. هذا الإنجاز المبهر يدل على الابتكار والتفوق في عالم الذكاء الاصطناعي.