يُعتبر الجمع بين تقنيات العينات التقليدية وتكنولوجيا الذكاء الاصطناعي خطوة رئيسية نحو تحسين الأداء في المهام المعقدة كما هو الحال في "عينات طومسون المتعددة" (Combinatorial Thompson Sampling).

تستند فكرة البحث إلى عدم وجود تفاعل بين الأذرع المختلفة في هذا النوع من العينات. حيث تم دراسة تحسين بسيط على هذه الديناميكيات من خلال استجواب نموذج لغوي كبير (LLM) للحصول على تقسيم للأذرع، الأمر الذي أدى إلى تكوين مصفوفة ارتباط إيجابية باستخدام خوارزمية نواة ريديوس باتش (RBF kernel).

هذا التغيير أثر بشكل مباشر على كيفية أخذ العينات، حيث أصبح كل نموذج يعتمد على الارتباط بين الأذرع بدلاً من مجرد الاعتماد على النتائج الفعلية فقط. وقد أظهرت النتائج أن تقنيات العينات الجديدة تُقلل من خطأ التوقع بنسبة تصل إلى 19% على مجموعات بيانات افتراضية، و41% عند تطبيقها على معيار الأخبار من مايكروسوفت MIND-small.

تساعد هذه النتائج في تحسين فهمنا لكيفية الاستفادة من الذكاء الاصطناعي في مجالات الاستكشاف المتقدمة, مما يجعل الدور الذي يلعبه في اتخاذ القرارات أكثر فائدة وتأثيراً.