جميعهم يبنون وكلاء ذكاء اصطناعي - ولكن في جوهرها توجد النماذج اللغوية الكبيرة (LLM)، واختيار النموذج المناسب أمر بالغ الأهمية. ومع إطلاق نماذج جديدة كل أسبوع، كيف يمكننا اتخاذ قرارات مدروسة ومبنية على البيانات؟ في هذا الجلسة، سنغوص في موضوع اختيار النماذج اللغوية الكبيرة. وسنشارك نتائج دراسة اختبرت 15 نموذجًا رائدًا في مهام تلخيص الشيفرات البرمجية الواقعية، باستخدام مقاييس عملية مثل التفاصيل الزائدة، زمن الاستجابة، التكلفة، الدقة، وكمية المعلومات المستفادة. نتوقع أن تُقدَّم رؤى واضحة حول أداء النماذج الحالية فعليًا - بعيدًا عن المعايير المرجعية والضجة الإعلامية - وماذا يعني ذلك بالنسبة لبناء أدوات مساعدة البرمجة، وزملاء المطورين الافتراضيين، والوكلاء متعددي الوسائط.