Članek »Routeability Before Routing: Routeability Audit Protocol (RAP) and RouteabilityBench for Audited LLM Model Selection« avtorjev Yihanga Luja, Denice Kjorvezir, Ane Gjorgjevikj, Carole Doerr in Tometa Eftimova je bil sprejet na NeurIPS, vodilno konferenco o umetni inteligenci. Na njej svoja nova dela pokažejo skupine z vsega sveta. Avtorji z Instituta "Jožef Stefan" in Univerze Sorbona so razvili protokol RAP in evalvacijski paket RouteabilityBench za oceno, ali izbira drugega jezikovnega modela za vsako vprašanje sploh omogoča boljše izide. V študiji na štirih primerjalnih podatkovnih naborih in 66 velikih jezikovnih modelih so pokazali, da bolj zapleteni postopki izbire niso vedno boljši kot en sam najboljši model. Več modelov namreč pogosto doseže enako oceno, zato je prostora za napredek lahko malo. Najbolj jasne koristi so našli v primerjalnem podatkovnem naboru Omni-MATH, a so bile odvisne od izbora modelov. Zato ob rezultatih priporočajo še podrobno analizo izenačenih ocen, opis izbora modelov in statistične teste, ki upoštevajo več hkratnih primerjav.