Badacze opracowali metodę do przewidywania, jak dobrze będą działać programy symboliczne i oparte na promptach, zanim zostaną w pełni wdrożone. Podejście wykorzystuje przykłady do oceny potencjalnej wydajności bez konieczności pełnego testowania. Praca ma znaczenie dla optymalizacji rozwijania systemów AI, pozwalając na szybszą selekcję najlepszych rozwiązań i zmniejszenie kosztów obliczeniowych.