يقترح المؤلفون MILES (Modular Instruction Memory with LEarnable Selection)، وهو إطار عمل مصمم لتحسين استنتاج نماذج اللغات الكبيرة أثناء الاختبار من خلال التراكم الديناميكي للخبرة القابلة لإعادة الاستخدام عبر المشكلات المتسلسلة. على عكس الطرق الحالية التي تخزن قوالب جامدة أو تستخدم اختياراً إرشادياً، تحافظ MILES على وحدات ذاكرة معيارية تتكون من أزواج غير متماثلة من تضمينات الأهداف الفرعية والتعليمات الفرعية، يرتبط كل منها برأس اختيار قابل للتعلم.
- يستخدم الإطار آلية استرجاع من الخشن إلى الدقيق حيث يتيح المستوى الخشن توسع الذاكرة وجمع الإشراف من العينات ذات الثقة العالية.
- تطبق المرحلة الدقيقة رؤوس الاختيار المتعلمة لإعادة ترتيب المرشحين وتوجيه الاستنتاج للعينات غير المؤكدة.
- يسمح هذا النهج بتوسع الذاكرة التدريجي ضمن قيود اختبار الوقت الحقيقي مع إشراف محدود.
تُظهر التجارب المكثفة أن MILES تتطابق باستمرار أو تفوق الطرق السابقة بينما تحقق مقايضة دقة وكفاءة متفوقة، ومتانة، وقابلية نقل.