تقدم المقالة التحسين المفتوح النهاية (OEO)، وهو إطار عمل يسمح لمُحسّن النماذج المتقدمة بتأليف عملية تحسينه ديناميكيًا عبر الإنترنت، بدلاً من الاعتماد على خطوط أنابيب التحديد المسبق. قارن المؤلفون OEO مع نهجين مرحليين، هما SkillOpt وGEPA، عبر 14 مقارنة مباشرة عبر إعدادات نموذج-هدف-معيار ثمانية.
حقق OEO المدعوم بـ GPT-5.5 انتصارات 12، وتعادل واحد، وخسارة ضيقة بمقدار 0.21 نقطة مئوية. استخدم وسيطًا بنسبة 34.3 في المائة من ميزانية التوكنات للتفاعل المستهدف المُعدّة لـ SkillOpt. أكدت تجربة التحكم أن المكاسب لم تكن مجرد نتيجة لإعادة كتابة مدفوعة بسابق معين. ومع ذلك، فإن النهج له حدود قدرية: تفوق SkillOpt على OEO مع المحسّنين المتوسطين، ولم يتمكن المحسّنون الضعفاء من العمل عبر واجهة OEO غير المتغيرة.
تعيد النتائج صياغة خطوط الأنابيب المحددة مسبقًا كسقالات تعتمد على القدرة، مما يشير إلى أنه بينما تبقى القيود الأساسية خارجية، يمكن للمُحسّنين ذوي القدرات الكافية تأليف مسارهم الخاص من التغذية الراجعة إلى التحسين.