প্রতিটি মডেল কলের টেক্সট জেনারেট করার প্রয়োজন নেই। রাউটিং প্রায়শই একটি বড় এজেন্টিক সিস্টেমের ভিতরে লুকানো একটি ছোট সিদ্ধান্ত, তবুও অনেক সিস্টেম একটি ডিকোডার ভাষা মডেলকে টোকেন ধরে টোকেন সেই পছন্দটি জেনারেট করতে বলে। একটি ডিকোডার রাউটার স্বাভাবিকভাবে ভুল নয়। এটি উপযোগী যখন নীতি উন্মুক্ত বা রুট সেট দ্রুত পরিবর্তিত হয়। কিন্তু একটি স্থিতিশীল, সীমিত রুট সেট একটি শ্রেণিবিন্যাস-আকৃতির সমস্যা তৈরি করে যা এক হিসাবে পরিমাপ করা উচিত।
ব্যবহারিক সুযোগ হল একটি সিদ্ধান্ত স্তর: স্পষ্ট প্রার্থী রুট, টাইপ করা স্কোর, একটি থ্রেশহোল্ড বা বিরত থাকার নীতি, এবং নির্ধারক সফ্টওয়্যার শাখা। নতুনত্ব হল একটি নতুন সিস্টেম প্রিমিটিভ, শ্রেণিবিন্যাসের পুনঃআবিষ্কার নয়। Jev একটি টাইপ করা, সম্ভাব্য সিদ্ধান্ত ইন্টারফেসের একটি উপযোগী পাবলিক উদাহরণ; এর মালিকানা আর্কিটেকচার এবং প্রশিক্ষণের উদ্দেশ্য পাবলিক নয়।
দক্ষতা এবং নির্ভুলতা প্রদর্শন করতে হবে, ধরে নেওয়া নয়। একই রুট, ডেটা, নীতি এবং মূল্যায়ন মেট্রিক্সে ডিকোডার রাউটিং, একটি এনকোডার-প্লাস-হেড বেসলাইন এবং একটি কাঠামোবদ্ধ-সিদ্ধান্ত বাস্তবায়নের তুলনা করুন।
আধুনিক AI-এর প্রভাবশালী মানসিক মডেল হল জেনারেটিভ: একটি প্রম্পট প্রদান করুন, তারপর একটি ডিকোডারকে পরবর্তী টোকেন ভবিষ্যদ্বাণী করতে দিন। এটি একটি অসাধারণ ক্ষমতা, কিন্তু এটি মেশিন ইন্টেলিজেন্সের একমাত্র উপযোগী রূপ নয়। একটি এজেন্টিক সিস্টেমের ভিতরে অনেক ক্রিয়া সীমিত কার্যকরী প্রশ্ন: কোন বিশেষজ্ঞ এই মামলাটি গ্রহণ করবেন? এগিয়ে যাওয়ার জন্য প্রমাণ কি যথেষ্ট? সিস্টেমের কি কাজ করা, বাড়ানো বা বিরত থাকা উচিত?