طوّرت فريق Dharma AI موزّعاً للموارد يتفهم القيود الهيكلية لتوزيع وحدات معالجة الرسومات، واختبره على ضد جدولة FIFO التقليدية عبر سبعة سيناريوهات معيارية. على نفس العتاد والأعباء الحسابية ذاتها، ارتفع استخدام وحدات المعالجة بما يصل إلى 33 نقطة مئوية، وتضاعفت الإنتاجية المرجحة بالأولويات بنسبة تصل إلى 105%. لم يتغيّر شيء في الأجهزة، بل تغيّر فقط ترتيب قرارات التخصيص.

التحدي الأساسي يكمن في المزاحمة بين أنواع أعباء مختلفة. التدريب والاستدلال الدفعي والكمّي تحتاج كتل متجاورة من المعالجات لا تنقطع حتى انتهاء المهمة، بينما الاستدلال الفوري مرن وديناميكي، يتسع وينكمش وفق تدفق الطلب في كل خطة زمنية. جدولة FIFO التقليدية تحجز سعة كاملة لمتطلبات الذروة طوال اليوم، مما يترك وحدات عاطلة كثيرة غير متاحة للمهام الأخرى. هذا يفسر القاعدة الضعيفة: 51.6% و53.6% استخدام فقط في السيناريوهات التي تهيمن عليها الحجوزات.

الموزّع الجديد يعامل الطلب الفوري كمنحنى ديناميكي وليس سقفاً ثابتاً، مما يسمح بملء الفجوات بمهام دفعية آخذاً بعين الاعتبار أولوياتها. في السيناريو الأثقل تدريباً على 8 معالجات، ارتفع الاستخدام من 53.6% إلى 87.0%، وتضاعفت القيمة المرجحة بالأولوية. عبر خمسة سيناريوهات بتنافس حقيقي، تحسّنت كلا المقاييس معاً دون مقايضة.

النموذج الرسمي يحدد دالة هدف بشقين: مكافأة لتخصيص معالجة لعمل ذي أولوية، وعقوبة لعدم تلبية الطلب الفوري. الأوزان النسبية بين الشقين تحتوي كامل سياسة الخدمة برقم واحد. هذا التصميم، المطبق عبر كامل الأفق الزمني، ينتج المكسب في الاستخدام بدون الحاجة لقواعد استكشافية معقدة.