في عالم الذكاء الاصطناعي المتطور، تعد التعليمات المقدمة للمستخدمين غالبًا غير كافية، فتمد الإنسان بالتوجيه معتمدًا على الفرضيات الضمنية حول البيئة المحيطة. ولكن بالنسبة لوكلاء النماذج اللغوية الضخمة (Large Language Models) الذين يعملون في بيئات رقمية ومادية غنية بالمعلومات، يصبح من الصعب الاستدلال على هذه الفرضيات من التعليمات فقط.

فإلى جانب الحاجة إلى معلومات واضحة، يتوجب على الوكلاء تحديد السياق المفقود وربطه بالأدلة المرصودة وأثاره في خطواتهم المقبلة. ومن خلال تحليل هذه التحديات، توصل الباحثون إلى تطوير إطار عمل يُعرف باسم ACCORD (Action-Conditioned Contextual Grounding)، الذي يمثل نقلة نوعية في كيفية استجابة الوكلاء للمتطلبات المعقدة.

يعمل إطار ACCORD على التحقق النشط من البيئة المحيطة قبل اتخاذ أي إجراء، مما يتيح له جمع معلومات إضافية هامة قد يتم تجاهلها في مراحل سابقة. وبدون الحاجة إلى تدريب إضافي أو إشارات نجاح خاصة بالمهام، أظهر هذا الإطار تحسينًا ملحوظًا في إتمام الأهداف بنسبة تصل إلى 20.6 نقطة على منصة AppWorld باستخدام نموذج GPT-5-mini، حيث زادت نسبة النجاح من 42.0% إلى 62.6%.

ويستمر هذا التحسن حتى مع النماذج الأساسية الأقوى، مثل Claude-4.5-sonnet، حيث حقق تحسينًا بنسبة 10.8، ومع نموذج مفتوح الوزن Qwen3.5-27B-FP8، محسنا نسبة النجاح بمعدل 10.1.

إن ACCORD يُعتبر خطوة هامة نحو تفعيل القدرات الذكية لوكلاء الذكاء الاصطناعي ليصبحوا أكثر تفاعلاً وفاعلية في مواجهة تحديات العالم الحقيقي. مع هذه الإبداعات، يبدأ الذكاء الاصطناعي في تجاوز الحدود التقليدية ليكون رفيقًا حقيقيًا في عالمنا الرقمي.