في ظل تسارع التطورات في عالم الذكاء الاصطناعي، يظهر إطار المهارات (Skill Framework) كأداة قوية في تعزيز قدرات الوكلاء الأذكياء. تشير الأبحاث الأخيرة إلى أن المهارات يزداد استخدامها بشكل ملحوظ، خاصة من خلال نماذج اللغة الضخمة (Large Language Models). إلا أن فعالية هذه المهارات في معايير نماذج اللغة المفتوحة المتوسطة والصغيرة لم تُستكشف بشكل كاف، خاصة في البيئات الصناعية التي تعاني من قيود الموارد.

تقدم دراسة جديدة شاملة تقييمًا لتطبيق مهارات الوكلاء عبر مهمتين تصنيفيتين باستخدام نماذج مفتوحة المصدر. المهمة الأولى تخص معالجة مطالبات التأمين استنادًا إلى بيانات خاصة، في حين تركز المهمة الثانية على معالجة مشكلات برمجية بلغة بايثون. تُظهر النتائج أن النماذج الصغيرة غالبًا ما تفشل في استرجاع أو اختيار المهارات الصحيحة، مما يحد من فعاليتها في السياقات المدعومة بالمهارات. ولكن، تتحسن النماذج الكبيرة التي تتراوح أحجامها بين 30 مليار و80 مليار بفضل إضافة المهارات.

بالإضافة إلى ذلك، قدمت الدراسة ملفًا توجيهيًا يركز على نشر واستخدام وحدات معالجة الرسوميات (GPU)، مع بيانات حول وقت استخدام الذاكرة (VRAM) عبر النماذج. يهتم هذا المقياس بكيفية ضبط تكاليف الذاكرة في البيئات التي تفضل عادةً النماذج الصغيرة والمتوسطة. تشير النتائج إلى أن فوائد إضافة المهارات تتفاوت حسب حجم النموذج وتعقيد المهمة وميزانية GPU، مما يسهم في تشكيل رؤية شاملة حول كيفية تحسين استخدام نماذج اللغة في الصناعات.

ما رأيكم في إمكانيات النماذج الصغيرة والمتوسطة في تغيير مجرى الصناعات؟ شاركونا آرائكم في التعليقات!