في تحول جذري في عالم الذكاء الاصطناعي، يشهد استخدام نماذج اللغة الكبيرة (LLMs) تطورًا نحو الوكلاء المزودين بالمهارات. بدلاً من حصر كل المعرفة الإجرائية داخل أوزان النموذج، تتيح هذه المهارات - التي تمثل حزمًا قابلة للتكوين من التعليمات والأكواد والموارد - توسيع القدرات بشكل ديناميكي دون الحاجة إلى إعادة تدريب النموذج.

يتناول هذا التطور عدة محاور رئيسية:
1. **الأسس المعمارية**: حيث يستعرض التصميم المعتمد للمهارات والتعريفات القابلة للنقل، إلى جانب أدوار المهارات وبروتوكول نمذجة السياق (MCP).
2. **اكتساب المهارات**: يتضمن ذلك تعلم التعزيز باستخدام مكتبات المهارات، واكتشاف المهارات ذاتيًا (SEAgent)، وتوليف المهارات.
3. **نشر المهارات على نطاق واسع**: ويشمل ذلك تطوير وكيل الاستخدام الحاسوبي (CUA) والتقدم في تكامل واجهات المستخدم مع النماذج.
4. **الأمان**: تكشف التحليلات الأخيرة عن وجود ثغرات في 26.1% من المهارات المساهمة من المجتمع، مما يدفع نحو تطوير إطار عمل للثقة في المهارات وإدارتها.

يتم تحديد سبع تحديات مفتوحة، بدءًا من إمكانية نقل المهارات عبر المنصات وانتهاءً بنماذج الأذونات بناءً على القدرات. تهدف الأبحاث الجديدة إلى تحقيق أنظمة مهارات موثوقة تتطور ذاتيًا.

بينما تتناول الأبحاث السابقة وكالات LLM بشكل عام، يركز هذا العمل بشكل خاص على طبقة التجريد الجديدة للمهارات وتأثيراتها على الجيل القادم من الأنظمة الذكية.