في عالم الذكاء الاصطناعي، يعلن الباحثون اليوم عن إطار AgenticRec، الذي يُعتبر قفزة كبيرة في تطوير وكلاء التوصيات المعتمدة على نماذج اللغات الضخمة (Large Language Models). يعاني عدد كبير من الوكلاء الحاليين من عدم التوافق بين مسارات التفكير المتكاملة وأبعاد التوصيات، مما يحد من قدرتهم على فهم تفضيلات المستخدمين بشكل دقيق. ولحل هذه المشكلة، يقترح الباحثون إطار AgenticRec الذي يقدم نهجًا مبتكرًا للتوصية عبر دمج أدوات متعددة مخصصة لهذا الغرض.

يعتمد هذا الإطار على استراتيجية تدريب مكونة من مرحلتين تركز على تحسين أداء وكلاء التوصيات. في المرحلة الأولى، تتم تفعيل مسارات التوصية الموجهة (Recommendation-Oriented Trajectory Activation) لتحسين القدرة على الاستجابة للتغذية الراجعة غير المباشرة. ثم تأتي المرحلة الثانية تحت عنوان تحسين التفضيلات التدريجي (Progressive Preference Refinement)، حيث يتم تحسين الوكيل من خلال عملية تفكير تفضيل ثنائية الاتجاه. وبالتالي، تتضح الحدود الدقيقة للتفضيلات المتزايدة مع مرور الوقت.

توفر الأبحاث التجريبية تحليلاً نظريًا ودليلاً شمولياً على فعالية إطار AgenticRec، مما يجعله أداة قوية لتحسين التجربة الشخصية للمستخدمين. لمزيد من المعلومات، يمكن الاطلاع على الكود البرمجي المتوفر عبر الرابط: https://anonymous.4open.science/r/AgenticRec-FB16

ما رأيكم في هذا الابتكار الجديد في عالم التوصيات الذكية؟ شاركونا في التعليقات!