على مدار السنوات الأخيرة، شهدنا تطوراً ملحوظاً في وكالات الذكاء الاصطناعي (AI Agents)، حيث أصبحت تُستخدم كأدوات مساعدة قادرة على تنفيذ مهام متعددة في بيئات رقمية. تحاول مجتمعات أنظمة الشبكات استغلال هذه القدرات في السياقات التشغيلية والتجريبية. لكن يجب عدم الحكم على فعالية الوكيل فقط بناءً على إكمال المهمة الفورية، بل ينبغي تقييم موثوقية السجلات التي يُعدلها. نحن نسمي هذه الخاصية "نزاهة السجلات" (Artifact Integrity): حيث يجب أن تبقى ادعاءات السجل مدعومة بالأدلة المتاحة، ضمن الحدود التي تحددها تلك الأدلة، وقابلة للتعقب من خلال العناصر التي تُشير إلى دعمها.

لتقييم هذه الخاصية، تم تقديم الأداة المعروفة باسم "NetArtifactBench"، التي تختبر قدرة الوكلاء في الذكاء الاصطناعي على إصلاح السجلات غير المتسقة المشتقة من عناصر النظام الشبكي العامة، مع الحفاظ على الادعاءات المدعومة. تتضمن الأداة 52 حالة تم إدخال تناقضات فيها، تتراوح من تناقضات مباشرة إلى علاقات غير معلنة منتشرة عبر العديد من العناصر.

تم تقييم 23 تكويناً لوكلاء الذكاء الاصطناعي عبر ثلاثة أطر عمل مختلفة، باستخدام نظام تسجيل حاسم. سجلت الأداة معدل نجاح متوسط يبلغ 65.3% عبر 5,980 مخرجات، ولكن لم تتجاوز أي من إطارات العمل نسبة 30% عند الحاجة لاستعادة العلاقات الضمنية ونشر التغييرات عبر العناصر.

هذه النتائج تشير إلى وجود حدود واضحة بين التصحيح المحلي والإصلاح الكامل على مستوى السجل. بناءً على ذلك، نجد أنه يجب أن تصبح نزاهة السجلات متطلب تصميم وتقييم رئيسي لوكلاء الذكاء الاصطناعي العاملين في أنظمة الشبكات.