في عالم الذكاء الاصطناعي، حيث تزداد أهمية نماذج اللغة كوكالات مستقلة، يصبح التنسيق بينها أمراً في غاية الأهمية، خاصةً في المهام التفاعلية الطويلة الأمد. ومع ذلك، فغالباً ما تركز التقييمات الحالية على المهام الفردية أو التفاعلات القصيرة، مما يترك فجوة في فهم كيفية عمل هذه الأنظمة معاً.

لملء هذه الفجوة، قدم الباحثون معياراً جديداً يُعرف بـ $alem$، وهو معيار مبني باستخدام JAX لتقييم التنسيق بين الوكلاء اللغويين في بيئات ديناميكية لمهام موسعة. يدمج $alem$ مهام تنسيق تم توليدها بطريقة إجرائية، وتخصص مرن، ووسائل تواصل، وصعوبة قابلة للتحكم في التنسيق ضمن عالم بقاء طويل الأمد يتطلب الاستكشاف، والصناعة، والتجارة، والقتال.

تم تقييم 13 نموذجاً حديثاً من النماذج اللغوية الكبرى (LLMs) في هذا المعيار، بالمقارنة مع وكلاء مُدربين على التعلم المعزز المتعدد الوكلاء (MARL). وأظهرت النتائج أن هذه النماذج لا تزال بعيدة عن تحقيق نتائج جيدة في التنسيق، حيث حققت متوسط أداء بلغ حوالي 6% فقط. ومع ذلك، فإن الفشل لم يكن متساوياً بين النماذج، إذ أظهرت نتائج نموذج Gemini-3.1-Pro-High تقدماً ملحوظاً في أصعب ظروف التنسيق، بينما حقق نموذج GPT-5.4-High نتائج جيدة في المكافآت ذات المهام الفردية ولكن بفارق كبير في مكافآت التنسيق.

وتشير هذه النتائج إلى أن الكفاءة في المهام الفردية لا تعني بالضرورة الكفاءة في التنسيق، كما أن التواصل كان أكبر مساهم في تحقيق التنسيق الفعال، بينما ساعدت الذاكرة والتفكير في الحفاظ على خطط متعددة المراحل.

بصفة عامة، توضح هذه النتائج أن تنسيق الوكلاء يمثل نقطة عنق زجاجة جديدة لوكلاء LLM المتقدمين، مما يتطلب ابتكارات جديدة في تطوير الوكلاء القادرين على التفاعل والتواصل بفاعلية ضمن بيئات معقدة. يتوفر كود البحث على GitHub. ما رأيكم في أهمية تطوير مهارات التنسيق لدى الوكلاء اللغويين؟ شاركونا آرائكم في التعليقات!