في عالم الذكاء الاصطناعي، يعد تكامل التجارب السابقة مع التعلم الآلي ضرورة لتحقيق أداء متفوق. وهذا ما يسعى إليه نموذج APEx، الذي يمثل إطارًا تصميميًا مبتكرًا لتحسين تجارب الوكلاء في الأبحاث العميقة. هذا النموذج لا يكتفي بمجرد استرجاع المعلومات، بل يقوم بترتيب تاريخ التفاعلات في ذاكرتي مسار المستوى وتنظيم المهارات الإجرائية على مستوى الفئات.

في البناء المعقد لهذا النظام، يتم ربط ثلاثة مكونات رئيسية: **المنفذ (Executor)**، **المُصهر (Distiller)**، و**المخطط (Planner)**، مما يعمل على تعزيز التدريب وتحسين النتائج عبر تعلّم مُوجه يعتمد على الجوائز. ومن خلال عملية تدريب تتكون من ثلاث مراحل، يستطيع APEx تحسين المهارات الإجرائية بدلاً من التوليد الثابت للنماذج النصية.

عند اختبار النموذج، يتيح استخدام المهارات المُركزة إمكانية التكيف الفوري مع بيئة الاختبار عبر التعلم المعزز الموجه بالمهارات، مما يعزز الاستقلالية الذاتية للتحسين ويقلل من انحراف السياسة.

تجارب APEx على سبعة مقاييس مختلفة أظهرت أداءً استثنائيًا، حيث تفوق على GPT-5.4 بفارق 14.7 نقطة وتجاوز أقوى نموذج مدعوم بالذاكرة بفارق 3.0 نقاط. هذا الإنجاز النموذجي يُبرز المستقبل المشرق للذكاء الاصطناعي في مجالات الأبحاث المعقدة.