في خطوة رائدة نحو تطوير الوكلاء الذاتيّين، أعلن فريق البحث عن **AREX-2**، وهو نموذج مبتكر يهدف إلى تعزيز القدرة على تحسين الذات لدى وكلاء نماذج اللغات الضخمة (Large Language Models). هذا النموذج الجديد يقدم نهجًا فريدًا يمكّن الوكلاء من صقل الحلول بشكل دوري أثناء زمن الاختبار، وهو ما يمثل قفزة نوعية في مجال الذكاء الاصطناعي.

تكمن قوة AREX-2 في قدرته على دمج مهارتين تكملان بعضهما البعض: **الانعكاس** (Reflection) الذي ينتج حلولاً أفضل من السابقة، و**التنفيذ طويل الأمد** (Long-Horizon Execution) الذي يضمن استمرار فعالية هذه التحسينات على مدار العديد من الجولات. يعتقد الباحثون أن هاتين المهارتين يمكن تعلمهما في بيئات متعددة، مما يفتح الباب أمام تطبيقات واسعة.

في سياق العمل، استعان الباحثون ببيانات من مهام التعلم الآلي والبرمجة الخوارزمية لبناء مسارات تحسين طويلة الأمد، مما يوفر تغذية راجعة قابلة للتحقق ويعزز من استدامة التحسين. وبالفعل، تمكن الوكيل المدعوم بـ **Qwen3.8-27B** من تحقيق نتائج مُبهرة، حيث سجل 81.8 في اختبار MLE-bench Lite، و70.7 في Frontier-CS، بالإضافة إلى انتقاله إلى أبحاث متقدمة بتحقيق 84.0 في BrowseComp ونتائج أخرى رائعة بحسب الاختبارات المختلفة مثل GAIA وDeepSearchQA.

تظهر هذه النتائج أن البيانات الانعكاسية طويلة الأمد تمثل مسارًا فعّالًا نحو تعزيز能力 الوكلاء الذاتيين، مما يفتح الآفاق لتطبيقات أكثر تقدمًا في مجال الذكاء الاصطناعي. ما رأيكم في هذا التطور؟ شاركونا آراءكم في التعليقات!