في عالم يتسم بالتطور السريع، تبرز أبحاث نمذجة العالم (World Modeling) كحقل مهم يواجه تحديات كبيرة، حيث تتفاعل الهياكل والأهداف التدريبية وتمثيلات الحالة بشكل معقد. ومع عدم وجود وصفة واحدة تهيمن على جميع البيئات، كان من الضروري تطوير بيئة اختبار جديدة لمطوري الذكاء الاصطناعي.

هذا ما يوفره نموذج AutoWorldModel-Bench، وهو تقييم مغلق يدعم وكالات البرمجة المتطورة لتحسين نموذج العالم المقدم لها في إطار ميزانية حوسبة محددة. يشمل النموذج ثمانية بيئات ألعاب بصورة موحدة، مع تمثيل للحالة يعتمد على المعلومات الحقيقية المستخرجة من كل لعبة.

تم تنفيذ 64 جلسة حيث استطاع كل من Codex-5.4 وClaude Opus 4.6 تحسين نموذج البداية في 63 من هذه الجلسات. المفاجأة كانت أن 91% من الجلسات حققت تعديلات كبيرة تتعلق بأهداف جديدة أو تمثيلات مبتكرة، بدلاً من مجرد تحسين بسيط للمعلمات.

يقدم هذا النموذج بيئة فريدة لتقييم الوكالات الضخمة في أبحاث مفتوحة النهاية، بعيداً عن المشاكل الهندسية التقليدية. إن النموذج لا يقتصر فقط على التعليمات المدروسة، بل يسمح للذكاء الاصطناعي بالتطور بشكل ذاتي، مما يفتح آفاقاً جديدة لطموحات البحث.

هل تعتقدون أن هذا الأسلوب سيشكل ثورة في أبحاث الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات.