تستمر التحديات المتعلقة بتأشير البيانات العلمية، مثل تتبع الحيوانات في الفيديو أو تصحيح نماذج الشبكات العصبية، في تشكيل عنق زجاجة بسبب ما يعرف بمشكلة 'الخط الأخير'. رغم وجود أتمتة قوية، إلا أن التحقق والتصحيح لا يزال يتطلب جهداً بشرياً كبيراً. وللتغلب على هذه العقبة، تم تقديم إطار عمل استثنائي لدراسة النسخ السلوكي (Behavioral Cloning) في مجال تأشير البيانات العلمية.

يتضمن هذا الإطار 9 مهام اصطناعية مزودة بتأشيرات اصطناعية تحاكي الاستراتيجيات البشرية الواقعية بما في ذلك الاستكشاف وتصحيح الأخطاء واتخاذ القرارات الاستراتيجية. من خلال التجارب، تم الكشف عن عدة حقائق مثيرة.

أولاً، تتطور المهارات بشكل هرمي: حيث تتعلم النماذج أولاً آليات واجهة المستخدم (GUI Mechanisms) قبل اتخاذ قرارات حاسمة تتعلق بالمهمة، كما أنها ترتكب أخطاءً أقل مما هو موجود في بيانات التدريب مع الاحتفاظ بالقدرة على تصحيح هذه الأخطاء عند حدوثها.

ثانيًا، أظهرت تجارب النسخ السلوكي المتعدد المهام أن النماذج الأكبر في الحجم أكثر كفاءة في استخدام البيانات ضمن نطاقنا المحدد.

ثالثًا، يسهل التدريب المسبق المتعدد المهام ضبط النماذج بكفاءة لمهام جديدة، بينما يفشل التدريب من الصفر تماماً.

رابعًا، تكشف اختبارات الخطوط المستقيمة أن النماذج تمثل داخليًا المتغيرات الكامنة لعملية التأشير مثل مرحلة المهمة وموقع البيانات؛ ومن المثير للاهتمام، أننا وجدنا تمثيلًا مشتركًا للأخطاء يتجاوز مهام التأشير المختلفة.

بشكل عام، يضع إطار عملنا معايير منهجية ويحدد القيود الرئيسية، مما يوفر أساسًا لتوسيع تقنية النسخ السلوكي في تأشير البيانات العلمية في العالم الحقيقي.