في عالم الذكاء الاصطناعي، تزداد أهمية استخدام [الوكلاء](/tag/الوكلاء) المعتمدين على [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) (Large Language [Models](/tag/models)) لمحاكاة [التفاعلات](/tag/التفاعلات) المتعمقة مثل [التفاوض](/tag/التفاوض) وحل النزاعات وتبادل الآراء المتعدد الأدوار. ومع ذلك، فإن النصوص الناتجة غالباً ما تخفق في إظهار الأسباب وراء تغيير موقف الوكيل. قد تعكس هذه التغييرات استيعاب [الأدلة](/tag/الأدلة) أو الانجراف في الأدوار أو تكرار الآراء أو تغيير السياقات.

لذلك، تم تقديم محرك الاعتقاد (Belief Engine) كطبقة قابلة للتدقيق تعالج "الاعتقاد" كحالة دليلية تتعلق بمقولة ما، وتعرضها كقيمة عددية تشير إلى الموقف. يقوم محرك الاعتقاد باستخراج الحجج إلى [ذاكرة](/tag/ذاكرة) منظمة وتحديث الموقف باستخدام قاعدة سجلات تعتمد على استيعاب [الأدلة](/tag/الأدلة).

تظهر [التجارب](/tag/التجارب) التي أجريت على [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) DEBATE، المعنية بالتداول البشري، أن محرك الاعتقاد يعيد [بناء](/tag/بناء) المواقف النهائية للمشاركين بفعالية، حيث يستند تغيير الموقف إلى البراهين المستخرجة. بينما تشير الحالات المستقرة والمتعارضة مع [الأدلة](/tag/الأدلة) إلى عوامل مثل الانجراف أو التأثيرات الخارجية.

بهذه الطريقة، يتيح محرك الاعتقاد بنية قابلة للتكوين لدراسة عمليات [التداول](/tag/التداول) المستندة إلى الأدلة، حيث يمكن ربط الانفتاح والالتزام والتقارب والاختلاف بافتراضات [تحديث](/tag/تحديث) واضحة بدلاً من التأثيرات المخفية.