في مجال الذكاء الاصطناعي، أصبح من الضروري فهم كيفية تأثير المهارات المكتسبة على أداء الوكلاء الذاتيّين (Self-Evolving Agents). إذ تشير دراسة جديدة على منصة arXiv إلى أنه رغم التركيز على الجوانب التشغيلية لهذه المهارات، هناك سؤال أساسي يتطلب التفحص: هل تساهم المهارات المجمعة إيجابيًا في أداء الوكلاء؟

هذه الدراسة قامت بإجراء مراجعات شاملة لبنوك المهارات عبر تكوينات مختلفة، حيث تم قياس التغيرات الناتجة في سلوك الوكلاء. وقد تكشف عن عيبين متكررين: الأول هو تلوث التحالف (Coalition Pollution) حيث تتخفي المكاسب على مستوى البنك خلف مساهمات سلبية على مستوى التحالف. الثاني هو انقلاب الفائدة عبر المجالات (Cross-Domain Utility Reversal)، حيث تقلب المهارات المفيدة آثارها بعد النقل.

لتجاوز هذه المشكلات، وضعت الدراسة حلولًا مثل الاختيار المدرك للاحتلافات (Coalition-Aware Skill Selection) الذي يستخدم مقياس شابي (Shapley Marginals) لاختيار المهارات العالية الموثوقية. كما قدمت نظامًا غير مُشرف عليه لاخفاء المهارات التي تؤثر سلبًا على جودة الاسترجاع في البيانات الجديدة.

تجارب أجريت على نماذج مثل LoCoMo و LongMemEval أثبتت أن هذه الطرق تعمل على تحسين الأداء العام للمهام وتحسين القدرة على التعميم عبر المجالات.

هذه النتائج تمثل خطوة هامة نحو تحسين استراتيجيات التعلم الذاتي لوكلاء الذكاء الاصطناعي وتحقيق أداء أفضل في بيئات متعددة.