في سياق التطور المثير في عالم الذكاء الاصطناعي، كشفت شركة Anthropic عن مفهوم جديد لأداء المهام المهنية المتعددة الخطوات. يختلف هذا المفهوم عن الأدوات التقليدية، حيث تقدم الأنظمة الأساسية للذكاء الاصطناعي (LLM) أساليب جديدة تتعلق بتطوير المهارات بشكل ذاتي. إن الأدوات هي وظائف مستقلة، بينما المهارات تمثل مجموعة منظمة من العناصر المعقدة المتقدمة.

تواجه عملية توليد المهارات الحالية تحديات كبيرة، فهي تتطلب علامات مكثفة بسبب التصميم اليدوي، وقد تعاني من عدم التوافق بين الذكاء البشري والآلي، مما يؤثر سلبًا على أداء الوكلاء، وهو ما يتضح من التقييمات المعتمدة على SkillsBench. لذلك، يسعى إطار CoEvoSkills لتمكين الوكلاء من إنشاء المهارات بشكل مستقل.

تعتبر الأساليب الحالية للتطور الذاتي مناسبة فقط للأدوات، وليس للمهارات المعقدة. ولتجاوز هذه القيود، يقدم CoEvoSkills، الذي يتيح للوكلاء بناء حزم مهارات متعددة الملفات بشكل تلقائي. يتضمن هذا الإطار مولد مهارات يقوم بتحسين المهارات بشكل تكراري، ومتأكد بديل يتطور بشكل مشترك لتقديم ملاحظات مفيدة وعملية دون الحاجة إلى الوصول إلى محتوى اختبار موثوق.

عند استخدامه في SkillsBench، أظهر CoEvoSkills أداءً متفوقًا على خمس أنظمة أساسية أخرى على كل من Claude Code وCodex، وحقق أداءً قويًا للغاية على ستة أنظمة LLM إضافية. الشيفرة المصدرية متاحة للعامة عبر GitHub.

هذا الابتكار لا يُعد فقط خطوة هائلة في تحسين الكفاءة في المهام المعقدة، بل يمثل أيضًا تحولًا فارقًا في كيفية تعامل الأنظمة الذكية مع المهارات. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.