في عصر الذكاء الاصطناعي، يُعتبر التعاون بين الأنظمة المكونة من وكلاء مستقلين ضرورة لا غنى عنها لضمان فعالية العمل الجماعي. الأبحاث الأخيرة تكشف لنا أن نجاح هذه الأنظمة يعتمد بشكل حاسم على التعاون الفعال بين الوكلاء، حتى في ظل ظروف الرؤية الجزئية.

رغم الاهتمام الكبير في هذا المجال، تفتقر الأدبيات العلمية إلى دراسات تجريبية تقيم التعاون الوكيلي (agentic collaboration) دون الاعتماد على بروتوكولات اتصال ثابتة، مما يحد من الرؤى المتعلقة بنظم التشغيل في العوالم المفتوحة. وفي هذا السياق، قدم الباحثون معيارًا توضيحيًا لحل المتاهات (maze-solving benchmark) يهدف إلى:

1. عزل قدرات التعاون.
2. تعديل تعقيد المسألة.
3. تمكين تقييم تلقائي قابل للتوسيع.
4. فرض قيود على تنسيق الخرج.

عبر استخدام هذا المعيار، تم تقييم 32 نموذجًا متفوقًا من النماذج مفتوحة المصدر ومغلقة المصدر في مستويات عمل فردية وتجريبية.

أتت النتائج مفاجئة؛ إذ بينت الفجوة في التعاون: النماذج التي تؤدي بشكل جيد على المستوى الفردي تفقد جودتها بشكل ملحوظ عندما يتطلب الأمر التعاون. كما تم الإشارة إلى استراتيجيات للتخفيف من هذه الفجوة، مثل الاستفادة من نهج الاستدلال بالترتيب (relay inference)، الذي يسمح لوكيل قوي بالقيادة قبل تسليم المهمة لوكيل أضعف.

تؤكد هذه النتائج على أهمية:
- تقييم واعٍ للتعاون.
- استراتيجيات تدريب لتعزيز القدرات التعاونية.
- تصميم تفاعلي مدروس لاستخراج مهارات التعاون بين الوكلاء، وهو ما يتعين مراعاته في التفاعلات بين الذكاء الاصطناعي والإنسان.