في عالم يتسارع فيه تطوير الذكاء الاصطناعي، يأتي مشروع CompoWorld ليكون تحولا مفاجئا في كيفية تدريب الوكالات العامة (General Agents). يعتمد هذا النظام الجديد على إنشاء بيئات تفاعلية آلية يُمكن استخدامها بشكل موسع لجمع بيانات عن التفاعلات أثناء التدريب. ولكن ما يميز CompoWorld عن الأنظمة السابقة هو أنه لا يقتصر على إنشاء مهام داخل بيئة واحدة، بل يتيح للوكالات التواصل وجمع المعلومات وتنفيذ الإجراءات عبر خدمات متعددة.

تقوم CompoWorld بتوسيع نطاق المهام من خلال دمج مكتبة محدودة من الخدمات القابلة لإعادة الاستخدام. يتمكن الوكلاء البرمجيون من تحويل مواصفات الأدوات إلى خدمات موثوقة تحتوي على حالات مُعينة وواجهات مشتركة. وبفضل نموذج العالم (World Model)، يُمكن التعامل مع الأدوات التي قد تكون صعبة الاعتماد.

تستخدم CompoWorld إجراء "المسير العشوائي" (Random-Walk Procedure) لربط الخدمات من خلال رسوم بيانية تعتمد على التبعية، مما يمكنها من توليد والتحقق من المهام التي تتطلب تدفق المعلومات عبر هذه الخدمات. وهذا النظام ليس فقط فعالا في التدريب، بل يستفيد أيضًا من استقلالية التحسين من خلال مكافآت مساعدة التحسين الموجهة (Completion-Focused Rubric Reward) لتوجيه التعلم بالاعتماد على الإنجاز الكامل للمهام.

لقد تم إنشاء 448 خدمة تعرض 10,130 أداة، وتم استخدام 3،000 مسار من التوجيه المُشرف و1،000 مهمة تعزيزية لتدريب نموذج Qwen3.6-35B-A3B. تظهر النتائج التجريبية أن CompoWorld تحقق تحسنًا متوسطًا قدره 9.17 نقطة عبر ثمانية معايير مختلفة، متفوقةً على نماذج متقدمة أخرى مثل Claude Opus 4.6 والعديد من نماذج الوكالات المتخصصة 35B-A3B. هذا الإنجاز يشير إلى مرحلة جديدة من التطور والابتكار في مجال الذكاء الاصطناعي والتعلم الآلي.

فهل أنتم متحمسون لرؤية المزيد من الابتكارات مثل CompoWorld؟ شاركونا آرائكم في التعليقات!