في عالم الذكاء الاصطناعي، يتزايد التركيز على تحسين الأداء وزيادة الكفاءة، خصوصًا بالنسبة لوكلاء الذكاء الاصطناعي الذين يحتاجون إلى إدارة سياقات تفاعلية طويلة. وقد تمكّن الباحثون مؤخرًا من تطوير نهج جديد يحمل اسم PAIR (Prompt Adaptation using Interventional Rollouts) لتحسين جودة ضغط السياق.

تواجه الوكلاء في الذكاء الاصطناعي تحديات متمثلة في ضغط السياق الذي قد يؤثر على موثوقية الأداء. إذ قد تؤدي الأخطاء في ضغط السياق إلى تدهور الأداء بشكل كبير، مما يؤثر على القدرة على اتخاذ القرارات الصحيحة. من خلال استخدام تقنيات مقارنة مضبوطة، توصل الفريق إلى أن الانخفاض في موثوقية الأداء يحدث في نفس نقاط ضغط السياق.

تقوم أداة PAIR بتحديد نقاط الضغط التي تؤثر سلبًا على الأداء اللاحق وتعمل على تعديل الأجزاء ذات الصلة من نموذجات الضغط الثابتة. يظهر البحث أن PAIR تحقق موثوقية متفوقة مقارنة بالطرق السابقة، مما يجعلها الخيار المفضل عند التعامل مع معلومات معقدة. ليس فقط أن PAIR تدعم الأداء، بل إنها تصل بالعمليات المضغوطة إلى مستويات قريبة من العمليات غير المضغوطة، وقد تتجاوزها أحيانًا في بعض السيناريوهات.

إن هذه المعلومات تشير إلى تحول جذري في طريقة تعاطي الأنظمة الذكية مع البيانات، مما يفتح الباب أمام آفاق جديدة لتطوير وكالات ذكاء اصطناعي أكثر كفاءة في المستقبل.