في عالم الذكاء الاصطناعي، يواجه وكلاء نماذج اللغات الضخمة (Large Language Models) تحديات متزايدة تتعلق بالمهام المعقدة التي تمتد عبر فترات طويلة. إذ تتجاوز الحاجة في العديد من الحالات حدود نافذة السياق الخاصة بالنموذج، مما يتطلب تطوير حلول جديدة لإدارة هذا السياق. هنا تأتي تقنية Scroll كمجموعة أدوات مبتكرة لاستعادة وإدارة المعلومات بطريقة جديدة.

تقوم Scroll بتقديم إدارة السياق من خلال تحويل كل جلسة وكيل إلى بيئة تنفيذية قابلة للاستخدام، مدعومة بسجل أحداث (Event Log) ويمكن تخصيصها بالاعتماد على نواة بايثون (Python kernel) دائمة. هذه التقنية تسمح للأداء بالاحتفاظ بمساحة مسماة مع أنواع محددة عبر استدعاءات النماذج، حيث يمكن ربط مخرجات الأدوات، التاريخ المسترجع، وحالة الجلسة المتوّلدَة بمتغيرات بدلاً من تسلسلها في كل طلب.

من خلال النواة، يُمكن لزرع الشيفرات التي كتبها النموذج أن يبحث ويحوّل حالة الجلسة، حيث يدخل فقط ما يتم طباعته صراحةً إلى عرض النموذج للعمل عليه في الطلب التالي. وبهذا، تُحوّل إدارة السياق إلى مهمة برمجية ترث القدرة على تحسين البرمجة من نماذج اللغات الضخمة، مع الحفاظ على وقائع تاريخية دقيقة من خلال سجل الأحداث.

تُظهر النتائج الأولية لتقنية Scroll تفوقها الكبير، حيث حققت نسبة 94.8% على اختبار LongMemEval_S، و73.1% على BEAM_10M، متجاوزة أفضل أنظمة الذاكرة الحالية بـ 5.1 نقاط، و86.7% على LOCA_256K، متفوقةً على أفضل وكيل طويل الأمد بـ 37.4 نقطة. تُعتبر Scroll خطوة جديدة نحو المستقبل في الذكاء الاصطناعي، حيث تمزج بين البرمجة وإدارة السياق بشكل فعّال مما يُعزز من كفاءة الواجهات الذكية في التعلم والتكيف مع الالتزامات المعقدة.