في عالم التكنولوجيا المتقدّم، أصبح التعلم الذاتي من الأمور الأساسية التي تحدد نجاح الوكالات المعززة بنماذج اللغة الكبيرة (Large Language Models). هنا يأتي دور Contract2Tool، الإطار الثوري الذي يعد بتغيير قواعد اللعبة.

تعتبر الأدوات المعززة بنماذج اللغة الكبيرة تعتمد بشكل متزايد على واجهات برمجة التطبيقات الخارجية (APIs)، لكن ما يغفل عنه العديد هو أن المخططات القياسية لهذه الأدوات تصف فقط كيفية استدعاء الأداة، دون أن توضح متى تكون الأداة مناسبة بشكل سببي أو ما هي حالة المهمة التي تنتجها.

هنا تدخل تقنية الترشيح السببي للأدوات لتغطي هذه الفجوة، مستخدمةً عقودًا خفيفة توضح الشروط المسبقة لكل أداة، آثارها، مستوى المخاطر، والتكاليف. ومع ذلك، فإن كتابة وصيانة هذه العقود يدويًا لا تتماشى مع نظم الأدوات الكبيرة أو المتغيرة.

تقدم Contract2Tool حلاً فعالًا من خلال إطار عمل يقوم باستنتاج عقود الأدوات من البيانات الوصفية، المخططات، الوثائق، وآثار التنفيذ. يتم تحويل الأدلة القابلة للرصد للأدوات إلى عقود رمزية موحدة يمكن تقييمها داخليًا ويتم نشرها داخل عمليات الترشيح السببي للأدوات.

لقد قمنا بتقييم العقود المستنتجة مقابل الشروط المسبقة، الآثار، وتسميات المخاطر. النتائج أظهرت أن الأدلة الهجينة من الوثائق وآثار التنفيذ تنتج عقودًا دقيقة بما يكفي للحفاظ على معظم فوائد الموثوقية والكفاءة للعقود الذهبية (Gold Contracts). حيث حققت عقود CMTF المستنتجة نجاحاً يصل إلى 0.980، مما يقربه من 0.990 للعقود الذهبية، وفي ذات الوقت قللت من عدد الأدوات المرئية من 100 إلى 1، وقللت من الاستخدام المتوسط للرموز من 26,172 إلى 2,528 مقارنة بكل الأدوات.

تشير هذه النتائج إلى أن العقود المستنتجة يمكن أن توفر طبقة عقود قابلة للتوسع بين المخططات الأدوات وتنفيذ الوكالات الموثوق به. فهل أنتم مستعدون لاكتشاف توظيف هذه التقنية المبتكرة في مشاريعكم القادمة؟