تشهد تقنيات الذكاء الاصطناعي تطوراً مذهلاً، حيث تم تقديم نظام تحكم متقدم وبيانات ومركب جديد لتحسين كفاءة التعلم لوكلاء نماذج اللغة الثابتة. يجمع هذا النظام بين نماذج المقدار المطلوب وكاميرات التحويل وفريسة من أدوات التحكم المبتكرة التي تساهم في تعزيز كفاءة التعلم أثناء تنفيذ المهام.

تم تقديم هذا النظام من خلال مشروعين بارزين، هما Meta-Harness (إنتاج فريق Lee et al.) وHyperAgents من أطقم Meta AI، اللذان أثبتا أن تصميم الحزام الذكي يمكن تحسينه أو حتى إعادة كتابته بواسطة مقترح وكيل. ومع ذلك، استنادًا إلى اكتشافاتنا، اتخذنا مقاربة أكثر دقة من خلال اعتبار الحزام كمساحة عمل صغيرة وثابتة، مما يتيح تعلم السياسة عبر أساليب التعلم المعزز التقليدية بشكل فعال.

لقد أظهرنا فعالية هذا النظام من خلال تطبيقه في ثلاثة مجالات مهمة - استخدام الأدوات وتوليد الشفرات (HumanEval) والأسئلة المتعددة (HotpotQA) - بالإضافة إلى استخدام نموذج محلي لـOllama وAWS Bedrock. وبالإضافة إلى ذلك، أطلقنا الشيفرة الخاصة بنظام التحكم، ومجموعة من المهام التي تحقق أصالتها بشكل كامل، وسجل المكافآت من مراحل التدريب.

يعد هذا التطور خطوة مهمة نحو تعزيز قدرات الذكاء الاصطناعي، حيث يقدم وصفة نشر مبتكرة قابلة للتطبيق في مجالات جديدة. سكان مجالات الذكاء الاصطناعي سيستفيدون كثيرًا من هذه الابتكارات، ولا شك أن هذا سيفتح آفاقًا جديدة في هذا المجال المتطور. فهل أنتم مستعدون لاستكشاف المزيد من هذه التطورات؟