في عالم الذكاء الاصطناعي، تمثل وكالات النماذج اللغوية الضخمة (Large Language Models) عاملاً مؤثرًا في اتخاذ القرارات ضمن بيئات ديناميكية، حيث يمكن أن يتسبب اتخاذ خطوة خاطئة واحدة في تدهور الوضع أو إهدار الميزانية المحددة للتفاعل. لذلك، يعد تطوير آلية موثوقة للتقدير الذاتي لثقة الوكيل خطوة مهمة.

نعرض لكم نظام 'بنك الخبرات' (Critic Experience Bank) الجديد، الذي يمثل في واقع الأمر إطارًا ذاتيًا متطورًا يقوم فيه وكيل LLM بجمع الأدلة من حكمه السابق وعواقبه الملحوظة. يعتمد هذا النظام على مبدأ تقدير الثقة على مستوى الخطوات، حيث يتم تحديد احتمالية أن تكون كل خطوة مقترحة مثمرة قبل تنفيذها.

السياق الحالي للأساليب يُظهر أن معظم مقدرات الثقة الحالية موجهة لتقييم استجابة معينة بناءً على استدعاء معين، غير أن الثقة في الوكيل يجب أن تأخذ في الاعتبار العواقب الناتجة عن تنفيذ تلك الخطوات. ومع 'بنك الخبرات'، يتم تسجيل تجارب الوكيل من خلال ما يُعرف أيضاً بـ'الاسترجاع الفوري'، حيث يقوم LLM الذي يمتلك نظرة شاملة على التغذية الراجعة من التنفيذ بالتصويت على ما إذا كانت الخطوات المتخذة منتجة.

تقدم هذه المنهجية المتطورة نتائج مبهرة، حيث تُظهر الدراسات عبر ثلاثة معايير وكيل وثلاثة نماذج نقاد أن 'بنك الخبرات' يُحقق أفضل درجات التوافق والتصنيف، الأمر الذي يُخفض نسبة الأخطاء في التقدير بنسبة تصل إلى 54% بالمقارنة مع النماذج التقليدية الخالية من التدريب.

انطلاقًا من هذه التطورات، هل تعتقد أن الذكاء الاصطناعي سيصبح أكثر موثوقية وفعالية في قراراته المستقبلية؟ شاركونا آراءكم في التعليقات!