في عالم الذكاء الاصطناعي، تواجه الأنظمة المعتمدة على نماذج اللغات الكبيرة (Large Language Models) تحديات ملحوظة؛ حيث تعتمد معظم الأنظمة متعددة الوكلاء (Multi-Agent Systems) على تنسيق مركزي وتفتقر لآليات التحقق الرسمية التي تضمن موثوقية الوكلاء. هذه الثغرات تجعل البيئات المفتوحة عرضة لوكلاء غير متعاونين أو حتى خبيثين.

وفي هذا السياق، تم اقتراح DART، وهو إطار عمل مبتكر يعتمد على الرسوم البيانية الدورية الموجهة (Directed Acyclic Graph) لإدارة السمعة والحوافز بهدف تعزيز التعاون الموثوق بين الوكلاء. يجمع DART بين التنسيق التشغيلي المركزي وحوكمة لامركزية مدعومة بتقنية البلوكتشين، مما يضمن استجابة فعالة وموثوقة لظروف النظام.

يعتمد DART على دمج التوجيه العملي باستخدام الرسوم البيانية، وتخصيص المهام بناءً على السمعة والقدرات، والتحديثات الديناميكية للسلوك، بالإضافة إلى حوافز متعددة العوامل ومساءلة العقود الذكية مع تخزين IPFS. من خلال هذا النهج، يتوازن اختيار الوكلاء بشكل ديناميكي مع ضبط المهام والسمعة التاريخية وأحمال العمل. كما تستمر الأدلة السلوكية بعد التنفيذ في ضبط موثوقية الوكلاء وإمكانية مشاركتهم المستقبلية.

مع تغطيته لأربعة محاور، حقق DART نجاحًا باهرًا بنسبة 93.6% على اختبارات GSM8K، وقام ببناء تطبيق كامل في 142 ثانية باستخدام وكيلين، متفوقًا بذلك على المعايير المركزية القديمة. في خمس تجارب مستقلة تمت على مدار 150 جولة، حقق DART معدل نجاح متوسط للمهمة بلغ 93.33%، وجودة مخرجات تجاوزت 0.9357، ومعدل إعادة المحاولة بلغ 0.2307، وفترة تأخير تخصيص قدرها 1.1153 ثانية.

تظهر النتائج قدرة DART في عزل الوكلاء الخبيثين المستمرين والفوريين، حيث حقق نسبة احتواء للمخرجات بلغت 99.3%، مما استعاد نجاح النظام بنسبة 99.8%. هذه الإنجازات تثبت إمكانية دمج السمعة والحوافز والتنسيق القائم على الرسوم البيانية وإدارة الحوكمة القابلة للتحقق عبر البلوكتشين لدعم التعاون الديناميكي والمحاسبي بين الوكلاء.