في عالم الذكاء الاصطناعي، أصبحت أنظمة الوكلاء المتعددة (Multi-Agent Systems - MAS) النقطة المحورية لتحسين العملية العقلانية لنماذج اللغة الكبرى (Large Language Models) عند مرحلة الاختبار. بدلاً من الاعتماد على تنسيق مركزي يقوم فيه وكيل رئيسي بتوزيع المهام، تقوم الأنظمة غير المركزية بتوزيع العمل بين وكلاء متوازين، مما يلغي الحاجة إلى نقطة تواصل واحدة قد تشكل عنق زجاجة.

نظام DeLM (De-centralized Language Models) الجديد يكسر النمط التقليدي من خلال توفير بيئة تستخدم سياقًا مشتركًا للتحكم في سير العمل. كل وكيل يتبنى المهام بشكل غير متزامن، يقوم بقراءة ما تم تحقيقه مسبقًا، ويمارس منطقًا محليًا لإنتاج تحديثات مثبتة بشكل مضغوط.

تظهر النتائج التجريبية أن نظام DeLM قد أحدث فرقًا هائلًا في توسيع نطاق اختبار البرمجيات، حيث سجل أداءً مذهلاً في موقع SWE-bench Verified مع تحسن بلغ 10.5 نقاط مئوية مقارنة بأفضل نموذج تقليدي، بالإضافة إلى تقليل تكاليف المهام بنسبة 50%. وعند استخدام نموذج LongBench-v2 Multi-Doc QA، تمكن من تحقيق دقة متوسطة عالية، متفوقًا على أقوى النموذج التقليدي بما يصل إلى 5.7 نقاط مئوية.

باختصار، تعتبر أنظمة الوكلاء المتعددة غير المركزية خطوة بارزة نحو مستقبل أفضل في معالجة اللغة، حيث تفتح آفاقًا جديدة وتحقق إنجازات لم تكن ممكنة من قبل. لمزيد من المعلومات، يمكنكم زيارة رابط المشروع. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!