في عالم الذكاء الاصطناعي، يُعتبر الخطأ في تنفيذ الوكلاء الذكيين (LLM Agents) تحديًا كبيرًا، حيث يمكن أن تُفصل الأخطاء عن عواقبها بمراحل عديدة. هنا تأتي أهمية إطار العمل الجديد "دي فَا" (DeFA)، الذي يُعتبر إطارًا مبتكرًا يعتمد على تحليل الاعتماديات لتحديد الأخطاء. يجمع DeFA بين العلاقات البروتوكولية والاعتماديات الدلالية لإنشاء "رسم بياني للاعتماديات" يمتد عبر مسار تنفيذ الوكيل.

يبدأ DeFA بتحديد الأحداث التي قد تنتهك متطلبات المهمة، ثم يتتبع مصادرها وتأثيراتها اللاحقة لتشييد "رسم بياني لانتشار الفشل". يستخدم الإطار أدلة الخطوات ودور كل خطوة في عملية انتشار الفشل لتحديد الخطأ الحاسم والوكيل المسؤول وفئة الخطأ.

لدعم المسارات الطويلة، يقوم DeFA بتقسيم التنفيذات إلى مقاطع ودمج المحتوى التفصيلي للمقطع الحالي مع تلخيصات المقاطع الأخرى، مما يوفر إمكانية التشخيص المحلي للوصول إلى السياق العام للتنفيذ.

لقد أظهر DeFA دقة عالية في تحديد الوكلاء المسؤولين والخطوات الدقيقة حيث حقق أعلى دقة في تحديد الأخطاء بين جميع الطرق المختبرة. كما تم إثبات فعاليته في تطبيقه على المسارات متعددة الوسائط، مما يفتح الأفق أمام الكثير من التطبيقات المستقبلية.

علاوة على ذلك، فإن تعزيز الأداء في مهام لاحقة باستخدام تغذية راجعة تشخيصية من DeFA قد يسهم في تحسين دقة المهام بنسبة تتراوح بين 6-15 نقطة مئوية، وهو ما يؤكد قدرة التشخيصات على دعم تحسين الوكلاء في المهام اللاحقة. إن دي فَا يمهد الطريق لتطوير الوكلاء الذكيين وفتح آفاق جديدة في فهم الأخطاء وتحسين الأداء.