في عالم الذكاء الاصطناعي المتقدم، تعتبر السرعة في معالجة البيانات وتقديم الاستجابات الفورية أحد العوامل الحاسمة. ولتحقيق ذلك، تتطلب الوكلاء الذكيون المدعومون بنماذج لغوية ضخمة (Large Language Models) ودودات متقدمة لإجراء استكشافات سريعة للحالة. في هذا الإطار، تبرز تقنية "دلتا بوكس" (DeltaBox) كحل مبتكر يعيد تعريف مفهوم النقاط المرجعية واستعادة الحالة.

تستند فكرة "دلتا بوكس" إلى الملاحظة أن النقاط المرجعية المتتالية لوكلاء الذكاء الاصطناعي تتسم بتشابه كبير. بدلاً من تكرار النسخ الكامل لكل حالة، تركز التقنية على نسخ التغييرات فقط بين النقاط المرجعية المتسلسلة. لكن تحقيق هذه الفكرة يشكل تحدياً كبيراً بسبب الحاجة إلى دعم نظام التشغيل (OS) المناسب.

تقدم الورقة آليتين مبتكرتين لتحسين هذه العمليات: الأولى، "دلتا FS" (DeltaFS)، والتي تعيد تنظيم ملفات الحالة إلى طبقات، مما يقلل وقت التحديثات إلى عملية النسخ عند الكتابة. الثانية، "دلتا CR" (DeltaCR)، التي تستخدم التفريغات التزايدية لتسريع استعادة الحالة.

تظهر تقييمات الأداء على تغيرات SWE-bench وRL micro-benchmarks أن تقنية "دلتا بوكس" تحقق زمن استعادة يتراوح بين 5 و14 مللي ثانية، مما يتيح للوكلاء استكشاف عدد أكبر من العقد ضمن أوقات محدودة. هذه النجاحات قد تمهد الطريق لمزيد من التطورات في الذكاء الاصطناعي، مما يؤدي إلى إنشاء وكلاء أكثر كفاءة وذكاءً.

استعد لاكتشاف المزيد من الابتكارات التي تشهدها مجالات الذكاء الاصطناعي فقط عبر ملاحظة القدرة على تحسين الأداء من خلال تقنيات جديدة ومبتكرة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات!