في عصر الذكاء الاصطناعي المتطور، يلعب الوكلاء الإلكترونيون دوراً متزايد الأهمية في عملية الاعتدال وإنفاذ السياسات عبر الإنترنت. وكثيراً ما تعتمد القرارات الصحيحة على أدلة قد لا تكون واضحة على السطح وتحتاج إلى تحريات فعّالة. لكن هل يتحقق هؤلاء الوكلاء فعلاً قبل اتخاذ القرارات؟

يقدم لنا البحث الجديد المعروف باسم MIRAGE معايير جديدة تقيم قدرة هؤلاء الوكلاء على إجراء تحقيقات معمقة. يغطي MIRAGE 750 مهمة اتخاذ قرار عبر ثلاث مجالات رئيسية: تحقيقات ويكيبيديا، وإدارة التسوق، واعتدال المحتوى على Reddit. يحتوي كل من هذه المهام على طبقتين: سياق واضح على السطح وغالباً ما يقود إلى إجراءات خاطئة، وسياق مخفي يتطلب تحقيقاً نشطاً للوصول إلى الأدلة الحاسمة.

يقوم الأبحاث بتفكيك أداء الوكلاء إلى ثلاث فئات: التحقيق، الاستنتاج، ودقة القرار، تكملها نسبة الهلوسة التحقيقات. تم تقييم ثمانية نماذج لغوية كبيرة (Large Language Models) عبر جيلين مختلفين.

من النتائج المثيرة التي تم التوصل إليها:
1. يصل الوكلاء إلى الصفحات ذات الصلة ولكن نادراً ما يستخرجون الأدلة الحاسمة منها.
2. تساعد التلميحات الإجرائية في التحقيق، لكنها لا تحسن القرارات بشكل متسق في مهام ويكيبيديا، حيث تتعارض الأدلة الحاسمة عادةً مع الانطباعات السطحية.
3. أكثر من 12.6% من المسارات تشير إلى حقائق مفبركة.

هذه الأنماط، التي تم تصنيفها باسم فجوة اكتشاف التنقل، الانهيار تحت التناقض، والهلاوس التحقيقات، تستمر عبر نطاق النموذج، الجيل، وهياكل التفكير.
هذا يثير تساؤلات هامة حول فعالية الوكلاء الإلكترونيين وكيفية تحسين أدائهم في مهام معقدة تتطلب تحقيقات دقيقة. فما رأيكم في أهمية تحقيق الوكلاء قبل اتخاذ القرارات؟ شاركونا آرائكم في التعليقات.