في عالم الذكاء الاصطناعي المتطور بسرعة، تبرز الحاجة إلى نماذج فعالة وقابلة للتكيف في البحث. لذلك، يقدم دكتور زيرو (Dr. Zero) نموذجاً جديداً وجريئاً يسمح لوكلاء البحث بتطوير مهاراتهم دون الاعتماد على بيانات تدريب مدروسة. فجميعنا نعلم أن الحصول على بيانات عالية الجودة أصبح أكثر صعوبة من أي وقت مضى، وهذا هو السبب وراء ظهور مفهوم التطور الذاتي كمقاربة واعدة.

تقوم هذه المنهجية على السماح لنماذج اللغات الكبيرة (Large Language Models) بإنتاج حلول ذاتية للمشكلات المعقدة، مما يعزز قدرات التفكير لديها. بالرغم من ذلك، تواجه وكلاء البحث التحدي المتمثل في قلة تنوع الأسئلة ومتطلبات الحساب الكبيرة المستخدمة في التفكير متعدد الخطوات.

مع نموذج دكتور زيرو، يمكن لوكلاء البحث أن يتطوروا بشكل فعال من خلال حلقة تغذية راجعة للتطور الذاتي، حيث يقوم مقترح بتوليد أسئلة متنوعة هيكليًا لتدريب المحلل الذي يتم تسخيره من نفس نموذج الأساس. مع تطور المحلل، يُحفز المقترح لخلق مهام صعبة يمكن حلها، مما يساهم في إنشاء منهج تعليمي آلي لتحسين أداء جميع الوكلاء.

لتعزيز كفاءة التدريب، يقدم النموذج تقنية جديدة تُعرف باسم تحسين السياسات النسبية المجمعة (HRPO)، والتي تعمل على تجميع الأسئلة المشابهة هيكليًا لإنشاء معايير تعتمد على مجموعات أسئلة، مما يقلل بشكل كبير من متطلبات الحوسبة دون التأثير على الأداء أو الاستقرار.

لقد أظهرت نتائج الاختبارات الشاملة أن دكتور زيرو يتفوق أو يتساوى مع وكلاء البحث المدعومين بالكامل في العديد من مؤشرات قياس الإجابات، مما يدل على أن البحث القوي والاستدلال المبني على الأدلة يمكن أن يظهر من خلال التطور الذاتي فقط. إن التطور الذاتي لهذه الوكلاء يعكس اتجاهًا مثيرًا في مجال الذكاء الاصطناعي، ويمكن أن يحدث ثورة في كيفية بحثنا وتفاعلنا مع المعلومات.