في السنوات الأخيرة، شهدنا تطورًا سريعًا في نظم الوكلاء المتعددين القائمة على نماذج اللغة الضخمة (Large Language Models)، التي تبرز في اتخاذ القرارات التعاونية وحل المشكلات المعقدة. وبحث الباحثون في أطر النقاش بين الوكلاء المتعددين (Multi-Agent Debate - MAD)، التي تعزز من قدرات التفكير والتعاون لهذه الأنظمة من خلال تبادل المعلومات والنقاش بين الوكلاء.

ومع ذلك، تعتمد الأساليب الحالية غالبًا على تهيئة غير موجهة، مما يدفع الوكلاء إلى تبني مسارات تفكير متطابقة تؤدي إلى نفس الأخطاء. ونتيجة لذلك، يعيق النقاش الفعال بين الوكلاء، وغالبًا ما يتحول الناتج النهائي إلى تصويت بسيط للأغلبية.

لحل هذه المشكلة، نقدم نظام دينادبيات (DynaDebate)، الذي يحسن من فعالية النقاش بين الوكلاء المتعددين من خلال ثلاثة آليات رئيسية:

1. **توليد وتخصيص مسارات ديناميكية**: حيث يتم استخدام وكيل متخصص في توليد مسارات متنوعة ومنطقية مع تكرار مرن.
2. **نقاش مركزي حول العملية**: يركز هذا النهج على نقد المنطق خطوة بخطوة بدلاً من مجرد التصويت على الناتج السطحي لضمان دقة العملية.
3. **وكيل تحقق قائم على المحفزات**: يُفعل عند وجود اختلاط في الآراء ويستخدم أدوات خارجية لحل الأزمات بشكل موضوعي.

أظهرت التجارب أن نظام دينادبيات يحقق أداءً متفوقًا أو منافسًا للغاية في معظم المعايير.

كيف يمكن لهذه الابتكارات أن تؤثر على استخدامات الذكاء الاصطناعي في المستقبل؟ شاركونا آرائكم!