إدارة ديناميكية لأنظمة الوكلاء المتعددة: تحقيق نتائج محادثة تعاونية مدهشة!

في عالم الذكاء الاصطناعي، تعتبر قدرة agents (وكلاء) نماذج اللغات الكبيرة (LLMs) على التفاعل مع بعضها البعض أمرًا محوريًا. ولكن ماذا يحدث عندما تفتقر هذه الوكلاء إلى هدف مشترك؟ قد يؤدي ذلك إلى انهيار المحادثة بدلًا من المنافسة. في دراسة حديثة نُشرت على منصة arXiv، قام الباحثون بتطوير نموذج جديد يحمل اسم تجربة الأوركسترا (Experience Orchestrator - EO) لحل هذه المشكلة.

يعمل EO كطبقة للإدارة السلوكية، حيث يقوم بإرشاد الزائرين نحو التواصل مع المستشارين عبر آليات ثلاث رئيسية: يُستخدم نموذج Bandit Contextual (CB) لاختيار المحتوى المناسب استنادًا إلى تحليلات الويب الحقيقية، ويمثل وحدة التحكم PID آلية لتعزيز الاتساق السلوكي، بينما يقوم متتبع الاعتقاد POMDP بالحفاظ على نموذج احتمالي لنوايا الزوار.

عبر 60,000 محاكاة، أظهر EO زيادة مذهلة تصل إلى 32 نقطة مئوية في معدل التواصل الفعّال مع المستشارين - أي 78.1% مقارنةً بـ 46.1% مع نموذج LLM التقليدي. تُظهر النتائج التي توصلت إليها الدراسة أن سياسة الإدارة هي المعيار الأساس لتحديد نتائج التفاعل، وليس الظروف الأولية للبيئة.

بالنظر إلى تحليل الشخصية، اتضح أن نظام الإدارة يحول دون تحول الأنظمة إلى أنظمة غير وظيفية، خاصة للزوار الذين لا يميلون لطبيعة التحويل. بينما بالنسبة للزوار الذين اقتربوا من توازن الأهداف، فإن Defaults العاطفية لنموذج LLM التقليدي تكفي لاستمرار المحادثة.

يوضح هذا البحث أهمية إدارة التفاعل بين الأنظمة الذكية، ولكن يبقى التحقق من صحة EO في ظروف حقيقية مع الزيارات الحية خطوة حاسمة لتوسيع استخدام هذه التكنولوجيا بشكل فعّال.