في عالم الذكاء الاصطناعي، يعد استخدام العواطف الداخلية لنماذج اللغات الكبيرة (LLMs) ثورة حقيقية في أسلوب اتخاذ القرارات. يقدم الباحثون أسلوباً جديداً يُدعى Emotion2Skill، الذي يعمل على استخراج المؤشرات العاطفية الداخلية من النماذج ليستخدمها الوكلاء الذكيون في اختيار المهارات.

تقليديًا، كانت قرارات الاختيار تعتمد فقط على إشارات نصية مثل أوصاف المهام والتجارب السابقة، وهو ما جعل اتخاذ القرار محدودًا. لكن بفضل العمل الأخير في تفسير النماذج، أصبح من الواضح أن هذه النماذج تحتفظ بتمثيلات عاطفية تؤثر بشكل كبير على سلوكياتها.

إطار عمل Emotion2Skill يقوم بتحسين هذه العملية من خلال استخراج حالة عاطفية تتكون من 27 بعدًا، ويتم ربطها بملخص مدعوم بالثقة يتم إدخاله في ردود الفعل. لا يقتصر التطبيق على اختيار المهارات فحسب، بل يتضمن أيضًا تحليل المسارات العاطفية لرصد التغيرات المفاجئة في الحالة الداخلية، مما يساعد في توجيه إعادة كتابة إجراءات التشغيل القياسية.

تم اختباره على منصات WebShop وALFWorld، وأثبت Emotion2Skill باستخدام نموذج Qwen3-8B زيادة في معدل النجاح بنسبة 26.9%، مما يدل على تفوقه الواضح على الطرق التقليدية. علاوة على ذلك، أظهرت تحليلات تفاعل العواطف والمهارات وجود ارتباطات دلالية مؤكدة تعزز من فعالية هذا النموذج.

تُظهر هذه النتائج كيف استطاعت تمثيلات العواطف الداخلية في نماذج اللغات الكبيرة أن تقدم إشارات فعالة لتحسين أنظمة اتخاذ القرارات لدى الوكلاء، مما يمنحهم ميزة تنافسية كبيرة في معالجة تحديات المهام المعقدة.