في عالم الذكاء الاصطناعي، تتقدم الوكلاء المعززين بالأدوات (Tool-Augmented Agents) بشكل متسارع، حيث يتم تقييم أدائهم بناءً على قدرتهم على اختيار الأدوات الصحيحة وإنتاج معايير واجهة برمجة التطبيقات (API) الصحيحة لإكمال المهام المطلوبة. ومع ذلك، حتى في حال اختيار الأداة الصحيحة، قد يقع الوكلاء في خطأ فادح يتمثل في ربط الكيانات بشكل خاطئ.

على سبيل المثال، عندما يُطلب من وكيل إرسال بريد إلكتروني إلى "أليكس" بشأن إطلاق منتج جديد، قد يسفر هذا الطلب عن اتصال الوكيل بشخص خاطئ يحمل نفس الاسم، أو إرفاق مستند غير صحيح، أو الرد في سلسلة مكالمات خاطئة، أو تحديث حساب ضائع. تُعرف هذه الأخطاء بفشل ربط الكيانات (Entity Binding Failures).

يهدف هذا البحث إلى دراسة هذه الظاهرة باعتبارها مشكلة موثوقية وسلامة منفصلة عن دقة الأداة. من خلال الفصل بين دقة الأداة ودقة الكيانات، قام الباحثون بتقديم تصنيف للأخطاء التي تتعلق بالكيانات غير الصحيحة ضمن تدفقات العمل في الشركات. كما قاموا بتقييم آليات تنفيذ مدركة للكيانات، تشمل شروط الحل للكيانات، الربط عبر الثقة، والتوضيح في ظل الغموض.

في تجربة تشخيصية محكمة شملت 60 مهمة وخمسة نماذج أساسية وستة طرق لاستخدام الأدوات، أظهرت جميع الأساليب معدل خطأ بنسبة 0.0% في اختيار الأداة، لكن الأساليب المعتمدة على الأفعال شهدت تنفيذ إجراءات خاطئة تتعلق بالكيانات في 24.0-26.0% من الحالات.

من خلال استخدام الأساليب المدركة للكيانات، تم القضاء على تلك الإجراءات الخاطئة وزيادة أمان استخدام الأدوات، على الرغم من أن ذلك قلل من إتمام المهام المباشرة في ظل الغموض. هذه الاكتشافات تؤكد أن استخدام الأدوات بشكل آمن يتطلب ليس فقط اختيار الأداة الصحيحة، بل أيضاً ربط المراجع اللغوية بشكل موثوق مع الكيانات الحقيقية قبل اتخاذ أي إجراء.