في عالم الذكاء الاصطناعي، تسجل النماذج اللغوية الضخمة (Large Language Models) نجاحات كبيرة في العديد من المهام العامة، لكنها تعاني عند التعامل مع مجالات متخصصة تتطلب إشرافاً عالياً، حيث تكون تكلفة بيانات التدريب مرتفعة. هنا يأتي دور **EvoPool**، الذي يمثل نقلة نوعية في هذا المجال.

**EvoPool** هو إطار عمل مستوحى من نظرية التطور الدارويني، حيث يعتمد على نموذج متعدد الوكلاء (multi-agent) يقوم بتوليد وتعليق تعليمات قابلة للتنفيذ بشكل تدريجي. يتكون النظام من ثلاثة وكلاء متخصصين يعملون على اقتراح كودات جديدة معتمدة، بينما يوفر مجموعة صغيرة من بيانات التحقق إشارة لقياس جدوى هذه الكودات. يتم الاحتفاظ فقط بتلك التي تجتاز اختبارات التحقق من الجدوى والتنوع والمساهمة الهامشية عبر الأجيال.

فكرة **EvoAgg**، المجمّع الذكي، تأتي لتقريب النتائج من خلال دمج الميزات الدلالية مع ميزات تصويت الوكلاء، مما يؤدي إلى إنتاج تسميات تدريبية شبه مجانية وتكلفة تقترب من الصفر لكل مثال. وقد أظهرت الدراسات أن **EvoPool** سريع للغاية، حيث تصل سرعته إلى 4500 إلى 31000 مرة أسرع من التعليق باستخدام النماذج اللغوية الضخمة على 100,000 مثال.

عندما نتحدث عن الأداء، فقد أظهر **EvoPool** تفوقاً ملحوظاً على النماذج التقليدية في 7 من أصل 8 مهام متخصصة ومعقدة، مثل استخراج العلاقات البيولوجية، وتصنيف بنود القانون، والتفكير المعقد، وتصنيف أنواع البيانات الكثيفة في العلوم الطبية. ولقد حقق متوسط زيادة قدرها +0.141 في مقياس F1، مع ذروات بلغت +0.301 في مهمة ChemProt و+0.265 على PubMed.

يمكنكم الاطلاع على الكود المصدري الخاص بـ **EvoPool** هنا واستكشاف كيفية استخدام هذا الابتكار في تطبيقاتكم المستقبلية.
ما رأيكم في هذا التطور المذهل في عالم التعليق الأوتوماتيكي؟ شاركونا في التعليقات!