في عالم الذكاء الاصطناعي المتسارع، يظهر نموذج Enhanced World Action Model (EWAM) كابتكار يحاول تغيير قواعد اللعبة. يعتمد EWAM على هيكل تكيّف مغلق يرتكز على شبكة Cosmos3 المُعدة مسبقًا والمحافظة على ثباتها.

تتميز هذه البنية بديناميكيات رائعة، حيث تم تقييم أداء نموذج EWAM بالكامل وفقًا لبروتوكول المهام الصفرية، مما يعني أنه لا يحتاج إلى بيانات إضافية لتكييف المهام الجديدة. ومن المفاجئ أن النموذج لا يتطلب مجموعات عرض مهمة محددة، كما أنه لم يتم القيام بأي تحوير على الشبكة الأساسية.

تعتمد الحركة الأساسية للرفع من أداء EWAM على آلية التفكير المشترك في وقت الاستدلال، والتي تتألف من أربعة طبقات عصبية خفيفة مُضافة.

- **طبقة الذاكرة التجريبية العصبية (Neural Experience Memory Layer)**: تُوفر سياق التنفيذ المتعلق بالمهام من خلال الطبقات الوسيطة من نموذج Diffusion Transformer (DiT).
- **طبقة الكشف عن الشذوذ العصبي (Neural Anomaly Detection Layer)**: تراقب الانحراف بين الحالات المتوقعة والفعلية في الوقت الحقيقي، مما يساعد على تنبيه النظام لأي أخطاء محتملة.
- **طبقة توجيه السياسة العصبية (Neural Policy Routing Layer)**: تحدد بالإضافة إلى ذلك طرق التنفيذ المباشر أو إعادة التخطيط بحذر، أو استرداد العودة، بناءً على شدة الشذوذ.
- **طبقة تصحيح الحركة العصبية (Neural Action Correction Layer)**: تعمل على تحسين حركات الأعمال المُنتجة باستخدام تشخيصات التنفيذ.

خلافًا للأساليب التقليدية التي تدمج الميزات بشكل سطحي، تُدمج وحدات الذاكرة والكشف عن الشذوذ والتصحيح بعمق في مسار Cosmos3 بشكل قابل للتفريق، مما يؤدي إلى الحصول على قرارات توجيه دقيقة تعكس التغيرات الحقيقية في البيئة المحيطة بالنموذج.