في عالم الاستثمار، لا يكفي أن يكون لدى وكلاء الذكاء الاصطناعي (AI agents) مجرد معلومات دقيقة لاسترجاع الحقائق، بل يحتاجون أيضًا إلى تنفيذ عمليات كمية صحيحة واستخدام موارد إجرائية بصورة موثوقة وإنتاج نتائج يمكن تدقيقها بناءً على الهياكل المحددة. ولتقييم هذه المتطلبات المعقدة، تم تقديم مجموعة تقييم جديدة تُعرف باسم **FinSkillBench**، والتي تشمل 2,603 حالة زمنية عبر 12 مهمة فرعية تتعلق ببناء المحافظ وإدارة المخاطر والتحليل الأساسي.

تقوم **FinSkillBench** على مجموعة معينة من الحقائق والموارد، حيث تم تحليل 17,820 حالة عبر 9 نماذج مختلفة و3 شروط للموارد. وكشفت التحليلات مقارنةً بين 8 نماذج أن حزم المهارات المُنظمة تستطيع رفع متوسط الدرجات بمقدار **16.2 نقطة**، وذلك مقارنةً بالمهارات التي تُولّد في حلقة واحدة، والتي لا تضيف سوى **0.5 نقطة** فقط، مع استهلاك المزيد من التوكنات والدورات.

لقد تم تحليل جميع البيانات في سياقات عملية مختلفة، حيث تظهر النتائج أن الوثائق المفصلة تساهم بمقدار **5.6 نقاط**، بينما تضيف الأدوات التنفيذية **19.5 نقطة**. وعندما يتم دمج الأدوات والوثائق، فإن تأثيرهم يكون غير تقليدي. وإذا نظرنا إلى العمليات التي تُحتاج فيها إلى إجراءات محددة، نجد أن الأداء يتأثر بتوافر الأدوات أكثر، بينما تتصدر الوثائق في الحالات التي تتعلق بإرشادات متعلقة بمخطط المخرجات.

وفي الختام، تُظهر هذه النتائج أن "المهارات المكتسبة" هي خاصية تعتمد على النظام الكامل، بدلاً من كونها مرتبطة فقط بالنموذج الأساسي.

هل تعتقد أن تعزيز المهارات يمكن أن يؤثر على المجالات الأخرى من الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات!