في عالم الذكاء الاصطناعي، أصبحت [وكالات](/tag/وكالات) [نماذج [اللغات](/tag/اللغات) الضخمة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الضخمة) ([LLM](/tag/llm)) [أداة](/tag/أداة) فعالة لمواجهة التحديات المتزايدة في [معالجة المعلومات](/tag/معالجة-[المعلومات](/tag/المعلومات)) وتنفيذ المهام المعقدة. ولكن مع [تطور](/tag/تطور) هذه التكنولوجيا، برزت الحاجة إلى [تحسين الأداء](/tag/[تحسين](/tag/تحسين)-[الأداء](/tag/الأداء)) وتوفير [آليات](/tag/آليات) [تدخل](/tag/تدخل) فعّالة. هنا يأتي دور [إطار العمل](/tag/إطار-العمل) الجديد [HASP](/tag/hasp) (Harnessing [LLM](/tag/llm) Agents with Skill Programs).
يمثل [HASP](/tag/hasp) نقلة نوعية في كيفية تسليح [وكالات LLM](/tag/[وكالات](/tag/وكالات)-llm) بالمهارات القابلة للاستخدام المشتقة من الخبرات السابقة. كان من المعروف أن المهارات يتم تشفيرها كنصائح استشارية فقط، دون وجود [آليات](/tag/آليات) واضحة تحدد متى وكيف تتدخل في حلقة الوكيل. إلا أن [HASP](/tag/hasp) يعالج هذه الثغرة من خلال [تحويل](/tag/تحويل) المهارات إلى [وظائف](/tag/وظائف) برنامج قابلة للتنفيذ (Program Functions - PFs).
هذه [الوظائف](/tag/الوظائف) لا تقتصر على تقديم [النصائح](/tag/النصائح) التي تبقى بلا حراك، بل تعمل كحواجز تنفيذية تتفاعل مع الحالات المعرضة للفشل، مما يساهم في تعديل الإجراء التالي أو حقن سياق تصحيحي. ويتميز [HASP](/tag/hasp) بكونه مرنًا للغاية، حيث يمكن تطبيقه أثناء مرحلة [الاستدلال](/tag/الاستدلال) للتدخل المباشر في حلقة الوكيل، أو خلال مرحلة ما بعد [التدريب](/tag/التدريب) لتوفير الإشراف المنظم، أو حتى لتحسين ذاتهم من خلال [تطوير](/tag/تطوير) PFs المدروسة والمعتمدة.
تشير النتائج التجريبية إلى أن [HASP](/tag/hasp) يمنح [تحسينات](/tag/تحسينات) ملحوظة مقارنة بالطرق التقليدية سواء كانت خالية من [التدريب](/tag/التدريب) أو مستندة إليه. على سبيل المثال، في مهام [استدلال](/tag/استدلال) [البحث](/tag/البحث) على الويب، تحسن [أداء الوكالات](/tag/[أداء](/tag/أداء)-الوكالات) باستخدام PFs بمعدل 25% مقارنة بطرق مثل ReAct Agent، بينما حقق [التطوير](/tag/التطوير) بعد [التدريب](/tag/التدريب) تحسنًا يصل إلى 30.4% مقارنةً بـ Search-R1.
تكشف التحليلات المرتبطة بآلية [HASP](/tag/hasp) عن كيفية [تفاعل](/tag/تفاعل) PFs وتدخّلها، وكيفية استيعاب المهارات، ومتطلبات [تطور](/tag/تطور) مكتبة المهارات بطريقة ثابتة. في النهاية، يفتح [HASP](/tag/hasp) آفاقًا جديدة لتطبيقات [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي) في مجالات متعددة، مما يعد بتطلعات واعدة مستقبلًا.
اقتحام عالم الذكاء الاصطناعي: تطوير وكالات LLM ببرامج المهارات
أطلق الباحثون إطار عمل HASP الذي يعيد تعريف كيفية تفاعل وكالات نماذج اللغات الضخمة (LLM) مع المهام من خلال تحويل المهارات إلى وظائف قابلة للتنفيذ. هذا النمط الجديد يعزز من كفاءة الأداء في مجموعة واسعة من التحديات المعقدة.
المصدر الأصلي:أركايف للذكاء
زيارة المصدر الأصلي ←جاري تحميل التفاعلات...
