في عالم الذكاء الاصطناعي، أصبح استخدام الأدوات جزءاً أساسياً من الأداء الفعّال للوكلاء الذكيين. دراسة جديدة نُشرت على موقع arXiv، تسلط الضوء على كيفية تأثير استخدام الأدوات في الأداء الوظيفي للوكلاء المتعددين الوسائط (Hybrid Multimodal Contextual Agents).

لقد توصل الباحثون إلى أن توافر الأدوات لا يعني بالضرورة تحسين الأداء؛ بل إن الأداء قد يتأثر سلباً في بعض الحالات. ومن خلال دراسة على نموذج OSWorld-MCP مع 309 مهمة، أظهروا أن استخدام أدوات معينة حسن أداء النماذج الاستدلالية (Reasoning Models) بـ 4.0 نقاط مئوية، بينما أساء إلى النماذج غير الاستدلالية (Non-Reasoning Models) بـ 5.9 نقاط مئوية.

ما يميز النجاح أو الفشل في هذا السياق هو سلوك تحديد الأداة. بينما تتجاهل السياسات غير الاستدلالية الأداة، تتجنب النماذج الاستدلالية هذه الأخطاء على الرغم من أنها تستخدم الأدوات بنسبة 23.9% فقط من المهام القابلة للوصول.

يسلط الباحثون أيضًا الضوء على ما أطلقوا عليه اسم "فجوة التبني" (Adoption Gap) التي تنشأ بسبب أن النموذج يمتلك بالفعل مسارًا أرخص. وعندما يتم استخدام تعويض كثيف للأدوات، يتزايد معدل استخدام جداول البيانات من 0.03 إلى 0.33، لكن دقة النتائج تحتفظ لا تتبع هذا التحسن.

من المثير للاهتمام أن نجاح استدعاء الأداة في كثير من الأحيان يجعل لقطة الشاشة التالية غير ضرورية، مما يقلل من تكلفة الإدخال. من خلال إعادة التدريب تحت نفس القاعدة، يمكن للوكلاء المحسنين تحقيق دقة أعلى مع خفض التكاليف.

تظهر هذه الدراسة أهمية اتخاذ الخيارات الصحيحة في استخدام الأدوات، حيث أن الوكلاء الهجينين الحاليين يتركون العديد من هذه الخيارات غير مستغلة. هل تعتقد أن الوكلاء المتعددين الوسائط يمكنهم تحسين التفاعل مع الأدوات بشكل أكبر؟ شاركنا رأيك في التعليقات.