في عالم الذكاء الاصطناعي، يعتبر تطور وكالات المعلومات المتعطشة من الأمور المهمة، خاصة في مجال التعلم المعزز. دراسة جديدة نشرت مؤخراً تناقش استراتيجية مبتكرة تسهم في تحسين قدرة هذه الوكالات على التعلم من المعلومات التي تستخرجها من صفحات الويب.

تشير الأبحاث إلى أن التحديات في التعلم المعزز على المدى الطويل تكمن في أن المكافآت النهائية تخبر المستخدم بما إذا كانت الإجابة النهائية صحيحة، لكنها لا توضح أي المعلومات التي كانت لها دور في تحقيقها. ويمثل هذا الأمر صعوبة خاصة عندما تتعلق البيانات بالمحتوى المستخرج من النصوص، حيث يمكن أن تؤدي عمليات التحليل والاختصار والتلخيص إلى تمثيلات غير مكتملة وغير مستقرة للمحتوى.

لتجاوز هذه التحديات، اقترحت الدراسة إطار عمل يركز على الأدلة لوكلاء المعلومات، يساعد في تمثيل المعلومات المكتسبة من خلال الوسائل ككُتل يمكن التعرف عليها لأغراض المقارنة. يتم تقديم صفحات الويب المستخرجة كصور ثابتة، مما يحفظ تنسيق المظهر والمحتوى المتعدد الوسائط كتمثيلات مستقرة لمستوى المحتوى.

استنادًا إلى هذه الوحدات، تم تقديم طريقة إسناد ائتمان معتمدة على المعلومات (Information-Aware Credit Assignment)، وهي طريقة لنشر المكافآت تعتقد من خلالها قيمة كل خطوة بناءً على معدل النجاح النهائي، وتخصص مكافآت كثيفة للخطوات الوسيطة التي قدمت معلومات عالية الفائدة.

تم دمج هذه الطريقة مع GSPO لتحسين الأداء بشكل متكرر في الاختبارات مثل BrowseComp وGAIA وXbench-DS وSeal-0. سيتم نشر الكود وبيانات الاختبار على الرابط التالي: https://github.com/pc-inno/ICA_MM_deepsearch.

ما رأيكم في هذا التطور الرائع في عالم الذكاء الاصطناعي؟ شاركونا في التعليقات.