في زمن تزايد فيه حجم المعلومات المتاحة، أصبح من الضروري الاعتماد على تقنيات متطورة لترتيب واسترجاع المعلومات بدقة. هنا يأتي دور IntrAgent، وكيل المعلومات الجديد الذي يمثل قفزة نوعية في استرجاع المعلومات المعتمد على نماذج اللغات الضخمة (Large Language Models).

تم تصميم IntrAgent بهدف تسهيل عملية استرجاع المعلومات من الأدب الأكاديمي، حيث يعالج مهمة جديدة تُعرف باسم INformation reTRieval through literAture reVIEW (IntraView). هذه المهمة تهدف إلى أتمتة عملية استرجاع المعلومات بدقة متناهية استناداً إلى المحتوى المقدم، مما يساعد على توفير إجابات موثوقة للدراسات والأبحاث.

يتميز IntrAgent بقدرته على تقليد سلوك البشر عند قراءة الأدب، حيث يقوم بتحديد الأقسام ذات الصلة ثم يستخرج التفاصيل الرئيسية بشكل متكرر لتحسين المعلومات المسترجعة. يتضمن هذا النظام مرحلتين رئيستين:
1. **تصنيف الأقسام**: حيث يقوم النظام بإعطاء الأولوية للأقسام الأدبية ذات الصلة باستخدام أساليب للمعرفة الهيكلية.
2. **قراءة متكررة**: حيث يقوم بمواصلة استخراج التفاصيل وتجميعها في إجابات موجزة ومبنية على السياق.

لضمان تقييم دقيق، تم تقديم IntraBench، وهو معيار جديد يتكون من 315 حالة اختبار تم تطويرها من أسئلة مؤلفة من خبراء، مع الأدبيات التي تغطي خمسة مجالات في العلوم والتكنولوجيا والهندسة والرياضيات (STEM).

يظهر IntrAgent تفوقه من خلال تحقيق متوسط دقة أعلى بنسبة 13.2% عبر مجالات متعددة مقارنة بأحدث الأساليب التقليدية لاسترجاع المعلومات.

إن تقنيات مثل IntrAgent ليست مجرد أدوات، بل تمثل ثورة في كيفية تعاملنا مع المعلومات البحثية، مما يجعلها أساسية لمستقبل الأبحاث العلمية.