في سعيها لتطوير الذكاء الاصطناعي بشكل مبتكر، قدمت مجموعة من المؤسسات أبرزها ByteDance Seed، SUTD، وجامعة جورجيا تك، معيارًا جديدًا يعرف بـHarnessDev، الذي يقيس كيفية بناء النماذج لوكالاتها الخاصة بدلاً من تقييم الإجابات التي تقدمها فقط.

تبدأ العملية من معيار يتسم بالنقاط المنخفضة، حيث تشرع 6 نماذج من نماذج اللغات الضخمة (LLMs) في بناء وكالات قابلة للتنفيذ عبر خمسة معايير و2,207 مهمة. ومن خلال استخدام التغذية الراجعة من عمليات التنفيذ، تتمكن هذه النماذج من تطوير وكالاتها الذاتية.

ما هو مثير للاهتمام هو أن هذه الوكالات المبنية ذاتيًا بينما تطابق المراجع البشرية في الكتابة وتجارب تعلم الآلة، إلا أنها تخفق في مجالات الشفرات والبحث. علاوة على ذلك، يظهر أن 34 فقط من أصل 64 تغييرًا تم تنفيذها من قبل النماذج تطابق الاتجاه على المهام المخصصة.

تسلط هذه الاكتشافات الضوء على التحديات التي تواجه تطور الذكاء الاصطناعي وكيف يمكن أن تتأثر ابتكاراته بالتغذية المرتدة.

فما رأيكم في قدرة نماذج اللغات الضخمة على تطوير نفسها؟ هل تعتقدون أن هذه التطورات ستؤدي إلى وكالات تتفوق على الإنسان؟ شاركونا آرائكم!