في عالم الذكاء الاصطناعي، تتزايد التحديات المتعلقة بإيجاد إجابات دقيقة للأسئلة المعقدة. وقد تمثل تلك التحديات في عجز النماذج عن التعامل بشكل فعال مع المعلومات المتضاربة خلال نقاشاتهم. ولكن، يظهر هنا ابتكار جديد يُعرف باسم "النقاش المتعدد الوكلاء المحلي" (Localized Multi-Agent Debate - LMAD) والذي يعد بحل هذه المشكلة بشكل جذري.

النهج التقليدي في النقاش بين الوكلاء كان يعتمد على تبادل جميع الحجج، حتى عندما تتعلق النقاشات بتفاصيل صغيرة من الموقف. لكن LMAD يعدل هذا النهج من خلال تمثيل الحجج كعقد وتحديد النقاط الأولى للاختلاف، مما يسمح بتقييد النقاش على الأقسام المحلية ذات الصلة.

توسع "الحل المحمي" الحالة المشتركة التي تم الالتزام بها، مما يمكن من معالجة النزاعات اللاحقة دون الحاجة لإعادة فتح النقاش حول النقاط المتفق عليها سابقاً.

في اختباراتنا على أربعة معايير لأسئلة متعددة الخطوات، وباستخدام عشرة نماذج من أربع عائلات نموذجية، أثبت LMAD تفوقه الملحوظ. حيث حقق أعلى دقة حكم متوسط ماكرو (macro-averaged judge accuracy) عبر جميع نماذج الخلفية، متفوقاً على أقوى نموذج تقليدي بمعدل يصل حتى 7.20 نقطة مئوية.

إن تطبيق LMAD يُعتبر خطوة كبيرة نحو تحسين الكفاءة والدقة في أنظمة الردود على الأسئلة المعقدة، مما يُعزز قدرة الذكاء الاصطناعي على التفاعل بذكاء مع التحديات اليومية في العالم.