اكتشاف القدرة الاستثنائية لوكلاء النماذج اللغوية المحلية في هندسة البيانات

في عصر الذكاء الاصطناعي، يزداد استخدام وكلاء النماذج اللغوية الكبيرة (LLM agents) كأدوات مساعدة في البرمجة وهندسة البيانات. ومع ذلك، لا تزال الأدلة على فعالية هذه الأدوات عند نشرها محلياً محدودة. تنبأت دراسة حديثة بإمكانية إنتاج هذه النماذج لمنتجات هندسية بيانات صحيحة وقابلة للتكرار، مستعرضةً تجاربها من خلال Benchmark يتضمن خمسة عشر مهمة تتعلق بسير العمل، تشمل الاستكشاف، الربط، معالجة البيانات، والزخرفة الدلالية.

تعمل الدراسة على تقييم الظروف التي تؤثر على فاعلية هذه الوكلاء مثل حجم النموذج، البنية، تخفيض الحجم، الاستخدام، والفشل. ومن المثير للاهتمام، أن النتائج أظهرت أن نماذج بحجم يتجاوز اثنين مليار بارامتر تتمتع بزيادة ملحوظة في معدلات النجاح عند استخدامها في بيئات عمل مغلقة، حيث بلغ متوسط النجاح 26.7-52.0 نقطة مئوية عن الأجيال الفورية.

حقق أفضل تكوين 85.3% من النجاح على مستوى المنتج، بينما أظهرت نموذج بقدرة 9 مليارات بارامتر نسبة نجاح 69.3% مع بصمة ذاكرة تصل إلى 6.5 جيجابايت. تكشف النتائج أن أفضل الزيادات تحدث عندما تتيح المحتويات الوسيطة التحقق من الأخطاء وتصحيحها بواسطة الوكيل.

ختاماً، تقدم هذه الدراسة دليلاً على أن الوكلاء المحليين ذوي الأوزان المفتوحة يمكن أن يدعموا جزءاً مهماً من الأعمال الهندسية البرمجية، على أن تعتمد موثوقيتها على قدرة النموذج وقابلية التحقق من المهام.