في عالم الذكاء الاصطناعي، يعتبر نظام [الوكلاء](/tag/الوكلاء) المتعددين (Multi-Agent Systems - MAS) بفضل [نماذج [اللغات](/tag/اللغات) الكبيرة](/tag/[نماذج](/tag/نماذج)-[اللغات](/tag/اللغات)-الكبيرة) (Large Language [Models](/tag/models) - [LLMs](/tag/llms)) من [الأدوات](/tag/الأدوات) القوية في [حل المشكلات](/tag/حل-المشكلات) المعقدة. تعتمد [كفاءة](/tag/كفاءة) هذه الأنظمة بشكل كبير على التركيب التواصلي بين الوكلاء، ولكن الطرق الحالية لإنشاء التركيب لا تأخذ بعين الاعتبار التحديات التي تطرأ عند التعامل مع مهام متطورة ومتغيرة باستمرار.

تقدم الورقة البحثية extsc{MasFACT} حلاً مبتكرًا لمشكلة "[نسيان](/tag/نسيان) التركيب" (Topology Forgetting)، وهي ظاهرة تحدث عندما يتكيف النظام مع مهام جديدة دون الاحتفاظ بالأنماط التعاونية الفعالة السابقة. تحدث هذه المشكلة بسبب عدم التطابق في التوجهات الوظيفية والهيكلية بين المهام المختلفة.

تستخدم extsc{MasFACT} إطار [عمل](/tag/عمل) يعتمد على [هندسة](/tag/هندسة) [نقل المعرفة](/tag/[نقل](/tag/نقل)-[المعرفة](/tag/المعرفة)) ([Geometry](/tag/geometry)-Aware Posterior Transfer) للحفاظ على [المعرفة](/tag/المعرفة) التعاونية القديمة كأولويات قابلة للنقل. وتقوم بتحويل هذه الأولويات [عبر](/tag/عبر) فضاءات [الوكلاء](/tag/الوكلاء) الخاصة بالمهام بواسطة [تقنية النقل](/tag/[تقنية](/tag/تقنية)-[النقل](/tag/النقل)) الأمثل (Fused Gromov-Wasserstein Optimal Transport)، إضافة إلى إجراء [تكييف](/tag/تكييف) لاحق مستند إلى [تقنية](/tag/تقنية) PAC-Bayes الموجهة لتوازن بين [مرونة](/tag/مرونة) المهام والاستقرار الهيكلي.

أظهرت [التجارب](/tag/التجارب) التي أجريت [عبر](/tag/عبر) إعدادات مستمرة على مستوى الفئات والمجالات والمهام أن extsc{MasFACT} تحسن بشكل ملحوظ [الدقة](/tag/الدقة) المتوسطة للنظام وتقلل من مشكلة [نسيان](/tag/نسيان) التركيب مقارنةً بأساليب [توليد](/tag/توليد) التركيب التقليدية وأساليب إعادة التشغيل. كما يمكن دمجها بسهولة مع مولدات التركيب في [أنظمة](/tag/أنظمة) [الوكلاء](/tag/الوكلاء) المتعددين المختلفة.

ما رأيكم في أهمية الحفاظ على [المعرفة](/tag/المعرفة) التاريخية في [أنظمة](/tag/أنظمة) [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي)؟ شاركونا أفكاركم في [التعليقات](/tag/التعليقات).