في عالم التصنيع المتقدم، تبرز الحاجة إلى تقنيات فعالة لتوليد نماذج التصميم بمساعدة الكمبيوتر (CAD). ومع تزايد تعقيد هذه النماذج، تظهر العديد من التحديات المتصلة بأوقات التنفيذ الطويلة، تنوع العمليات، والقيود الهندسية القوية. وفي هذا السياق، يبدو أن الأساليب القائمة على نماذج اللغات الضخمة (Large Language Models) تعاني من قصور يتجلى في انقطاع سلاسل الاستدلال وغياب آليات تصحيح الأخطاء الفعالة.

لذا، جاءت الورقة الحديثة ببعد جديد، حيث اقترحت إطار عمل للتعلم المعزز المدعوم بالذاكرة لتوليد نماذج CAD. هذا الإطار يجمع بين نواة هندسية منظمة وسلسلة أدوات قابلة للاستخدام من قبل الوكيل، مما يسهل عملية فهم نية التصميم والتخطيط العالمي والتنفيذ والتحقق متعدد الأبعاد.

كما يحتوي الإطار على وحدة ذاكرة ذات مسارين، تشمل مكتبة للحالات ومكتبة للمهارات، ويستخدم خوارزمية استرداد ديناميكية، مما يتيح للوكيل تحسين أدائه من خلال التعلم المعزز. وبفضل هذه الآليات، يستطيع الوكيل تجنب الفخاخ التي تسبب استرداد أمثلة قد تكون مشابهة دلالياً ولكن غير قابلة للتطبيق هندسياً.

تُظهر التجارب أن الطريقة المقترحة تحسن بشكل ملحوظ معدلات النجاح والتوافق الهندسي عند مواجهة مهام توليد النماذج المعقدة مما يقود إلى تطوير مستمر بدون الحاجة إلى بيانات موسومة بشكل كبير. هذا التطور الهام يعكس إمكانية جعل عمليات التصميم أكثر ذكاءً وفاعلية في المستقبل.