في عصر تتسارع فيه وتيرة التطورات التكنولوجية، برز نموذج MMG2Skill كأحد الحلول الواعدة لتجاوز التحديات التي تواجه الوكالات الذكية في تنفيذ المهام الطويلة الأمد. يعتمد هذا النموذج على استغلال المعرفة الإجرائية المتوافرة على الشبكة العنكبوتية، حيث يُعتبر تحويل هذه الأدلة المتنوعة والمتعددة الأشكال إلى مهارات قابلة للتنفيذ أمراً معقداً، وذلك بفضل طبيعتها الفوضوية واعتمادها على تنفيذ بشري.

يهدف MMG2Skill إلى ردم الفجوة بين الأدلة الموجهة للإنسان والمهارات القابلة للتنفيذ من قبل الوكالات، من خلال صياغة مشكلة جديدة تُعرف باسم "تعلم الدليل إلى المهارة" (guide-to-skill learning). تم إدخال معيار جديد يُدعى "MMG2Skill-Bench" لتقييم قدرات الوكالات على هذه المهمة. يعتمد هذا المعيار على إطار مغلق يقوم بدمج الأدلة في مهارات قابلة للتعديل، ويشترط نموذج رؤية لغة ثابت (Vision-Language Model) لتنفيذ هذه المهارات، مع تحسين الأداء من خلال التعليقات الخاصة بتجارب المستخدمين.

تشير النتائج إلى أن MMG2Skill يتفوق على النماذج التقليدية في مجالات عدة، بما في ذلك التحكم في واجهة المستخدم، اللعب المفتوح، ولعب البطاقات الاستراتيجية. وتمَّ تسجيل زيادة ملحوظة تتراوح بين 12.8 و25.3 نقاط مئوية في الأداء. كما أكدت دراسات تحليلية أن توجيه الوكالات مباشرةً بالأدلة الأولية يمكن أن يؤدي لتدهور الأداء، مما يجعل من الهيكلية في بناء المهارات والتطوير مدفوعاً بالتجارب أمراً ضرورياً لتحصيل النتائج الإيجابية. مع ذلك، يظل MMG2Skill نموذجًا رائدًا للإمكانيات المستقبلية في الذكاء الاصطناعي، مما يبشر بعصر جديد من الابتكارات والتحسينات المستدامة.