في عالم الذكاء الاصطناعي، تُعتبر الأنظمة متعددة الوكلاء (Multi-Agent LLM Systems) من الأدوات القوية التي تعتمد على تبادل الرسائل بين وكلاء متخصصين لإنجاز مهام معقدة. ومع ذلك، ماذا يحدث عندما يقدم وكيل علوي معلومات غير صحيحة تؤثر على إجابة وكيل آخر؟

قامت دراسة جديدة نُشرت على arXiv بتسليط الضوء على هذا التساؤل، حيث استخدمت تجارب محكومة عبر خمسة معايير وُجد أن الأداء يتأثر بشكل ملحوظ بوجود رسائل غير دقيقة. استند الباحثون إلى ثلاثة سيناريوهات مختلفة: عدم وجود رسالة، أو استخدام الرسالة الأصلية من الوكيل العلوي، أو رسالة تحمل استنتاجًا مغايرًا.

اكتشفت التجارب ثلاثة نتائج رئيسية:
1. توفر الرسائل فائدة كبيرة عندما تكون الإجابة المحتملة للوكيل في الأساس غير صحيحة، مما يسهم في تحسين دقة الإجابات.
2. في حالات معينة، قد تكون الرسائل ضارة، حيث قد تؤدي الرسالة الخاطئة من الوكيل العلوي إلى تغيير إجابة الوكيل السفلي بشكل يصل إلى 32%.
3. في 94% من الحالات الضارة التي تم فحصها، قام الوكيل السفلي بنسخ الإجابة الخاطئة المحددة من الوكيل العلوي، وهو نمط أطلق عليه الباحثون مصطلح "استبدال الإجابة" (Answer Substitution).

تشير هذه الدراسة إلى أن إزالة الرسائل غير الموثوقة يمكن أن تستعيد جزءًا من الدقة المفقودة، مما يدل على ضرورة أن يكون التواصل انتقائيًا بناءً على موثوقية الوكيل العلوي والأدلة المتاحة للوكيل السفلي. هذا الاكتشاف قد يغير الطريقة التي نُبني بها أنظمة الذكاء الاصطناعي في المستقبل.