شهدت تقنيات الذكاء الاصطناعي، وخاصة نماذج اللغات الضخمة (Large Language Models)، تطورات مذهلة أدت إلى استخدامها بشكل واسع كعملاء تفاعليين. ومع ذلك، فإن الأداء القوي لهذه النماذج على المعايير الحالية يتضاءل عند نشرها في بيئات العالم الحقيقي والتي تتسم بالعشوائية وعدم الكمال. أعلن الباحثون أن هذه المشكلة تنبع من الفجوة الأساسية بين بيئات التدريب المثالية وديناميكيات التفاعل الواقعية، حيث تعتمد الأساليب الحالية على تعليمات مدروسة للغاية وبيئات مستقرة ومراقبة.

وفي إطار جهودهم لسد هذه الفجوة، قدم الباحثون إطار عمل جديد يُعرف باسم NoisyAgent، والذي يدمج بشكل صريح العيوب البيئية في عملية تعلم الوكلاء. وقد تم تحديد مصدرين رئيسيين للازعاج في التفاعلات الواقعية:

1. **ضجيج المستخدم**: الذي يلتقط الغموض والتغير في تفاعلات المستخدم.
2. **ضجيج الأداة**: الذي يعكس الفشل والشذوذ في تنفيذ الأدوات.

تركز الطروحات الجديدة على إدخال هذه التغيرات ضمن مسار التدريب من خلال تعديل أنماط تفاعل المستخدم ومحاكاة نتائج تنفيذ الأدوات داخل بيئة التدريب.

لتثبيت التدريب مع تشجيع الوكلاء على التعامل مع عيوب متزايدة التحدي، يتم تطبيق الضجيج على مجموعة فرعية فقط من النتائج وتجعل صعوبة الضجيج تتزايد بينما يتكيف النموذج مع مستوى الضجيج الحالي. وأظهرت التجارب الواسعة أن هذا المنهج يعزز مرونة الوكلاء بشكل مستمر في البيئات الصاخبة والديناميكية.

علاوة على ذلك، كشفت التحليلات أن التدريب تحت ظروف الضجيج أيضًا يُظهر تحسينات في الأداء على المعايير المثالية. وهذا يوحي بأن التعرض المنظم للضوضاء البيئية يعزز من المهارات الطبيعية في التفكير واتخاذ القرار.

نتائج هذا البحث تبرز أهمية نمذجة عيوب التفاعل كخطوة نحو تضييق الفجوة بين تدريب الوكلاء ونشرهم في العالم الحقيقي.