في عالم يتزايد فيه الاعتماد على أنظمة الذكاء الاصطناعي، برزت الأنظمة متعددة الوكلاء المدعومة بنماذج اللغة الضخمة (LLMs) كأحد الركائز الأساسية في حل المشكلات المعقدة. حيث تتيح هذه الأنظمة لوكلاء ذوي خبرات متنوعة التعاون بشكل مرن لمعالجة تحديات تُعد غير قابلة للتطبيق على نماذج فردية. ومع ذلك، كان ينقص هذه الأنظمة القدرة على التكيف مع متطلبات المهام المتغيرة، مما أدى إلى تقنيات جدولة الوكلاء ورؤى التنسيق غير الفعالة.

لذلك، نقدم في هذا المقال إطار عمل STRMAC، وهو إطار توجيه ذكي يدرك حالة النظام من أجل تعزيز التعاون بين الوكلاء. يعمل هذا الإطار على ترميز تاريخ التفاعل ومعرفة الوكلاء بشكل منفصل، مما يمكّن الموجه من اختيار الوكيل الأنسب في كل مرحلة. ومن خلال ذلك، نحقق تعاوناً أكثر فعالية وكفاءة.

علاوة على ذلك، قدمنا نهجاً مبتكراً لتوليد البيانات تطورياً، مما يسرع من جمع مسارات التنفيذ عالية الجودة، مما يساهم في تحسين عمليات التدريب للنظام بشكل كبير.

أظهرت التجارب على معايير التفكير التعاوني الصعبة أن طريقتنا تحقق أداءً رائداً، حيث سجلت تحسناً يصل إلى 23.8% مقارنة بالأداء القياسي، فضلاً عن تقليل تكلفة جمع البيانات بشكل كبير يصل إلى 90.1% مقابل البحث الشامل.

هذا الابتكار يُعد علامة بارزة في مجال الذكاء الاصطناعي ويعد بدوره بمستقبل مشرق للأنظمة متعددة الوكلاء التي تعتمد على الذكاء الاصطناعي والمشاركة في حلول مبتكرة للتحديات المعقدة.