أطلقت مجموعة من الباحثين مشروعًا مبتكرًا يدعى Orchard، وهو إطار عمل مفتوح المصدر يهدف إلى تحويل نماذج اللغات الضخمة (Large Language Models) إلى وكلاء مستقلين قادرين على تنفيذ مهام معقدة بفاعلية. يعتمد مشروع Orchard على مجموعة من العناصر الأساسية التي تتيح له تجاوز القيود الحالية التي تعاني منها أطر البحث المفتوحة.

تعتبر عملية نمذجة الوكالة (Agentic Modeling) جزءًا أساسيًا من هذا الإطار، حيث تسمح بتخطيط المهام المعقدة، والتفكير، واستخدام الأدوات، والتفاعل متعدد الأدوار مع البيئات المختلفة. بالرغم من الاستثمارات الكبيرة في هذا المجال، إلا أن نقص البنية التحتية والفجوات في التدريب قد أثر بشكل كبير على القدرة على الاستفادة من الإمكانيات الحقيقية للنماذج.

يتيح Orchard بشكل خاص بيئة خفيفة الوزن تُعرف بـ Orchard Env، التي تقدم مكافآت قابلة لإعادة الاستخدام لإدارة حياة الساند بوكس عبر مجموعة متنوعة من مهام التدريب. تم تطوير ثلاث وصفات لنمذجة الوكالة على أساس Orchard Env.

1. **Orchard-SWE** مخصص لوكلاء البرمجة، حيث نجح في تحقيق نسبة نجاح تصل إلى 67.5% باستخدام تقنيات متقدمة مثل التعلم من المراحل الإنتاجية للبيانات غير المحلولة.

2. **Orchard-GUI** يستهدف تدريب وكلاء الاستخدام الحاسوبي البصري، وقد حقق نجاحًا ملحوظًا باستخدام فقط عدد صغير من البيانات المستخلصة.

3. **Orchard-Claw** مخصص لمساعدي الشخصيات الافتراضية، وحقق نتائج مبهرة باستخدام مجموعة من المهام الاصطناعية.

عبر هذه النتائج، يظهر Orchard كيف أن البيئة المفتوحة والخفيفة الوزن يمكن أن تدعم بيانات الوكالة القابلة لإعادة الاستخدام، ووصفات التدريب، والتقييمات عبر المجالات. هذه الابتكارات لا تتيح فقط التدريب بكفاءة، لكن أيضًا تمهد الطريق لتطوير نماذج مفتوحة المصدر تنافس الأنظمة الاحتكارية.