في عالم الأتمتة المكتبية، يواجه المطورون تحديات كبيرة تتمثل في فهم واجهات الاستخدام مباشرة والتفاعل معها دراميًا. ولكن، ماذا لو استطعنا جعل هذه العملية أكثر سلاسة وكفاءة؟

هنا يأتي دور OS-Helix، وهو وكيل متكامل تم تدريبه ليجمع بين التفاعل البصري (GUI) وتنفيذ الأكواد (code execution) في مكان واحد.

لكن الأمر ليس بهذه البساطة؛ فقد أوضحت التجارب الأولية أن إضافة أدوات كود جديدة إلى عمل وكيل واجهة المستخدم الرسومية (GUI agent) يمكن أن تؤدي إلى تدهور الأداء. ولذلك، كان من الضروري إعادة تصميم كيفية تنسيق الواجهة مع الأكواد من خلال تدريب الوكلاء على بيانات هجينة ذات جودة عالية.

من خلال تقديم OS-Helix، استطعنا بناء وكيل متعدد الأنماط (multimodal agent) يعمل بسلاسة من خلال إجراء موحد لكل من العمليات المعتمدة على الواجهة الرسومية وتنفيذ الأكواد. ويتضمن هذا العمل تقنيات مثل إنتاج التعليمات والمقييمات المنفصلة، مما يحسن من دقة المهام المعتمدة على البيئة.

بينما تم تحسين الأداء باستخدام أسلوب التعلم الآلي (reinforcement learning) لزيادة كفاءة النظام في البيئات المكتبية الحية. وأظهرت النتائج المبدئية تحسنًا ملحوظًا، حيث حققت نماذج OS-Helix-27B وOS-Helix-35B-A3B تحسينات نسبتها 35.0% و33.7% عن المعايير السابقة.

لا تنسوا زيارة صفحتنا الرسمية للحصول على المزيد من المعلومات: OS-Helix. كيف ترون مستقبل الأتمتة المكتبية مع هذه التقنية؟ شاركونا آرائكم في التعليقات!