في عالم الذكاء الاصطناعي، تُعد القدرة على تنفيذ نوايا محددة في أوقات معينة تحديًا كبيرًا. في هذا السياق، تم الإعلان عن PM-Bench كمؤشر جديد لقياس قدرة الذاكرة المستقبلية (Prospective Memory) في وكالات النماذج اللغوية الضخمة (Large Language Models).

تستلهم PM-Bench من مفهوم "الأسبوع الافتراضي" من علم النفس المعرفي، حيث يتم تقييم كيفية احتفاظ الوكلاء بنوايا المستخدمين، وتنفيذ المهام المؤجلة، ومراقبة التغيرات في البيئة المحيطة. تقوم هذه الأداة بتحليل أداء ثمانية نماذج لغوية حديثة على مدار سبعة أيام من النشاطات المتواصلة، حيث يتعين على هذه النماذج اتخاذ قرارات بشأن ما إذا كانت هناك مهام مؤجلة تستحق التنفيذ.

نتائج الدراسة كانت مثيرة للاهتمام؛ حيث سجل النموذج GPT-5.4 أعلى درجة في تقييم PM-Bench، لكنها لم تتجاوز 65.1% في مقياس F1. وعلى الرغم من كون هذا النموذج هو الأفضل، إلا أنه لم يكن هناك استراتيجية واحدة واضحة لتحسين الذاكرة المستقبلية عبر جميع النماذج.

تم إصدار PM-Bench كمنصة اختبار متحكم بها، تهدف إلى تشخيص الإخفاقات في قدرات الذاكرة ومن ثم تطوير التدخلات في وقت التدريب أو الاستدلال لضمان سلوك موثوق للمستخدمين. هذا يفتح آفاقًا جديدة لتحسين أداء وكالات الذكاء الاصطناعي في المستقبل.

ما رأيكم في هذه التطورات وهل تتوقعون أن تؤثر هذه الاختبارات على تطبيقات الذكاء الاصطناعي؟ شاركونا آراءكم في التعليقات.