في عالم الذكاء الاصطناعي، تتسارع وتيرة الابتكارات لتعزيز فعالية النماذج اللغوية الضخمة (Large Language Models). ويعتبر التعلم المعزز الجماعي (Group-based Reinforcement Learning) من أبرز الاستراتيجيات التي أثبتت جدواها. دراسات جديدة تبين كيف يمكن استخدام طريقة جديدة تُسمى ProGPO (Progress- and Reliability-Oriented Group Policy Optimization) لتطوير أساليب التعلم المعزز.

يتمحور التركيز في ProGPO حول تحسين دقة تحديث السياسات بدلاً من الاعتماد على تحسينات على مستوى المسارات. بينما كانت الطرق التقليدية تعتمد على تحسينات واسعة النطاق، يقترح ProGPO استخدام التجميع المحدد على مستوى الخطوة لتحليل الإجراءات بصورة أكثر دقة. الا أن تشكيل المجموعات له تأثير كبير على دقة التقديرات.

تعتبر قياسات التقدير حساسة لكيفية تشكيل المجموعات، فالتجميع بناءً على مفاتيح حالة عريضة قد يزيد من التغطية، لكنه قد يقارن بين إجراءات تمت في سياقات زمنية مختلفة. من ناحية أخرى، ضمان التناسق التاريخي يؤدي إلى مقارنات أكثر عدالة، لكنه يُحجم من إنشاء مجموعات وفيرة.

تعتمد الطريقة الجديدة على مقارنة الإجراءات بدقة مع الحفاظ على الإشارات النقدية الانتقالية المشتقة من إمكانيات الحالة. باستخدام أساليب مبتكرة مثل التوسع الدلالي ودمج العكسي للفروق عبر أعماق التاريخ، أظهرت التجارب على مهام معقدة مثل ALFWorld وWebShop أن ProGPO يحسن الأداء بشكل ملحوظ مقارنة بمعايير التعلم المعزز الحالية.

بهذا الشكل، تبدو آفاق استخدام ProGPO واعدة في تحسين التعلم المعزز، مما يعد بتطورات كبيرة في الحقل.