إعادة النظر في مهارات الوكلاء القابلة للتطور الذاتي: تأثير الديناميات المرتجعة عبر جولات متعددة

في عالم الذكاء الاصطناعي، يُعتبر تطوير مهارات الوكلاء القابلة للتطور الذاتي (Self-Evolving Agents) خطوة ثورية. هذه الأنظمة تَعِد بتحسين الوكلاء عبر تحويل ملاحظات تنفيذهم إلى تحديثات مستمرة لمهاراتهم دون الحاجة لتغيير النموذج الأساسي. ومع ذلك، يبقى السؤال: متى يُعتبر استمرار التطور مفيداً؟ وكيف يمكن أن تؤثر المسارات الناجحة والفاشلة على عملية المراجعة؟

لإجابة هذه الأسئلة، تم تقديم إطار تقييم مُتحكم به يشمل خمسة مؤشرات و ثلاثة نماذج. تشمل الدراسة الأساسية 42 جولة من التعليقات عبر 14 إعداداً نموذجياً. في كل إعداد، تم تثبيت تكوين المنفذ والمُحسِّن وإجراءات المراجعة وقاعدة التحقق، مع تغييرات بسيطة في نوع التعليق المعروض على المُحسِّن سواء كانت تشمل النجاحات فقط أو الفشل فقط، أو كليهما.

إحدى النتائج الرئيسية هي أن التطور يأتي بشكل متقطع؛ فقد نجح فقط 55 من أصل 388 مرشحاً في تحقيق أفضل التحقق. وعلى الرغم من ذلك، تم اختيار مهارات متطورة في 11 من أصل 14 إعداداً، تسعة منها حسنت من أداء الاختبارات المُفرَج عنها. المفاجئ هو أن جميع الاختيارات جاءت من حالات التعليق التي تشمل مسارات الفشل، مع وجود اختلافات ملحوظة في ترتيب النجاحات مقابل الفشل حسب الإعدادات.

علاوة على ذلك، قد تظهر التقييمات المعتمدة على التحقق وتقييمات الأداء القادمة من اختباراتٍ وأنظمة أخرى نتائج مختلفة بناءً على وجهات نظر التعليق المتاحة. التحليل الأوسع من بحث SearchQA الذي شمل ثمانية نماذج أظهر ديناميات مشابهة تعتمد على التغذية المرتدة. في تحكمات اختبار GPT-5.5، كانت المقاييس التجريبية قريبة من النتائج المتطورة لمهارات SearchQA ولكنها رغم ذلك تبقى بحدود 30.96 نقطة أقل على أداة SpreadsheetBench.

بصفة عامة، يُفهم تطور المهارات الذاتية المستمر على أنه بحث متقطع مُصفى من خلال التحقق، مع عوائد تعتمد على النموذج والإعدادات، بدلاً من التحسين المستمر الناتج عن الجولات الزائدة. للمزيد من التفاصيل، يمكنكم زيارة الرابط إلى التنفيذ.