في عالم الذكاء الاصطناعي، تُظهر النماذج اللغوية الكبيرة (Large Language Models) قدرات مذهلة، لكن تكاليفها العالية وتأثيراتها على الخصوصية تجعل استخدامها في التطبيقات الحقيقية أكثر تحديًا. هنا يأتي دور النماذج اللغوية الصغيرة (Small Language Models) التي تحتوي على أقل من 10 مليار معلمة، كخيار بديل واعد. ومع ذلك، تواجه هذه النماذج قيودًا طبيعية في المعرفة والتفكير المنطقي.

تتجه الأبحاث الحالية نحو تحسين النماذج الصغيرة إما عبر زيادة حجمها أو عبر استراتيجيات التعديل الرفيع (fine-tuning)، غير أنها غالبًا ما تتجاهل إمكانيات استخدام أنماط الوكلاء (agent paradigms) مثل استخدام الأدوات والتعاون متعدد الوكلاء.

تستعرض دراسة جديدة هي الأولى من نوعها، شاملة مقارنة بين النماذج المفتوحة المصدر التي تحتوي على أقل من 10 مليارات معلمة، تحت ثلاثة أنماط مختلفة: (1) النموذج الأساسي، (2) وكيل مفرد مزود بالأدوات، و(3) نظام متعدد الوكلاء بتعاون متبادل.

تشير النتائج إلى أن الأنظمة التي تعتمد على وكيل واحد تحقق أفضل توازن بين الأداء والتكاليف، بينما تضيف الإعدادات متعددة الوكلاء تكاليف إضافية مع مكاسب محدودة. هذه النتائج تؤكد أهمية التصميم الذي يرتكز على الوكلاء لنشر فعّال وموثوق خاصة في بيئات الموارد المحدودة.