في عالم الذكاء الاصطناعي، تتطور نماذج العالم الكامنة (Latent World Models) بشكل مستمر لتصبح وسيلة قوية للتخطيط، مما يتيح للأنظمة الذكية تخيل وتقييم تسلسلات الإجراءات. ومع ذلك، يواجه هذا النمط من التخطيط تحديًا مع تزايد أفق التخطيط، حيث تصبح جودة المقترحات عنصراً حيوياً للنجاح. هنا يأتي دور SAGE، النموذج الجديد الذي يعيد تعريف استراتيجية اتخاذ القرار.

يعتمد SAGE على مبدأ مُبتكر يتمثل في التخطيط المشروط بالأهداف الفرعية (Subgoal-Conditioned Planning)، حيث تستبدل آلية الاقتراح العشوائية بإرشادات مُنظمة. في كل مرحلة من مراحل التخطيط، يعمل مُولد مشروط بالأهداف على توقع الهدف الفرعي الكامن التالي، والذي يتم استخدامه بدوره لتوليد تسلسلات ذات مقترحات مُعينة.

هذا النهج الذكي يوازن بين الرقابة المحلية الدقيقة والتقدم على مستوى أعلى. من خلال استخدام أهداف فرعية بمدد مختلفة كإرشادات، يضمن SAGE أن يتمكن النظام من تقييم البدائل الثانوية بشكل أفضل قبل أن يبدأ التنفيذ.

تظهر التجارب على منصات PushT وOGBench Cube أن دمج تفكيك الأهداف الفرعية مع توليد الإجراءات المشروطة بالسوابق يُسهم بشكل ملحوظ في تحسين أداء التخطيط على المدى الطويل، مع الحفاظ في الوقت نفسه على أداء قوي في الأفق القصير. على سبيل المثال، عند التوجه نحو هدف بعيد، ارتفعت معدلات النجاح في PushT من 12.7% إلى 64.7%، وفي OGBench Cube من 26.7% إلى 67.3%.

هذه الابتكارات تمهد الطريق لمستقبل زاهر حيث يمكن للذكاء الاصطناعي اتخاذ قرارات أكثر فعالية، مما يعزز من تطبيقاته في مجالات متعددة. لا تفوتوا البحث عن المزيد حول SAGE وكيف يمكن أن يُغيّر قواعد اللعبة في عالم الذكاء الاصطناعي.