في عالم الذكاء الاصطناعي، تعتبر التعليمات المتخصصة لكل مهنة عنصرًا محوريًا في تحقيق نتائج دقيقة وفعالة. وفي دراسة حديثة تم نشرها في arXiv، تم تحليل "Agents العلمية"، وهي مجموعة مفتوحة المصدر تحتوي على 503 ملفٍ متخصصة في مجالات مهنية محددة. استخدمت هذه الدراسة نموذج Gemini 3.8 Flash عبر منصة OpenRouter لمقارنة أداء هذه التعليمات المتخصصة مع أربعة ضوابط مختلفة.

خلال التجارب، تم اختبار 4,531 سؤالًا علميًا باستخدام مجموعة واسعة من التعليمات، حيث أظهرت النتائج أن متوسط الفرق في دقة الأداء بين التعليمات المتخصصة والحد الأدنى من التعليمات كان -0.6 نقاط مئوية. وكشفت البيانات عن عدم وجود تحسن واضح إحصائيًا في أي من المعايير المعيارية.

ينبغي الإشارة إلى أن التعليمات المتخصصة أدت إلى إنتاج عدد أكبر بمرتين إلى ثلاث مرات من الرموز، مما زاد التكاليف بنسبة 2.2 إلى 4.5 مرات لكل استدعاء ناجح. ورغم ذلك، كان معدل الحلول لمشاكل BioMysteryBench البيولوجية 46.7% مع التعليمات المتخصصة مقابل 56.7% مع التعليمات الأساسية، مما يدل على وجود تحديات مع زيادة قيود الزمن والرموز.

ومع ذلك، قدمت التعليمات الأطول ميزة غير متوقعة: في اختبار SuperGPQA، كانت معدلات الإجابة الصحيحة أعلى بنسبة 71.6% باستخدام التعليمات المتخصصة مقارنة بـ 54.0% مع التعليمات الأساسية. هذا يشير إلى أن الطول أو الصياغة قد تلعب دورًا أكبر من الخبرة الفعلية في المجال.

في الختام، على الرغم من الزيادة في التكلفة واستخدام الرموز، إلا أن الدراسة توضح أن تحميل المعلومات الكاملة للبروفايل المهني بشكل افتراضي لا يحسن الدقة. يبقى السؤال: هل يمكن أن تحقق الاسترجاع الانتقائي للأقسام أو المهام العلمية المفتوحة نتائج أفضل؟

ما رأيكم في هذه النتائج المثيرة؟ هل تعتقدون أن التعليمات المتخصصة تستحق الاستثمار رغم عدم تحقيق تحسن ملحوظ؟ شاركونا آراءكم في التعليقات!