في ظل تطور الذكاء الاصطناعي، أصبحت المكتبات المهارية (Skill Libraries) وسيلة رئيسية لعوامل نماذج اللغات الضخمة (LLM) لإعادة استخدام التجارب الإجرائية عبر المهام المختلفة. لكن، تواجه الأنظمة الحالية تحديًا كبيرًا عند اعتبار المهارات ككتل ثابتة ذات دقة واحدة فقط، مما يؤدي لزيادة التكاليف وإدخال معلومات غير ذات صلة.

هنا يأتي دور تقنية "SkillLens"، التي تمثل إطار عمل مبتكر يسعى إلى تنظيم المهارات ضمن هيكل هرمي مكون من أربعة طبقات تشمل السياسات (Policies) والاستراتيجيات (Strategies) والإجراءات (Procedures) والأجزاء الأساسية (Primitives). وعند مواجهة مهمة معينة، تعمل SkillLens على استرجاع مهارات ذات صلة من خلال مسار عشوائي مصحح، مما يسمح للاستخدام المباشر للمهارات الفرعية المتوافقة مع تعديل الأجزاء فقط عند الضرورة.

لكن ما يميز SkillLens هو قدرتها على تحسين الأداء بمرور الوقت، من خلال تحسين المهارات متعددة الحدود ونظام التحقق، مما يسهل اتخاذ قرارات توجيه ذكية.

الدراسات أثبتت أن عملية التكيف متعددة الحدود التي تقدمها SkillLens تؤدي إلى تخفيض التكلفة بشكل ملحوظ، وقد أثبتت التجارب الأداء المتفوق، حيث حققت زيادة تصل إلى 6.31 نقطة مئوية في دقة تحديد الأخطاء من خلال استخدام النظام الجديد، مما رفع معدل النجاح للعوامل من 45% إلى 51.31%.

من خلال هذه الابتكارات، يُتوقع أن تواصل SkillLens دفع حدود الذكاء الاصطناعي وتقديم فرص جديدة لتحسين أداء الأنظمة المستقبلية.