تحويل النظم متعددة الوكلاء إلى وكيل واحد: متى يكون تقطير المهارات فعالاً؟

تعتبر النظم متعددة الوكلاء (Multi-Agent Systems) من الحلول المتقدمة التي تواجه تحديات معقدة من خلال توزيع المهارات والمعرفة بين عدة وكلاء. ومع ذلك، فإن هذه الاستراتيجيات تأتي مع تكاليف معينة، مثل الحاجة إلى تنسيق مكثف، مما قد يؤدي إلى تآكل السياق أو اضطراب ترتيب المراحل.

تقدم تقنيات تقطير المهارات (Skill Distillation) حلاً مثيرًا للاهتمام، حيث يمكننا توحيد جهود النظم متعددة الوكلاء وتحويلها إلى وكيل واحد، مما يساعد في تجاوز العديد من تلك التكاليف. ولكن السؤال المحوري الذي يطرح نفسه هو: متى يجب علينا استخدام تقنيات التقطير هذه، وما هي المهارات التي يجب تقطيرها؟

تشير الأبحاث إلى أن النتائج التي نحصل عليها من تقطير المهارات قد تكون غير متسقة، حيث تتراوح نسبة التحسين بين 28% وانخفاض بنسبة 2% في المهارات ذاتها. وهذا يكشف أن فائدة المهارة لا تعتمد فقط على المهمة نفسها، بل تتأثر أيضًا بمقياس التقييم الذي يتم استخدامه.

في هذا الإطار، تم تقديم مفهوم جديد يُعرف بـ "حرية المقياس" (Metric Freedom)، وهو أول مؤشر تنبؤي يمكن استخدامه لتحديد فائدة المهارة بشكل سابق لأوانه. يعتمد هذا المفهوم على قياس صلابة المناظر التقييمية من خلال اختبار Mantel، الذي يساعد في فهم كيفية ارتباط تنوع المخرجات بتقلبات الدرجات.

بناءً على هذا المفهوم، تم اقتراح إطار عمل جديد يُعرف باسم AdaSkill، والذي يتكون من مرحلتين. في المرحلة الأولى، نحن بصدد استخراج انتقائي للمعرفة مع تجاهل الهياكل المقيدة على المقاييس "الحرّة"، مما يسهم في الحفاظ على إمكانية الاستكشاف. أما المرحلة الثانية، فتتضمن تنقيحًا تكراريًا على المقاييس الحرة، مما يساعد على زيادة الأداء بشكل آمن دون تذبذب.

وقد ثبت أن "حرية المقياس" (F) تتنبأ بقوة بفائدة المهارة، حيث أظهرت التحاليل عبر 4 مهام و11 مجموعة بيانات و6 مقاييس. والأكثر إثارة هو أن مسارات الوكلاء المتماثلة قد تؤدي إلى تأثيرات مختلفة تمامًا في الأداء وفقًا للمقاييس المستخدمة، مما يدل على أن فائدة المهارة تعتمد بشكل جوهري على خصائص المقاييس.

من خلال التوجيه الناتج عن هذا المفهوم، يصبح AdaSkill قادرًا على تحقيق أداء يماثل أو يتجاوز أداء النظام متعدد الوكلاء الأصلي، مع تقليل التكلفة بمعدل يصل إلى 8 مرات وتقليل زمن الاستجابة بنسبة تصل إلى 15%.