في عالم الذكاء الاصطناعي، تصبح تطوير المهارات والتعلم المستمر من التجارب العملية أحد أبرز التحديات. هنا يأتي دور سكيل كوميتي (SkillCommit)، إطار العمل الجديد الذي يهدف إلى تعزيز مهارات الوكلاء الذكيين بطريقة موثقة سلوكياً.

تستند فكرة سكيل كوميتي إلى إمكانية تحسين الوكلاء ذوي النماذج اللغوية الكبيرة (Large Language Models) دون الحاجة إلى تحديث المعلمات. من خلال تحويل التجارب التاريخية إلى معرفة إجرائية قابلة لإعادة الاستخدام، يتمكن الوكلاء من الاستفادة من خبراتهم السابقة بشكل فعال.

ومع ذلك، كانت الطرق التقليدية تعتمد في كثير من الأحيان على تجميع التجارب استناداً إلى التشابه الدلالي أو أحكام النماذج، مما قد يؤدي إلى دمج استراتيجيات غير متوافقة سلوكياً. هنا، يوفر سكيل كوميتي حلاً مبتكرًا يقوم بتحويل التجارب إلى مكتبة هيراركية من المهارات القابلة لإعادة الاستخدام.

كل تجربة جديدة يتم الاحتفاظ بها في البداية كتصحيح محدد للحالة، مما يحافظ على السلوك المؤكد في سياقه المحلي. وعندما تتراكم المهارات ذات الصلة، يقوم سكيل كوميتي بدمج تلك التي تشترك في آلية سلوكية شائعة إلى مهارات أعلى مستوى.

تتضمن العمليات مجموعة من الخطوات، حيث يتم أولاً تحديد المهارات ذات الصلة باستخدام استرجاع قائم على التضمين، ثم يتم اختبار القدرة على إعادة التشغيل عبر الحالات المختلفة للتحقق مما إذا كانت هذه المهارات تنتقل عبر الحالات وتشارك آلية أساسية شائعة. يتم تجميع المهارات المرشحة في مهارة أعلى مستوى فقط إذا تم الحفاظ على السلوك المؤكد لجميع المهارات المكونة.

تظهر التجارب التي أجريت على منصات مثل RuleArena وOpenExempt وKOR-Bench أن سكيل كوميتي يحسن أداء الوكلاء باستمرار عبر مجالات متنوعة. كما أن المهارات التي يتم تعلمها تنتقل عبر مقاييس وعائلات النماذج المختلفة، مما يمكّن من نقل الخبرات بين النماذج.

تسعى سكيل كوميتي إلى تغيير طريقة تفكيرنا في كيفية استخدام الذكاء الاصطناعي في مختلف التطبيقات. ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات.