في عالم الذكاء الاصطناعي، تتطلب التطورات المستمرة في نمو المهارات تقنيات متطورة تضمن الأداء الفعّال والوصول إلى أهداف محددة دون تكاليف باهظة. هنا تبرز تقنية SkillHEX كحل مبتكر يعالج التحديات المرتبطة بتطوير مهارات الوكلاء الذكيين.

تُعتبر المهارات التي يتم تزويد نماذج اللغات الضخمة (Large Language Models) بها ضرورية، لكنها غالبًا ما تعاني من صعوبات في الصيانة اليدوية، مما يؤدي إلى تكلفة عالية وصعوبة في التوسع. لذا، تحتاج التطبيقات الواقعية إلى القدرة على تطوير المهارات بشكل تلقائي وفعّال أثناء الاختبار دون الاعتماد على مجموعات تدريب محدودة.

تجلب SkillHEX إطار عمل مغلق الدائرة يجمع بين التحقق الذاتي القائم على الفرضيات والبحث المدعوم بالأدلة، حيث تتمكن من تحويل الفرضيات القابلة للإنكار إلى اختبارات يمكن تنفيذها. يوفر هذا الأسلوب أدلة تشخيصية تعزز من المكافآت الثقيلة دون الحاجة لتجارب إضافية.

عند تقييمها على 87 مهمة من SkillsBench، أظهرت SkillHEX أداءً متفوقًا مقارنةً بالطرق الحالية، حيث حققت معدلات نجاح平均 تصل إلى 55.9% و57.9% عند استخدام نماذج GPT-5.3-Codex وClaude Opus 4.7 ضمن ميزانية خمس جولات.

بفضل هذا الابتكار، فإن SkillHEX لا تعزز فقط فاعلية أداء الوكلاء الذكيين، بل تعيد التفكير أيضًا في كيفية تطور المهارات في الأنظمة الذكية.