في عالم الذكاء الاصطناعي، لم يعد مجرد استرجاع المهارات أمراً كافياً، بل أصبح من الضروري تخطي هذا الحد إلى تحديد تركيبة شاملة وقابلة للتنفيذ من المهارات. وقد تم تقديم مفهوم جديد يُدعى SkillTrace، الذي يعمل على تنظيم استعلامات المستخدم ضمن تسلسل هرمي دلالي، مما يسهل عملية مطابقة استعلامات المهارة مع المهارات الموجودة في المكتبة.

SkillTrace تعتمد على هيكل بياني ثلاثي المستويات، يشمل العلاقات التركيبية بين استعلامات المهارات، والتشابه بين الاستعلامات والمرشحين في مكتبة المهارات، والاعتماديات بين المرشحين المحددين. وقد تمت التجارب على منصات SkillsBench وALFWorld، حيث حقق SkillTrace أداءً غير مسبوق بنسبة نجاح تصل إلى 53.17% في SkillsBench و91.43% في ALFWorld.

تقدم هذه النتائج تطورات مثيرة في مجال استرجاع المهارات القائم على الشبكات البيانية، مع تحسينات ملحوظة عبر نماذج اللغة الأساسية المختلفة، مما يثبت قوة وعمومية هذا النهج الجديد. الآن، كيف يمكن لتقنية SkillTrace أن تغير طريقة تعاملنا مع المهارات في نماذج اللغات الضخمة؟