في عالم الذكاء الاصطناعي الذي يتطور بسرعة، أصبحت نظم LLM-agent (نظم الوكلاء القائمة على النماذج اللغوية الضخمة) تستند بشكل متزايد إلى استخدام مهارات قابلة لإعادة الاستخدام. لكن مع ظهور هذه المهارات كأدوات في الأسواق، أصبح التدقيق في إعادة استخدامها يمثل تحدياً فريداً. فالأدوات التقليدية التي تستخدم لاكتشاف التكرارات البرمجية لا ترتقي لمستوى هذا التحدي، حيث تركز فقط على الشيفرات الأحادية بدلاً من مقاييس المهارات المعقدة.

تقدم SKILLTRACE، وهي إطار عمل جديد لتدقيق أصول المهارات، حلاً مبتكرًا يتجاوز الأدوات التقليدية. يعمل SKILLTRACE على استخراج ثلاثة مسارات رئيسية للتتبع: مسار التعبير، مسار التنفيذ، ومسار العمليات. حيث يمثل مسار العمليات في شكل رسم بياني يوضح تفاعلات المهارات. ويعتمد نظام LLM فقط في مرحلة استيعاب المسار العمليات، بينما يقوم SKILLTRACE بمقارنة المسارات المخزنة بشكل تحديدي في وقت التدقيق ليتم اتخاذ قرارات مدروسة حول إعادة استخدام المهارات.

نتائج الأداء على SKILLTRACE-BENCH، التي تشمل 820 حالة إيجابية مُحولة و751 حالة سلبية كمرجع، حققت نتائج مبهرة، حيث سجلت 0.938 في AUROC و0.898 في F1. كما أظهرت تدقيقات المهارات العشوائية التي تتجاوز 36,446 مهارة أن الأدلة المستندة إلى المسارات تتيح فرصًا فعلية لمراجعات إعادة الاستخدام التي تتجاوز المعايير التقليدية.

بهذه التكنولوجيا، تفتح SKILLTRACE آفاقاً جديدة لضمان جودة المهارات وضمان الاستخدام الفعال لها في نظم الذكاء الاصطناعي.