في عالم الذكاء الاصطناعي، تظل القدرة على التفكير المنطقي والمعقد عنصراً أساسياً في تطوير الأنظمة. حيث أثبتت الدراسات أن الوكلاء اللغويين، الذين يجمعون التفكير والاستخدام الفعال للأدوات، يتعرضون لانخفاض حاد في الأداء كلما زادت تعقيدات سلسلة التفكير، حتى وإن كانت كل خطوة بمفردها سهلة.

وفي هذا السياق، جاء نظام SLEUTH كحل مبتكر لهذه المشكلة. حيث يقوم هذا النظام بتمييز حالة التفكير لدى الوكيل، من خلال تنظيم محتوياته المعرفية مثل الحقائق المؤكدة والافتراضات النشطة والأسئلة المفتوحة. وبذلك، يتيح النظام للوكلاء اللغويين اتخاذ قرارات أكثر فعالية في الوقت المناسب.

عبر تقييم فعاليته من خلال خمس معايير متعددة الخطوات، أظهر SLEUTH تفوقه، حيث تحققت زيادة تقدر بـ +5 نقاط في أسئلة HotpotQA، وارتفعت النتيجة إلى +11 نقطة في سلاسل 4-خطوات، متفوقاً بذلك على نموذج Reflexion دون الحاجة لمراحل متعددة.

ومع ذلك، لا تخلو النتائج من تحديات، حيث تم التعرف على مشكلة كفاية الأدلة: حيث قد يجد الوكيل اللغوي الإجابة ولكنه يفشل في الالتزام بها، مما يستهلك ميزانيته على التحقق غير الضروري. ولكن تمت معالجة هذه المشكلة من خلال اعتماد نظام تحفيز خفيف يعزز الالتزام، شريطة أن يحتفظ الوكيل بحالة منظمة.

يؤكد هذا الاكتشاف الجديد أن كيفية تنظيم التفكير لدى الوكيل اللغوي تعد عاملاً أساسياً لتحقيق النجاح في التفكير المتعدد الخطوات، وليس فقط القدرة النموذجية الخام. في النهاية، يُظهر هذا العمل أن الالتزام بالمعايير المنصوص عليها يمكن أن يستعيد حتى +19 نقطة في أصعب المسائل، مما يبرز أهمية التنظيم الفعّال في الذكاء الاصطناعي.