في مجال الذكاء الاصطناعي، يعد الابتكار أمراً أساسياً، وقد كانت الأضواء مسلطة مؤخرًا على آلية جديدة تُسمى Speculative Macro Commit (SMC). هذه الآلية تمثل تطورًا كبيرًا لوكلاء الذكاء الاصطناعي الذين يستخدمون الأدوات، حيث تركز على تقليل الزمن المستغرق في اتخاذ الإجراءات والتفاعل مع البيئة.

يستغرق وكلاء نماذج اللغات الضخمة (Large Language Models) وقتًا ليس فقط في استنتاج النموذج، ولكن أيضًا في تنفيذ تسلسلات متتابعة من الإجراءات والملاحظات. من خلال SMC، يتم إنشاء نظام ثنائي المستوى، حيث يقوم نموذج رئيسي بإنشاء المسار الرسمي، بينما يتنبأ نموذج مُسرّع بأسرع سلسلة من الإجراءات الممكنة.

ما يجعل SMC فريدًا هو كيفية تخزينه للعناصر المتكررة من الإجراءات المتعددة، حيث يتم تجميعها في مكتبة تُستخدم لمطابقة السلاسل المتوقعة أثناء التشغيل. على سبيل المثال، عند استدعاء أداة من قبل النموذج الرئيسي، إذا كانت السلسلة المتوقعة تتطابق، يتم تنفيذ بقية الخطوات المسبقة، موفرًا بذلك الوقت والموارد.

أظهرت التجارب استخدام نموذج Qwen3.5-27B INT4 كنموذج رئيسي، ونموذج Qwen3.5-4B كمُسرّع. وقد أثبتت النتائج أن SMC تمكنت من تقليل زمن التنفيذ بنسبة 10.23% مقارنة بالنماذج السابقة، مما يمثل إنجازًا كبيرًا.

تُعتبر SMC طريقة عملية لإعادة استخدام التنفيذ التخميني متعدد الخطوات، مستهدفة تقليص زمن الانتظار لوكلاء الذكاء الاصطناعي، وهو ما يساعد في تعزيز الأداء بشكل عام. هذه التطورات الجديدة تُظهر لنا أن الابتكارات في الذكاء الاصطناعي لن تتوقف، فماذا يخبئ لنا المستقبل؟

ما رأيكم في هذا التطور المذهل؟ شاركونا في التعليقات.