في عالم الذكاء الاصطناعي، تعتبر نماذج اللغات الضخمة (Large Language Models) من الأدوات الأساسية التي تُستخدم في مجموعة متنوعة من المهام المعقدة. ومع ذلك، فإن تدريب هذه النماذج على المهام طويلة الأمد يواجه تحديات عديدة، بما في ذلك مشكلات تجاهل المسارات (trajectory neglect). هذا يجعل الوكلاء يفقدون التركيز على أهداف المهام وتاريخ التفاعلات في الخطوات الوسطى.

لمعالجة هذه القضية، يقدّم فريق البحث آلية جديدة تُعرف باسم تحسين السياسة الواعية بالمسارات الانتقائية (Selective Trajectory-Aware Policy Optimization - STAPO). تستفيد هذه الآلية من مفهوم يُسمى الإنتروبي الطبيعي، الذي يقيس انحرافات الثقة بالنسبة لتصرفات الوكيل في حالات معينة. من خلال استخدام هذا القياس، تسلط STAPO الضوء على الخطوات غير الطبيعية المرتبطة بتجاهل المسارات وتحسّنها عبر آلية مشتركة من المكافآت الواعية بالمسار والعقوبات المستقلة عن المسار.

عبر تجارب مكثفة على بيئات مثل ALFWorld وWebShop وSearch-Augmented QA، أثبتت STAPO تحقيقها الأداء الأمثل بينما تُخفف بشكل كبير من مشكلة تجاهل المسارات. يفتح هذا الابتكار آفاقًا جديدة للذكاء الاصطناعي من حيث فعالية الوكلاء ومرونة التدريب، مما يتيح تطبيقها في مجموعة واسعة من المهام.

ما رأيكم في هذه التقنية الجديدة؟ دعونا نتحدث في التعليقات!