في زمن تتسارع فيه وتيرة التطورات التكنولوجية، يظهر نظام الإصدار الجديد StepFinder كخطوة ثورية في مجال أنظمة الوكلاء متعددة المهام. فبينما تتألق أنظمة الوكلاء القابلة للتعاون المدعومة بنماذج اللغات الضخمة (Large Language Models) في تنفيذ المهام المعقدة، فإن حساسيتها الشديدة للأخطاء التي تحدث في خطوة واحدة يمكن أن تتسبب في فشل متتالي نتيجة لتفاعلات الوكلاء.

لذا، تم تقديم فكرة جديدة تحمل اسم "تحديد أسباب الفشل"، والتي تهدف بشكل تلقائي إلى تحديد الخطوة المسؤولة عن الفشل. ومع ذلك، تعتمد الطرق الحالية في تحديد الأسباب على LLMs، ما يؤدي إلى تكاليف مرتفعة في الاستدلال وزيادة في زمن الانتظار، فضلاً عن مشكلات تتعلق بالتداخل الناتج عن السجلات التنفيذية المكررة والصاخبة.

لإيجاد حل لهذه المشكلة، يطرح الباحثون إطار عمل StepFinder، الذي يعد خفيف الوزن ويسمح بتحسين دقة تحديد أسباب الفشل. حيث تستخدم هذه الاستراتيجية LLMs فقط في مرحلة بناء الميزات، حيث يتم تشفير السجلات التنفيذية في تسلسلات دلالية زمنية. بعد ذلك، يتم تطبيق مزيج فعال من نماذج الزمن ووحدات الانتباه لالتقاط تطور التتابعات وترابط الخطوات.

نجحت StepFinder في تحسين نقاط الخطأ على مستوى الخطوات من خلال الاختلافات متعددة المقاييس والانحياز المكاني، مما يُمَكّنها من تحديد الأسباب الجذرية بدقة. أكدت النتائج التجريبية التي تمت على معيار Who&When أن StepFinder يتفوق على الطرق المعتمدة على LLMs من حيث تحديد أسباب الفشل، مع تحقيق كفاءة تنفيذ أعلى بنسبة 79%، دون الحاجة إلى توليد نصوص.

لا تتردد في متابعة مزيد من التفاصيل الأكاديمية من خلال زيارة رابط [الكود المتاح] على GitHub، واكتشف كيف يمكن لـ StepFinder أن يُحدث ثورة في معالجة الفشل في أنظمة الوكلاء.