في عالم الذكاء الاصطناعي المتقدم، يُعتبر تطور ذاكرة الوكلاء في وقت الاختبار (Test-time) من أهم المحاور التي تسهم في تعزيز الذكاء العام الاصطناعي (AGI). حيث يساعد هذا التطور في تحسين الاستدلال المعقد من خلال تراكم الخبرات دون الحاجة إلى تحديث المعاملات.

ومع ذلك، يظل تطور ذاكرة الوكيل عرضة لمخاطر عدم تطابق الثقة، وهو ما يعرف بمصطلح "تدهور ذاكرة الوكيل" (Agent Memory Misevolution). ولتقييم هذه الظاهرة، تم تطوير معيار "Trust-Memevo"، والذي أظهر أن الوكلاء يظهرون انخفاضًا عامًا في موثوقيتهم عبر مهام متعددة خلال تطور المهام السهل.

للتصدي لهذه المشكلة، تم إدخال TAME، وهو إطار عمل يعتمد على الذاكرة الواعية بالثقة. يتكون هذا النظام من بنوك ذاكرة مشتركة تتعاون فيها وحدتان رئيسيتان: المنفّذ (Executor) والمقيّم (Evaluator). يقوم المنفّذ باسترجاع الخبرات القابلة للنقل ودعم حل المهام، بينما يقوم المقيّم بتقييم مساهمة كل تجربة مستخدمة في النتيجة، ويقدم ملاحظات تستند إلى الثقة لتوجيه استخدام الذاكرة في المستقبل.

تتيح حلقة التعاون بين المنفذ والمقيّم تعزيز الذاكرة بشكل انتقائي وإعادة استخدامها بحذر وتوسيعها باستمرار. أظهرت التجارب أن TAME يقلل من تدهور الذاكرة بينما يحقق أداءً قويًا في المهام. على وجه الخصوص، في معيار GPT-5.2 AIME، حقق TAME زيادة قدرها 14.6 نقطة مئوية مقارنةً بأقوى الطرق الحالية مع الحفاظ على مستوى تنافسي من الثقة.

إذا كنت مهتمًا بمستقبل الذكاء الاصطناعي وكيفية تحسين تفاعله مع الخبرات، فإن TAME تمثل إنجازًا بارزًا يستحق المتابعة بحثًا عن الابتكار والتطور.