في عالم الذكاء الاصطناعي، تتسارع الخطوات نحو تطوير وكلاء الويب (web agents) حتى تقترب من مستوى البشر في اختبارات قياس الأداء. ولكن، السؤال الأهم الذي يتبادر إلى الأذهان هو: هل يمكن لهؤلاء الوكلاء أن يؤدوا بنفس الكفاءة على الويب المستقبلية؟ هنا يأتي دور TimeWarp، وهو معيار جديد يهدف إلى محاكاة تجارب الويب المتغيرة.

يتكون TimeWarp من ثلاثة بيئات ويب مختلفة، كل منها تحتوي على ستة نسخ واجهة مستخدم (UI) متنوعة تعكس تطورات التصميم، الكود الأمامي، وسير العمل عبر العصور المختلفة للإنترنت. وترافق TimeWarp مجموعة من المهام المعقدة والواقعية، والتي تغطي أشكالاً متعددة من التنقل على الويب.

كشفت تجاربنا أن الوكلاء المعتمدين على الرؤية (vision-based agents) يتعرضون لضعف في الاستجابة للتغيرات، بينما يواجه الوكلاء المعتمدون على النصوص (text-based agents) صعوبة في التكيف بمجرد ضبطهم على نسخة واحدة. لمواجهة هذه التحديات، قدمنا طريقة جديدة لتعليم الخوارزميات تدعى TimeTraj، والتي تستخدم تقنية استخلاص الخطط لتجمع بين المسارات عبر النسخ المتعددة.

من خلال تدريب الوكلاء باستخدام نماذج التعلم بواسطة المدرس، مثل نموذج BC-variant، حققنا تحسينات ملحوظة في الأداء تتراوح من 20.4٪ إلى 37.7٪ لنموذج Qwen-3 4B و0٪ إلى 27.0٪ لنموذج Llama-3.1 8B. هذه الجهود تسهم في دراسة إمكانية التعميم عبر تصاميم الويب وتفتح آفاقًا جديدة في التعامل مع الخطط بدلاً من المسارات، بهدف تعزيز قوة الوكلاء الذكيين في بيئات الويب المتغيرة.

كيف تعتقد أن هذه التطورات ستؤثر على عالم الذكاء الاصطناعي مستقبلاً؟ شاركونا آراءكم في التعليقات!