في عالم الذكاء الاصطناعي، تُشكل تنسيقات الوكلاء (multi-agent coordination) جزءاً مهماً من تصميم الأنظمة الذكية. وفي هذا السياق، تم تقديم تقنية جديدة تُدعى TraceFix، والتي تتبنى نهجًا مبتكرًا يقوم على التحقق أولاً (verification-first) لتحسين تنسيق الوكلاء باستخدام نماذج اللغة الكبيرة (Large Language Models).

تعمل TraceFix من خلال عملية متكاملة حيث يقوم أحد الوكلاء بتوليد هيكل بروتوكول من وصف مهمة معينة. يتم بعد ذلك إنتاج منطق تنسيق باستخدام PlusCal، ويجري إصلاح البروتوكول بشكل تكراري باستخدام أمثلة مضادة (counterexamples) من أداة التحقق TLA+ (TLA+ model checker).

وقد أظهرت النتائج أنها قادرة على تحقيق التحقق الكامل في جميع المهام التي تم اختبارها، مع نجاح 62.5% من المحاولات في الجولة الأولى. والأكثر إثارة للإعجاب هو أن جميع المهام، التي تشتمل على 16 مجموعة سيناريو، أكملت عملية التحقق في أقل من 60 ثانية.

يعكس مقارنات الأداء أن التنفيذ المراقب للبروتوكول تميز بأعلى معدلات إكمال المهام، حيث وصلت المعدلات إلى 89.4% على المتوسط و81.5% بشكل كامل. بالإضافة إلى ذلك، فإن الاستخدام الواضح للبروتوكولات المعتمدة على تكنولوجيا التحقيق أدى إلى خفض نسبة الحالات الميتة أو المحبوسة (deadlock/livelock) بشكل كبير من 31.1% إلى 14.1%.

في ظل هذا التطور الملحوظ، يبدو أن TraceFix تُعد خطوة فارقة نحو تحسين أداء الأنظمة المعقدة في الذكاء الاصطناعي. ما هي توقعاتكم لمستقبل التنسيق بين الوكلاء؟ شاركونا آراءكم في التعليقات!