تتطلب الأنظمة المتعددة الوكلاء (Multi-Agent Systems) تحليلًا دقيقًا لكيفية تفاعلها مع حركة المرور الشبكية المحيطة بها، خصوصًا عند نشر نموذج لغوي ضخم (Large Language Model) بسرعة. يسلط بحث جديد الضوء على نمط حركة الطلبات الناتجة عن هذه الأنظمة، ويقترح أنها تختلف بشكل جذري عن التطبيقات التقليدية.

عند مقارنة الأنظمة الحديثة مع التطبيقات التقليدية، نجد أن الطلبات في الأنظمة متعددة الوكلاء تنشأ داخليًا، حيث يمكن لمهمة واحدة أن تؤدي إلى سلسلة منظمة من استدعاءات النموذج بفضل منطق التنسيق المُعتمد، وليس بناءً على معدلات وصول المستخدمين. وهذا يثير تساؤلات حول مدى ملاءمة النماذج الكلاسيكية لحركة المرور، والتي صممت في الأصل لتحليل الأحمال الناتجة عن البشر.

في الدراسة، تم تحليل توقيت استدعاءات نموذج اللغة عبر تكوينات تنسيق مختلفة مثل التسلسل، والتنسيق النجمى، والشبكات الكاملة. استخدم الباحثون إطار عمل قياس متعدد الطبقات شمل 500 تجربة متكررة لكل تكوين. وقد أظهرت النتائج بوضوح أن تصميم التنسيق يؤثر بشكل جذري على عملية وصول الطلبات إلى خلفية نموذج الذكاء الاصطناعي، حيث أدخل التنسيق ذو التفريخ (fan-out coordination) خصائص جديدة لم تكن موجودة في التنفيذ التسلسلي.

الأهم من ذلك، تم وصف مكونات مرحلة التفكير (reasoning phase) بشكل أفضل من خلال توزيع لوغاريتمي طبيعي (log-normal distribution)، حيث تم استبعاد نموذج بواسون (Poisson exponential null model) بشكل قاطع عبر جميع التكوينات.

يمكن الاطلاع على الإطار التحليلي والبيانات المستخدمة في البحث من خلال الرابط المفتوح على GitHub: https://github.com/dlamagna/agentraffic.

هذه الدراسة تمثل خطوة مهمة نحو فهم كيفية تنقل البيانات في أنظمة الذكاء الاصطناعي المتقدمة وتفتح آفاقًا جديدة للأبحاث المستقبلية. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.