في عالم الذكاء الاصطناعي، يمثل تحسين مهارات الوكلاء (Agents) من خلال إعادة استخدام المعرفة ثورة حقيقية. قدم الباحثون مؤخرًا تقنية جديدة تُعرف بـ "تعلم الآليات المعتمدة على موقع العمل" (Workflow-Localized Mechanism Learning - WML)، التي تهدف إلى تصحيح الأخطاء وتحسين الأداء بطريقة مبتكرة.

تقوم هذه التقنية بتحديد نقاط الفشل في سير العمل، وتحديد الآليات المتسببة في ذلك، مما يسهل التعرف على الأجزاء التي تحتاج إلى تصحيح. تعتمد على نظام "Node–Mechanism Attribution" الذي يستطيع توجيه الأخطاء الفردية إلى موارد معينة أو بروتوكولات للجمع بين الآليات.

ومع ذلك، لا تقتصر هذه التقنية على مجرد الكشف عن الأخطاء؛ بل تتطلع أيضًا إلى تحسين الأداء. عبر حلقة تحسين المهارات المستندة إلى سير العمل (Workflow-Guided Skill Optimization - WGSO)، يتم اختيار المعرفة التي تعتمد على السجلات، وتطبيق التصحيحات اللازمة، وتقييم النتائج المخزنة في الذاكرة الخاصة بالمُحسِّن.

مما يثير الاهتمام هو النتائج التي تم تحقيقها عند استخدام تقنية WML. في اختبارات مثل SpreadsheetBench، حقق النظام دقة تصل إلى 90.33 و74.67 مع استخدام نماذج مثل DeepSeek وQwen3.6-Flash. والأهم من ذلك، أنه بالمقارنة مع الأنظمة التقليدية، كانت تكلفة تنفيذ المهام المنجزة أقل بكثير، مما يدل على كفاءة هذه الآلية.

يمكنكم معرفة المزيد عن هذه التقنية المثيرة وفتح الأبواب الجديدة في عالم الذكاء الاصطناعي عبر زيارة https://github.com/xiaolin9595/workflow-localized-mechanism-learning. ما رأيكم في هذه التطورات المذهلة في تحسين الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات.