في عصر تتسارع فيه التطورات التكنولوجية، تبرز أطر جديدة تمهد الطريق لوكالات الذكاء الاصطناعي متعددة المهام لتحقيق أداء أكثر فعالية. من بين هذه الأطر، نجد "XSkill"، الذي يقدم حلاً جذريًا لمشكلة التعلم المستمر.

تعاني الوكالات المتعددة من تحديات هامة، مثل استخدام الأدوات بطرق غير فعالة وغياب التنسيق القابل للتكيف في البيئات غير المحددة. يتسم XSkill بالقدرة على تحسين هذه الوكالات بدون الحاجة إلى تحديثات معلمات، بواسطة التعلم من الخبرات السابقة.

ويعتمد هذا الإطار على نوعين من المعرفة القابلة لإعادة الاستخدام: الأولى تتعلق بالخبرات، التي تقدم إرشادات مستندة إلى أفعال محددة لاختيار الأدوات واتخاذ القرارات. أما الثانية، فتتعلق بالمهارات، التي توفر توجيهات محددة على مستوى المهام للتخطيط واستخدام الأدوات.

خلال مرحلة التراكم، يقوم XSkill باستخراج وتلخيص الخبرات والمهارات من عمليات تنفيذ متعددة عبر تلخيص مرئي ونقد متبادل. وفي مرحلة الاستدلال، يستخرج هذا الإطار المعرفة ويتكيف مع السياق المرئي الحالي، مما يسهل عملية التعلم المستمر.

أظهرت اختبارات على خمسة معايير مختلفة بمساعدة أربعة نماذج أساسية أن XSkill يتفوق باستمرار وبشكل ملحوظ على الأنظمة التقليدية المعتمدة على الأدوات أو التعلم. بالإضافة إلى ذلك، تؤكد التحليلات أن التدفقات المعرفية تلعب أدوارًا تكاملية في التأثير على سلوكيات الوكلاء، ما يمنحهم القدرة على التعميم الفوري بشكل متفوق.