أبحاث IBM تقيم معايرة ذاكرة الوكلاء

أصدرت أبحاث IBM نتائج حول استخدام ALTK-Evolve، وهي طريقة تسمح لوكلاء الذكاء الاصطناعي بالتعلم من مساراتهم السابقة من خلال استخلاص إرشادات سلوكية دون تحديث أوزان النموذج أو الحاجة إلى تعليقات بشرية. تشير الأبحاث إلى أن ذاكرة الوكلاء ليست ميزة عالمية بل متغير يجب معايرته بناءً على مستوى النموذج. عند الاختبار عبر ثمانية نماذج على معيار AppWorld، حدد الباحثون ثلاثة أنماط متميزة. تستفيد النماذج القوية التي تتمتع بهامش أداء من تلقي مجموعة كاملة من الإرشادات المستخلصة. وعلى العكس من ذلك، تعمل النماذج الأصغر أو الأضعف بشكل أفضل مع نهج انتقائي، باستخدام نواة مدمجة من الإرشادات مدعومة باسترجاع خاص بالمهمة. أثبتت هذه الطريقة الانتقائية أنها أكثر دقة وفعالية من حيث التكلفة للنماذج الأضعف، مما أدى إلى زيادة إنجاز المهام بنسبة 16.1 نقطة مئوية مع زيادة بنسبة 5% فقط في استخدام الرموز (tokens). في الوقت نفسه، لم تظهر النماذج المشبعة بالفعل أي مكاسب ملموسة من الذاكرة الإضافية. تسلط هذه النتائج الضوء على ضرورة تخصيص جرعة الذاكرة وفقاً للقدرات المحددة للنموذج لتحسين الأداء والكفاءة.