إطار عمل جديد يساعد وكلاء الذكاء الاصطناعي على التعامل مع حلقات العمل المعقدة

قدّم باحثون إطار عمل جديدًا للتخطيط يُدعى TopoPlanner مخصصًا لوكلاء نماذج اللغة الكبيرة.

يعالج النظام فجوة محددة في تخطيط الذكاء الاصطناعي الحالي. تعمل الأدوات الحالية جيدًا للمهام البسيطة المتسلسلة. لكنها تفشل غالبًا عندما تتطلب سير العمل التحقق من النتائج أو إصلاح الأخطاء أو دمج مسارات مختلفة.

يعامل TopoPlanner هذه الاعتماديات المعقدة على أنها "مركب عمل خلوي". هذه طريقة رياضية لرسم خرائط لكيفية اتصال المهام المختلفة وتأثيرها على بعضها البعض.

يسترجع الإطار فقط الجزء المرتبط من هذه الخريطة لكل طلب محدد. ثم يستخدم هذه البنية لمساعدة الذكاء الاصطناعي على تحديد الترتيب الصحيح للإجراءات.

تخيل أنك تطلب من الذكاء الاصطناعي حجز رحلة ثم التحقق من صحة السعر. إذا كان خاطئًا، يجب أن يحاول مرة أخرى. هذه الحلقة صعبة على المخططين القياسيين. يتعامل TopoPlanner مع هذه الحلقات والدمج بشكل أكثر فعالية.

اختبر الفريق النظام على أربع معايير مختلفة لتخطيط الأدوات. قارنوه بأساليب التوجيه القياسية وخطوط الأساس المعززة بالرسوم البيانية الأخرى.

أظهرت النتائج تحسينات متسقة عبر هياكل نماذج اللغة المحلية المختلفة. أداؤه كان أفضل في المهام التي تتضمن حلقات ودمجًا وأنماطًا مجمعة.

يساعد هذا النهج الوكلاء على إدارة تنسيق الأدوات في العالم الحقيقي. يتجاوز التتابعات الخطية البسيطة نحو استدلال ديناميكي ومنظم أكثر.

لا يدّعي البحث أن النظام مثالي لجميع السيناريوهات. يستهدف تحديدًا سير العمل ذات الاعتماديات المعقدة مثل حلقات التصحيح بعد التحقق.

تستند النتائج إلى معايير محددة وهياكل نماذج لغة محلية. قد يختلف الأداء مع نماذج مختلفة أو أنواع سير عمل غير مختبرة.