63 المواد
تصف المقالة Steward، وهو نظام يضم تسعة وكلاء من نماذج اللغة الكبيرة، لكل منهم دور محدد، حيث تخضع قرارات المحفظة لمراجعة مدير المخاطر، ولا يُسمح بتغيير المطالبات إلا من خلال آلية تحكم قابلة للعكس وإعادة تشغيل البيانات المسجّلة. والخلاصة الرئيسية هي أن النواة غير القابلة للتغيير وإجراءات التدقيق تتيحان تطوير الوكلاء من دون منحهم السيطرة على قواعد المخاطر وتنفيذ الأوامر.
نُشر معيار اصطناعي يحدّد فيه مرجع حتمي التبعيات بين البيانات والأذونات والقيود، بينما يُفترض بالنماذج إيقاف الخطوات المتأثرة فقط دون فقدان بقية العمل. كشفت اختبارات ثلاثة نماذج مفتوحة عن انخفاض معدل الإيقاف وغياب الاستئنافات الصحيحة؛ إذ تحسّن الضبط الدقيق دقة القرارات، لكنه يتسبب في آثار جانبية.
يقترح المؤلفون نهج CHOIR، حيث تطلب مجموعات النماذج مرارًا قوائم إجابات مرتبة، ثم تقارن بروز المفاهيم الموحّدة بين النماذج وصياغات المطالبات وظروف الأدوار. ويُظهر البحث أن التشابه الظاهري الكبير بين الإجابات المفتوحة لا يعني بالضرورة توافقًا في الرأي: إذ تظل هوية النموذج الأساسي أكثر السمات تمييزًا وثباتًا، بينما تُغيّر إعدادات الشخصيات المفاهيم التي يُعبّر عنها.
يصف المؤلفون إطارًا يُجهّل التفاعلات الحقيقية، وينشئ نسخة محاكاة من بيئة الويب، ثم يولّد استنادًا إليها مسارات نقر متعددة الوسائط تتضمن سياق المستخدم وملاحظات البيئة. وفي سيناريو للتجارة الإلكترونية، تفوّق الحل على الأساليب الأساسية في 7 من أصل 8 مقاييس للمصداقية، وأظهرت النماذج المدرّبة على بيانات اصطناعية دقة مماثلة للنماذج المدرّبة على بيانات حقيقية، كما أدت إضافة البيانات الاصطناعية إلى تحسّن بنسبة +11,0% في التنبؤ بالإجراء التالي؛ والشيفرة مفتوحة للباحثين.
لعمليات المحاكاة باستخدام نماذج اللغة الكبيرة (LLM)، طُرحت MetaPersona-DB، وهي مجموعة تضم أكثر من 11 ألف دراسة بعينات بشرية، وموضحة بمتغيرات وروابط وإحصاءات مجمّعة ملائمة للمهام. واستنادًا إليها، تستعيد الطريقة رسومًا بيانية للتبعيات وتولّد مجتمعات سكانية من توزيعات مستندة إلى أسس علمية؛ مع ذلك، تختلف جودة النتائج باختلاف المهام والنماذج.
يدرس المؤلفون الوكلاء الشخصيين الذين يتكيفون مع طلبات المستخدم الفردي مع تثبيت النموذج الأساسي، ويصوغون تحسين طبقة التحكم — السياق والذاكرة والأدوات والتنفيذ — بوصفه مسألة تعلّم. ويُظهر معيار قياس موجّهًا نحو التفضيلات وتحليل نظري لأخطاء التقريب والتعميم والتحسين حدود البنية المعمارية والنطاق وخوارزميات التطور الذاتي للطبقة المحيطة.
يقدّم العمل عتبة ثقة قابلة للحساب لأدنى خطأ تربيعي متوسط (MSE) في التنبؤ الخطي بالإحداثيات اللينة، عند حدّ ثابت للمعيار الطيفي. وتساعد الشهادة على التمييز بين إغلاق كوبمان الممكن وغير الممكن، وتُظهر أن التمثيلات اللينة نفسها قد تتوافق مع ديناميكية دون أخرى.
تبحث الدراسة الشروط التي لا يؤدي فيها تقسيم التمثيل المدخل إلى عدد أكبر من العناصر إلى تغيير إسهامه، مع الحفاظ على المحتوى والموضع والسياق المرئي والكتلة الإجمالية. وبالنسبة إلى نوى الانتباه الموجبة ذات معامل كتلة محلي غير متناقص، لا تتحقق الثباتية إلا عندما يكون هذا المعامل خطيًا؛ وعلى Qwen2.5-Omni-7B ومعايير الفيديو، يقلل الترجيح بالكتلة الانحراف ويحسن الدقة عند الضغط.
يقدّم هذا العمل CEG-Agent، وهو إطار عمل قائم على الأدوات للتشخيص السببي لمسارات تنفيذ الوكلاء. يفصل التصنيف الرسمي بين الحالات الشاذة والأخطاء والإخفاقات، بينما تربط الرسوم البيانية CEG ذات الأنواع أحداث التنفيذ بعُقد التشخيص والإخفاقات النهائية؛ ويؤكد معيار CEG-Bench ريادة هذا النهج من حيث الدقة الدلالية والبنيوية.
