تقدّم ورقة بحثية جديدة منشورة على arXiv أسلوب SkillNEO لتحسين التعليمات القابلة لإعادة الاستخدام، المعروفة باسم «المهارات»، التي يتبعها وكلاء الذكاء الاصطناعي لإنجاز المهام. ويذكر الباحثون أن الأسلوب رفع متوسط مكافأة GPT-5.4 Mini من 49.1% إلى 66.4% في 86 مهمة من SkillsBench ضمن ثمانية مجالات، منها هندسة البرمجيات والعمل المكتبي.
يعالج الأسلوب مشكلة الاكتفاء بالنسخة الأعلى تقييمًا من المهارة: فقد تحتوي نسخة أقل تقييمًا على إصلاح مفيد يحتاج إلى مزيد من التعديلات قبل أن تظهر فائدته. ويختار SkillNEO كلًا من النسخة المستخدمة والنسخ التي ستواصل تطويرها على نحو منفصل. ومن خلال مقارنة نسخ مرتبطة على المهمة نفسها، يبحث عن الخطوات الناجحة والإخفاقات التي لا تزال بحاجة إلى معالجة. كما يمكنه الرجوع إلى نسخة سابقة وتنقيحها استنادًا إلى أدلة جُمعت لاحقًا.
لماذا نحتفظ بنسخة أضعف؟
في الدراسة، أنجز GPT-5.4 Mini المهام واقترح تعديلات ونقّح المهارات. وقيّم الباحثون النتائج النهائية على حالات المهام نفسها التي استُخدمت خلال تطوير المهارات، بدلًا من وصف اختبار منفصل على مهام جديدة. ويذكرون أن النتائج تحسنت في المجالات الثمانية كلها. وجاءت النتيجة ضمن نطاق نتائج المهارات الأصلية التي أُبلغ عنها لـ GPT-5.5 وGPT-5.6 Luna.
كما جرّب الباحثون المهارات المعدّلة مع نماذج أقوى، من دون إجراء مزيد من التعديلات عليها. وفي 41 مهمة باستخدام مهارات معدّلة، أدى إعادة الاستخدام إلى رفع نتيجة Luna بمقدار 10.5 نقطة مئوية. وسجّل GPT-5.5 نتيجة أعلى بـ10.6 نقطة من مرجعه المنشور باستخدام المهارات الأصلية. وتقول الورقة إن بعض النسخ التي حققت نتائج أقل أثناء التطوير أصبحت في نهاية المطاف النسخ المختارة للاستخدام.
ما الذي تثبته النتائج، وما الذي لا تثبته؟
تشير النتائج إلى أن محاولات نموذج أقل قدرة قد تنتج تعليمات مفيدة لوكيل أقوى، حتى إن ظل النموذج الأصغر عاجزًا عن تلبية بعض متطلبات المهمة. لكن التقييم يقتصر على مجموعة محددة من 86 مهمة معيارية، كما أعاد التقييم النهائي استخدام حالات المهام التي شاركت في تطوير المهارات. لذلك، لا تثبت الورقة مدى نجاح الأسلوب في مهام غير مألوفة. ولا يتضمن ملخص الورقة المقدّم معلومات عن أسعار النماذج أو كيفية الوصول إليها.
لماذا يهم
بالنسبة إلى الفرق التي تطوّر وكلاء ذكاء اصطناعي لمهام محددة، تقدم النتائج دليلًا على أن نموذجًا أقل تكلفة أو أضعف قد يساعد في تنقيح تعليمات قابلة لإعادة الاستخدام، يستفيد منها لاحقًا نموذج أقوى. وتقتصر المكاسب المعلنة على المهام المعيارية التي اختُبرت، لذا لا يُعرف بعد ما إذا كانت ستتحقق في مهام جديدة.
