# روش TaReD موفقیت هوش مصنوعی در استفاده از ابزارها را افزایش می‌دهد

> بر اساس مقاله‌ای در arXiv به تاریخ 9 اکتبر 2026، روش جدیدِ تجزیه بازگشتیِ آگاه از ابزار، نرخ موفقیت سرتاسری را تا 40 واحد درصد افزایش می‌دهد.

Oossa · 2026-10-09 · https://oossa.com/fa/tared-method-boosts-tool-using-ai-success-on-complex-tasks

پژوهشگرانی به سرپرستی Wei‑Xiang Mao روش TaReD را معرفی کردند؛ روشی برای تجزیه بازگشتیِ آگاه از ابزار که به عامل‌های هوش مصنوعیِ نیازمند استفاده از ابزارهای خارجی کمک می‌کند. این روش سلسله‌مراتبی از قابلیت‌های ابزارها می‌سازد و به عامل اجازه می‌دهد فقط در صورت نیاز ابزارها را پیدا کند. در آزمایش‌هایی روی وظایف واقعی و بلندمدت، TaReD در مقایسه با روش‌های پایه موجود، موفقیت کلی در انجام وظایف را تا 40 واحد درصد افزایش داد. کد این روش در GitHub منتشر شده و همه می‌توانند آن را امتحان کنند.

## حقایق

- مقاله منتشرشده در جمعه 9 اکتبر 2026
- افزایش نرخ موفقیت تا 40 واحد درصد

## چرا مهم است

توسعه‌دهندگان دستیارهای هوش مصنوعی می‌توانند بدون بارگذاری هم‌زمانِ تعریف همه ابزارها، عملکرد قابل‌اعتمادتری در گردش‌کارهای پیچیده به دست آورند.

## منابع و ارجاع‌ها

1. [TaReD: Tool-Aware Recursive Decomposition for Long-Horizon Tasks](https://arxiv.org/abs/2610.11268) – arXiv, 2026-10-09

آخرین به‌روزرسانی: 2026-10-09