یکی از چالشهای بزرگِ «عاملهای هوشمند» (AI Agents) که به کتابخانههای بزرگِ مهارت دسترسی دارند، انتخاب دقیقِ بهترین ابزار یا مهارت برای حل یک مسئله است. معمولاً مدلها در تشخیص تفاوتِ مهارتها به دلیل شباهتهای ساختاری در توضیحات، دچار خطا میشوند.
محققان در پژوهش جدید خود فریمورک «SkillSight» را معرفی کردهاند که بدون نیاز به آموزش اضافه (Training-free)، این مشکل را حل میکند! این سیستم با کالیبره کردن بخشهای «عمومی» توضیحات، نویز را کاهش داده و تمرکزِ مدل را بر نکات متمایز و کلیدی مهارت میگذارد. نتایج آزمایشها نشان میدهد که این روش تا ۲۰ درصد دقتِ بازیابی مهارتها را بهبود میبخشد و عملکردِ کلی مدلهای هوشمند را در انجام وظایف به شکل چشمگیری ارتقا داده است. 🚀🛠
منبع: arXiv AI