یکی از چالشهای بزرگ در سیستمهای هوش مصنوعی که کارهای پیچیده و طولانی انجام میدهند (مثل برنامهریزیهای چندمرحلهای)، این است که وقتی مدل اشتباه میکند، دوبارهسازی کل فرآیند بسیار هزینهبر و ناکارآمد است.
محققان در مقاله جدیدی، متد «WM-SAR» را معرفی کردهاند. این سیستم به جای تلاش برای اصلاحِ کورکورانه کل مسیر، دقیقاً همان بخشهایی از گرافِ برنامهریزی را پیدا میکند که باعث تکرار خطا میشوند و فقط همان بخش را اصلاح میکند. این یعنی:
✅ استفاده بهینه از بودجه توکنها
✅ اصلاح دقیق و هدفمند خطاها
✅ پایداری بسیار بیشتر ایجنتها در وظایف طولانیمدت
این روش قدم مهمی برای هوشمندتر شدن و کاهش خطای ایجنتهای خودکار در آینده است! 🧠✨
منبع: arXiv AI
