آیا تا به حال فکر کردهاید که چطور میتوان ایجنتهای هوش مصنوعی را در انجام وظایف پیچیده و چندمرحلهای، هم هوشمندتر و هم سریعتر کرد؟
محققان در مقاله جدیدی، فریمورک نوآورانه Atomic Task Graph (ATG) را معرفی کردهاند که به جای رویکردهای متنی ساده، از «گرافهای وظیفه» استفاده میکند. این ابزار به مدلهای زبانی (LLMs) اجازه میدهد تا:
✅ وظایف پیچیده را به زیروظایف کوچکتر و قابل ردیابی تقسیم کنند.
✅ از اجرای موازی شاخهها برای افزایش سرعت استفاده کنند.
✅ در صورت بروز خطا، دقیقاً همان بخش آسیبدیده را شناسایی و تعمیر کنند، نه اینکه کل پروسه را دوباره تکرار کنند.
جالب اینجاست که این متد حتی با مدلهای کوچکتر (۷ تا ۸ میلیارد پارامتر) هم عملکرد خیرهکنندهای در دقت و کارایی نشان داده است. این یعنی گامی بزرگ به سوی ایجنتهای مستقل و بهینه برای کارهای عملیاتی! 💡
نویسی
منبع: arXiv AI
