أنظمة الذكاء الاصطناعي متعددة الوكلاء تخسر في 12 من أصل 13 اختباراً لخدمة المستخدمين

أفاد إيثان يانغ وشيانغتشنغ شي في دراسة أولية نُشرت عبر خادم "arXiv" في 21 أكتوبر بأن أنظمة الذكاء الاصطناعي متعددة الوكلاء خسرت أمام التكوينات أحادية الوكيل في 12 من أصل 13 خلية اختبار صالحة لخدمة المستخدمين.

وتتحدى ورقة يانغ وشي البحثية الصادرة في 21 أكتوبر عبر "arXiv" قاعدة سابقة تتعلق بتشبع القدرات، والتي حددت نقطة التحول قرب دقة 45% للنظام أحادي الوكيل، في حين تظل الورقة نتيجة بحثية مبكرة لم تخضع لمراجعة الأقران بعد.

وتختبر الورقة الأنظمة عبر معيار "τ²-bench"، وهو معيار تقييم مزدوج التحكم يتفاعل فيه الوكلاء مع مستخدم افتراضي أثناء اتباع سياسة مكتوبة. ويغطي المعيار مهام في قطاعات الطيران والتجزئة والاتصالات عبر نحو 7,950 محادثة محاكاة.

ويعني النظام متعدد الوكلاء (MAS) تنسيق عدة وكلاء قائمين على النماذج لإنجاز مهمة معينة، في حين يعتمد النظام أحادي الوكيل (SAS) على وكيل نموذجي واحد. وقارن الباحثون نظاماً أحادي الوكيل قياسياً بنظام مركزي متعدد الوكلاء مبني على النموذج الأساسي نفسه، باستخدام ستة نماذج من ثلاث عائلات نماذج.

وكتب الباحثون: "بالنسبة للوكلاء الذين يخدمون البشر، يُعد النظام أحادي الوكيل هو الخيار الافتراضي؛ ويجب أن يُظهر التصميم متعدد الوكلاء أدلة متكافئة حوسبياً من البيئة نفسها".

وفي ظل وجود مستخدم افتراضي ثابت، أفادت الورقة بعدم وجود أي أفضلية للنظام متعدد الوكلاء في أي خلية صالحة. وتراجع النظام متعدد الوكلاء في 12 خلية وتعادل في واحدة، مع متوسط أثر مرجح ملائم قدره سالب 28 نقطة وفاصل ثقة 95% يتراوح بين سالب 44 وسالب 12.

وتتعارض هذه النتيجة مع القاعدة السابقة المستخلصة من معايير التقييم الذاتية التي لا يشارك فيها أي مستخدم. وفي خليتي الاختبار اللتين أشارت تلك القاعدة إلى أن النظام متعدد الوكلاء ينبغي أن يحقق فائدة فيهما، خسر التكوين متعدد الوكلاء بفارق 13 نقطة و22 نقطة، وفقاً للدراسة الأولية.

كما أضعف استهلاك الوحدات الرمزية الجدوى من التنسيق. إذ تتبع سجلات رموز الإكمال الرموز الناتجة عن النماذج، وهي مؤشر لعبء الاستدلال والتكلفة؛ ومن دون سقف للميزانية، تطابق أداء النظام متعدد الوكلاء في أفضل الأحوال مع النظام أحادي الوكيل، مع استهلاكه 5.5 أضعاف إنفاق الأخير من الوحدات الرمزية.

ولا تحسم الورقة البحثية جميع التساؤلات، إذ أفادت بعدم استيفاء معيار صلاحية واحد نظراً لأن المخطط في النظام متعدد الوكلاء لم يتمكن من الاطلاع على مخططات الأدوات، التي تحدد استدعاءات الأدوات المتاحة؛ في حين لم يحدد الملخص بدقة مدى تأثير ذلك على الأداء.

وذكر الباحثون أيضاً أن الأدلة لم تحسم ما إذا كانت مكاسب النظام متعدد الوكلاء تتراجع مع ارتفاع قدرة النظام أحادي الوكيل. وكان الميل المقدر سالب 0.41، مع فاصل ثقة 95% يتراوح بين سالب 1.51 وموجب 0.68، نظراً لسيادة التأثيرات المتبادلة بين النماذج والمجالات.

وجاءت نتائج السلامة محدودة أيضاً؛ إذ أوضحت الورقة أن النظام متعدد الوكلاء لم يقلل بشكل ملموس من عمليات الكتابة الخاطئة في قواعد البيانات، بل حوّل بدلاً من ذلك بعض حالات الإخفاق نحو استنفاد الميزانية وعدم اتخاذ أي إجراء.

وأشار الباحثون إلى أنهم نشروا مسارات التنفيذ، وسجلات الوحدات الرمزية، والتوجيهات، والشيفرة البرمجية إلى جانب الدراسة الأولية.

المصدر: دراسة أولية على arXiv، قسم arXiv cs.AI، 21 أكتوبر 2026