GATS: إطار تخطيط جديد يحقق نجاحًا بنسبة 100% بدون استدعاء LLM

ملخص

أعلن باحثون في ورقة بحثية جديدة على arXiv عن إطار GATS (Graph-Augmented Tree Search)، وهو إطار تخطيط متعدد الخطوات يجمع بين بحث شجري منهجي قائم على UCB1 ونموذج عالمي متعدد الطبقات. يتكون النموذج من ثلاث طبقات: (L1) مطابقة رمزية دقيقة للإجراءات، (L2) إحصائيات مستفادة من سجلات التنفيذ، و(L3) تنبؤ قائم على LLM للإجراءات غير المعروفة.

النتائج الرئيسية

في مهام تخطيط تركيبية تحتوي على مسارات متفرعة ونهايات مسدودة، حقق GATS نسبة نجاح 100% مقارنة بـ 92% لـ LATS و64% لـ ReAct. في اختبار إجهاد شامل عبر 12 سيناريو صعبًا (بما في ذلك سير عمل البرمجة وتصفح الويب ومهام طويلة الأمد)، حافظ GATS على 100% نجاح بينما انخفض LATS إلى 88.9% وReAct إلى 23.9%.

المقارنة مع الأساليب الحالية

GATS يتطلب صفر استدعاءات LLM لكل مهمة أثناء التخطيط (مقابل 37 لـ LATS) وينتج خططًا حتمية بدون تباين عبر التشغيلات. هذا يقلص التكاليف الحاسوبية بشكل كبير ويزيد الموثوقية.

الأهمية للشرق الأوسط

هذا الإطار يقدم حلاً فعالاً من حيث التكلفة للشركات والمؤسسات في المنطقة التي تعتمد على وكلاء ذكاء اصطناعي للتخطيط، مما يقلص الاعتماد على استدعاءات LLM المكلفة ويوفر استقرارًا عاليًا.

مراجعة بشرية: تم التحقق من المعلومات الواردة في الورقة البحثية.