בעידן שבו תכנון מבוסס מודלים הופך למרכזי בתחום הבינה המלאכותית, חוקרים מציגים את Agent2World – מסגרת רב-סוכנים מתקדמת שמאפשרת למודלי שפה גדולים (LLM) לייצר מודלי עולם סמליים מדויקים יותר. הבעיה המרכזית היום היא חוסר בפיקוח נתונים גדול ומאומת, כאשר שיטות אימות סטטיות נכשלות בזיהוי שגיאות התנהגותיות במהלך ביצוע אינטראקטיבי. Agent2World פותרת זאת באמצעות צינור עבודה בשלושה שלבים, ומשיגה תוצאות מובילות בשלושה בנצ'מרקים שונים.
בשלב הראשון, סוכן Deep Researcher מבצע סינתוז ידע באמצעות חיפוש באינטרנט כדי למלא פערי מפרט. בשלב השני, סוכן Model Developer מיישם מודלי עולם ניתנים להרצה, כמו דומיינים בשפת PDDL או סימולטורים. בשלב השלישי, צוות בדיקות מיוחד מבצע בדיקות יחידה אדפטיביות ואימות מבוסס סימולציה. לפי הדיווח, Agent2World מציגה ביצועים מעולים בזמן אינפרנס על בנצ'מרקים הכוללים ייצוגי PDDL וקוד ניתן להרצה, ומשיגה תוצאות חדשות בשיא העולם.
מעבר לשימוש בזמן אינפרנס, צוות הבדיקות משמש כסביבה אינטראקטיבית לסוכן Model Developer, ומספק משוב אדפטיבי מודע להתנהגות שמייצר מסלולי אימון רב-תוריים. מודל שעבר איתור דק על מסלולים אלה משפר משמעותית את יצירת מודלי העולם, עם שיפור יחסי ממוצע של 30.95% לעומת אותו מודל לפני האימון. זה הופך את Agent2World למנוע נתונים לפיקוח מאומת.
המשמעות העסקית של Agent2World גדולה במיוחד עבור חברות ישראליות בתחום הבינה המלאכותית והאוטומציה. מודלי עולם סמליים הם הבסיס לתכנון אוטונומי מתקדם, כמו ברובוטיקה ובמערכות תכנון לוגיסטי. השיפור בביצועים מאפשר פיתוח מהיר יותר של מערכות AI אמינות, ומפחית סיכונים הקשורים לשגיאות ביצוע. בהשוואה לשיטות קיימות, Agent2World מציעה אימות דינמי שמתמודד עם שגיאות מורכבות יותר.
עבור מנהלי טכנולוגיה ומפתחים, Agent2World פותחת אפשרויות חדשות לשילוב תכנון מבוסס מודלים ביישומים עסקיים. עם דף הפרויקט הזמין בכתובת https://agent2world.github.io, ניתן להתחיל ליישם את המסגרת כבר היום. השאלה היא: האם תשתמשו בכלי זה כדי להאיץ את פיתוח ה-AI שלכם?