تصور کنید بتوانید مهارت‌های یک عامل (Agent) را بدون تغییر دادن حتی یک پارامتر در مدل ارتقا دهید. این ادعای جسورانه اکنون با معرفی چارچوب SkillOpt توسط مایکروسافت به واقعیت تبدیل شده است.
طبق گزارش منتشر شده در ۲۵ می ۲۰۲۶، این سیستم در ۵۲ مورد از ۵۲ تنظیمات آزمایش‌شده در ۶ بنچمارک مختلف، رتبه اول یا مشترک اول را کسب کرده است. این نتیجه نشان‌دهنده تغییری بنیادین در نحوه اکتساب قابلیت‌های جدید توسط عامل‌های هوش مصنوعی است، به‌طوری که دیگر نیازی به بازآموزی‌های گران‌قیمت نیست.
در روش‌های سنتی، بهبود عملکرد عامل‌ها مستلزم تنظیم دقیق (Fine-tuning) وزن‌های مدل است؛ فرآیندی که نه تنها هزینه‌ی محاسباتی بالایی دارد، بلکه منجر به پدیده‌ی «فراموشی فاجعه‌بار» می‌شود. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی پیچیدگی‌های رابطه‌ی مایکروسافت و OpenAI اشاره کردیم، رقابت برای بهینه‌سازی بهره‌وری مدل‌ها اکنون از لایه‌ی سخت‌افزاری به لایه‌ی متدولوژی منتقل شده است.
بر اساس مستندات SkillOpt، این چارچوب به‌طور کامل در فضای متن عمل می‌کند. به‌جای دستکاری وزن‌ها، توصیفات مهارت‌ها به زبان طبیعی را به عنوان پارامترهای قابل یادگیری در نظر می‌گیرد:
- ارزیابی در ۷ مدل مختلف و ۶ بنچمارک، از جمله محیط‌های WebArena و ALFWorld.
- بهینه‌سازی مهارت‌ها از طریق بازخوردهای متنی تکرارشونده (مشابه با روش نزول گرادیان اما در فضای متن).
- استفاده از یک مدل پایهٔ منجمد (Frozen)، که نیاز به پس‌انتشار (Backpropagation) در پارامترهای مدل را حذف می‌کند.
از دیدگاه فنی، این رویکرد باعث جداسازی اکتساب مهارت از معماری مدل می‌شود. اگر یک مهارت به عنوان یک توصیف متنی بهینه شود، می‌توان آن را بدون نیاز به آموزش مجدد، از یک مدل کوچک به یک مدل پیشرو منتقل کرد. با این حال، سقف عملکرد همچنان به توانایی استدلالی ذاتی مدل پایه وابسته است؛ SkillOpt بیانِ مهارت را بهینه می‌کند، نه هوش خام مدل را.
گام بعدی شما
- بررسی مخزن کد و مقاله رسمی در arXiv یا GitHub برای اعتبارسنجی ادعای ۵۲/۵۲.
- مقایسه عملکرد این متد با چارچوب‌های موجود مانند Reflexion یا ReAct در محیط‌های عملیاتی.
- تست انتقال توصیفات بهینه شده از مدل‌های کوچک به مدل‌های بزرگ‌تر برای کاهش هزینه استنتاج.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو