مروری تحلیلی بر رویکردها و چارچوب های سامانه های چندعامله مبتنی بر مدل های زبانی بزرگ

با گسترش سریع مدل های زبانی بزرگ سامانه های چند عامله مبتنی بر این مدل ها به یکی از جریان های اصلی پژوهشی در هوش مصنوعی تبدیل شده اند. برخلاف تمرکز اولیه بر توانمندی مدل های منفرد رویکردهای جدید نشان می دهند که سازمان دهی چندین عامل زبانی در قالب ساختارهای تعاملی می تواند به بهبود استدلال، افزایش تنوع راه حل ها، کاهش خطا و شبیه سازی رفتارهای پیچیده منجر شود. با این حال تنوع معماری ها و الگوهای تعامل در این حوزه موجب پراکندگی مفهومی و دشواری مقایسه پژوهش ها شده است. این مقاله با رویکردی مروری و تحلیلی چارچوب ها و رویکردهای شاخص سامانه های چند عامله مبتنی بر مدل های زبانی بزرگ را بر اساس نوع معماری، الگوی تعامل، سازمان دهی نقش ها، سازوکار حافظه و حوزه کاربرد مقایسه می کند. ابتدا دسته بندی فشرده ای از جریان های اصلی ارائه شده و سپس در قالب یک جدول تطبیقی مهم ترین چارچوب ها از منظر ویژگی های ساختاری و عملکردی بررسی می شوند. تحلیل انجام شده نشان می دهد که نوآوری در این حوزه بیش از آن که ناشی از تغییر مدل پایه باشد به طراحی ساختار تعامل، تعریف نقش ها و مدیریت حافظه وابسته است. نتایج حاکی از آن است که معماری های نقش محور و متمرکز در مسائل ساختاریافته کارآمدترند در حالی که معماری های مکالمه محور و غیرمتمرکز امکان بروز رفتارهای خلاقانه و برآیندی را فراهم می کنند. همچنین افزایش تعداد عامل ها به تنهایی تضمین کننده بهبود عملکرد نیست و کیفیت طراحی تعامل نقش تعیین کننده تری دارد.

کلیدواژه ها:

سامانه های چند عامله ، مدل های زبانی بزرگ ، معماری ، تعامل ، مناظره چند عامله ، حافظه ، عامل ، خلاقیت محاسباتی ، ارزیابی سامانه های هوشمند