الملخص

يُعد نموذج التعلُّم من التجربة عاملاً محوريًا في تطوير أنظمة الذكاء الاصطناعي العاملة بذكاء (Agentic AI)، ومع ذلك، يعاني هذا النموذج من عائق كبير يتمثل في كفاءة توليد التجارب، وهو عقبة تزداد وضوحًا بشكل خاص في المعايير المعقدة مثل GAIA. وللتغلب على هذه المشكلة، نقدّم AWorld، وهي نظام مفتوح المصدر صُمّم لتمكين التفاعل الواسع النطاق بين الوكيل والبيئة. من خلال توزيع المهام عبر مجموعة من العقد، تمكّن AWorld من تسريع عملية جمع التجارب بنسبة 14.6 مرة مقارنةً بالتنفيذ القياسي على عقدة واحدة وبنظام تسلسلي. ويُعد هذا التسارع الحاسم مُمكّنًا لتطبيق التعلم المعزّز على نطاق واسع وجعله قابلاً للتوسع. وباستغلال هذه القدرة، تم تدريب وكيل مبني على نموذج Qwen3-32B، والذي أظهر أداءً أفضل بشكل ملحوظ مقارنةً بنموذجه الأصلي، حيث ارتفع دقة النموذج الإجمالية في معيار GAIA من 21.59% إلى 32.23%. وفي المستويات الأكثر تحديًا ضمن المعيار، حقق الوكيل لدينا نتيجة بلغت 16.33%، متفوّقًا على أداء النماذج البارزة المُلكية. يقدّم نظامنا المفتوح المصدر والوكيل الناتج عنه نموذجًا عمليًا لسلسلة تدريب كاملة للذكاء الاصطناعي العامل، بدءًا من التفاعل الفعّال ووصولًا إلى تحسين ملموس في الأداء النموذجي.