في عالم مليء بالتغيرات السريعة، حيث تتلاقى نماذج اللغات الضخمة (Large Language Models) مع وكالات الذكاء الاصطناعي، تشهد العلوم عصرًا جديدًا يعبر عنه بـ "العلوم الوكيلة" (Agentic Science). ومع أن المنهج العلمي بطبيعته يتسم بالدورة التكرارية، إلا أن الإطارات الحالية للوكلاء غالبًا ما تكون ثابتة وذات نطاق ضيق، مما يضعف قدرتها على التعلم من التجارب والخبرة.

هنا يأتي دور **EvoMaster**، الإطار الثوري الذي تم تصميمه خصيصًا لتمكين **العلوم الوكيلة** على نطاق واسع. يتميز EvoMaster بمبدأ التطور الذاتي المستمر، حيث يمكّن الوكلاء من تحسين الفرضيات بشكل تدريجي وذاتي، فضلاً عن نقد أنفسهم وجمع المعرفة عبر دورات تجريبية، مما يحاكي بشكل دقيق روح العملية العلمية البشرية.

ومن المثير للاهتمام أن EvoMaster يعد قاعدة غير محددة المجال، مما يجعله سهل الاستخدام وقابل للتوسع. يمكن للمطورين بناء ونشر وكلاء علميين ذوي قدرات عالية وبساطة تامة باستخدام حوالي 100 سطر من الشيفرة البرمجية. استنادًا إلى EvoMaster، تم إنشاء نظام بيئي يُطلق عليه **SciMaster** يغطي مجالات متنوعة مثل تعلم الآلة، والفيزياء، وعلوم عامة.

عند إجراء تقييمات على أربعة معايير مرجعية موثوقة (Humanity's Last Exam، MLE-Bench Lite، BrowseComp، وFrontierScience)، ظهرت قوة EvoMaster بوضوح من خلال حصوله على درجات رائدة بلغت 41.1%، 75.8%، 73.3%، و53.3% على التوالي. كما أظهر هذا الإطار تفوقًا ملحوظًا على المعيار الأساسي العام OpenClaw بتحسينات تتراوح بين +159% و +316%.

بذلك، يثبت EvoMaster فعاليته وشموليته كأفضل إطار أساسي للجيل القادم من الاكتشافات العلمية الذاتية. يمكنكم استكشاف المزيد وتنزيل EvoMaster من [هنا](https://github.com/sjtu-sai-agents/EvoMaster).

ما رأيكم في هذا الإنجاز الثوري؟ شاركونا آراءكم في التعليقات!