في عالم الذكاء الاصطناعي، أظهرت دراسة جديدة منشورة على منصة arXiv تطورًا مثيرًا في كيفية عمل **وكالات نماذج اللغة المستقلة** (Autonomous Language-Model Agents) التي تقوم بترجمة أوامر المستخدمين إلى إجراءات معتمدة تحت رأس المال الحقيقي.
دراسة DX Terminal Pro
شهدت منصة **DX Terminal Pro** تجربة فريدة استمرت لمدة 21 يومًا، حيث تم نشر 3505 وكالة ممولة من قبل المستخدمين لتتداول **Ethereum** (ETH) في سوق على السلسلة. قام المستخدمون بإعداد خزائنهم من خلال استراتيجيات طبيعية التحكم، ولكن كان للأ agents حرية اختيار عمليات الشراء والبيع.
إجمالاً، أنتج النظام 7.5 مليون تفاعل مع الوكالات، مما أسفر عن حوالي 300 ألف إجراء على السلسلة ووصل حجم التداول إلى 20 مليون دولار، مع نشر أكثر من 5000 ETH و70 مليار رمز استدلال، فضلاً عن تحقيق 99.9% من نجاح التسوية للمعاملات المعتمدة.
أهمية توجيه الأداء
لم تكن الموثوقية ناتجة فقط عن النموذج الأساسي، بل ظهرت من الطبقة التشغيلية المحيطة بالنموذج، حيث تتضمن:
- تجميع المطالبات (Prompt Compilation)
- التحكم المهيكل (Typed Controls)
- تحقق السياسات (Policy Validation)
- حراسة التنفيذ (Execution Guards)
- تصميم الذاكرة (Memory Design)
- ملاحظية مستوى التتبع (Trace-level Observability)
أظهرت الاختبارات قبل الإطلاق بعض الفشل مثل القواعد التجارية المفبركة وأثر الرسوم. وأسفرت التعديلات المستهدفة عن تقليل هذه القواعد من 57% إلى 3% وزيادة نشر رأس المال من 42.9% إلى 78% في مجموعة اختبار متأثرة.
نتيجة النسق الكامل
باختصار، هذا البحث يوضح أن تقييم وكالات إدارة رأس المال يجب أن يتم عبر المسار الكامل من الأمر المستخدم إلى العمل المعتمد والتسوية. إن النتائج تستحضر تساؤلات مثيرة حول كيف يمكن للذكاء الاصطناعي أن يحدث ثورة في مجالات التجارة وإدارة الأصول.
**كيف تعتقد أن هذه التحولات ستغير من طريقة تداول الأفراد في المستقبل؟**