تتناول هذه الدراسة أداء تصميمات الوكلاء القائمة على نماذج اللغة الكبيرة المختلفة في مهمة التقييم التلقائي للمقالات. أجرينا تجارب على وكلاء مبنيين على GPT-4-Turbo و DeepSeek-Chat و Gemini 1.5 Pro، وصممنا تكوينات وكلاء متعددة تستند إلى التعلم بدون عينة، والتعلم مع عينات قليلة، واستراتيجية سلسلة التفكير، لتقييم فعالية التقييم. أظهرت النتائج أن تصميم الوكيل بقليل من العينات مع استراتيجية سلسلة التفكير هو الأفضل، تحت هذا التكوين، كانت قيم كابا التربيعية المرجحة لوكلاء GPT-4-Turbo و DeepSeek-Chat و Gemini 1.5 Pro هي 0.5706 و0.6516 و0.7635 على التوالي، مما يقترب من أو يتجاوز مستوى SOTA (حالة الفن) الحالي القائم على تقنية الضبط الدقيق. تشير الدراسة إلى أن الوكلاء المبنيين على نماذج اللغة الكبيرة لا يقتصر أداؤهم على التفوق في مهمة التقييم التلقائي للمقالات، بل يمتلكون أيضًا التكيف، والمرونة، وقابلية التوسع التي تفتقر إليها تقنية الضبط الدقيق.

وكلاء;نماذج اللغة الكبيرة;التقييم التلقائي للمقالات