# باحثون يتناوبون جلسات الوكلاء في مهام تعلم الآلة > يتناوب Humanize MLE Agents بين وكيلين، مع إعادة ضبط سياق الجلسة والإبقاء على مساحة عمل مشتركة. - الرابط الدائم: https://newsverum.com/ar/news/multi-agent-session-alternation-tests-machine-learning-engineering - الناشر: Newsverum - القسم: التكنولوجيا - البلد: الصين - نُشر: 2026-10-13T00:51:41+00:00 - آخر تحديث: 2026-10-13T00:51:41+00:00 - فترة الحدث / البيانات: 2026-10-09 - النسخ الأخرى: [Türkçe](https://newsverum.com/tr/news/multi-agent-session-alternation-tests-machine-learning-engineering.md), [English](https://newsverum.com/en/news/multi-agent-session-alternation-tests-machine-learning-engineering.md), [Français](https://newsverum.com/fr/news/multi-agent-session-alternation-tests-machine-learning-engineering.md), [Español](https://newsverum.com/es/news/multi-agent-session-alternation-tests-machine-learning-engineering.md), [Deutsch](https://newsverum.com/de/news/multi-agent-session-alternation-tests-machine-learning-engineering.md), [Português](https://newsverum.com/pt/news/multi-agent-session-alternation-tests-machine-learning-engineering.md) عرض باحثون مرتبطون بجامعات تسينغهوا وتشجيانغ وNVIDIA طريقة Humanize MLE Agents التي تتناوب فيها جلستا وكيلين على مهام هندسة تعلم الآلة الطويلة. وتنتهي كل جلسة بعد عدد محدد من التجارب؛ ويُعاد ضبط السياق بين الجلسات، بينما تبقى الشيفرة والنماذج والنتائج السابقة في مساحة عمل مشتركة. في 75 مهمة من Kaggle ضمن MLE-bench، أفاد الباحثون بمعدل 78.2% للحصول على أي ميدالية، وقالوا إن سير العمل تجاوز أقوى مقارنة مفتوحة المصدر بميزانية زمنية أصغر. هذه نتيجة لمجموعة مسابقات وتكوينات وكلاء محددة؛ ولا تضمن المكسب نفسه عبر إصدارات النماذج أو في مشروعات هندسية واقعية. ## البيانات ### المقياس 75 مهمة Kaggle؛ تقييم MLE-bench المنهجية: القيم من تجارب المعيار التي حددتها الورقة؛ وليست قياسات ميدانية أو ضمانات أداء عامة. | المقياس | القيمة المعلنة | نطاق التجربة | |---|---|---| | معدل الفوز بأي ميدالية في مهام Kaggle ضمن MLE-bench | 78.2 | 75 مهمة Kaggle؛ تقييم MLE-bench | المصادر: · تنزيل البيانات: [JSON](https://newsverum.com/api/v1/articles/multi-agent-session-alternation-tests-machine-learning-engineering/data/reported-result-1?lang=ar&format=json) · [CSV](https://newsverum.com/api/v1/articles/multi-agent-session-alternation-tests-machine-learning-engineering/data/reported-result-1?lang=ar&format=csv) ### المقياس مجموعة مهام Kaggle المذكورة في تقييم MLE-bench المنهجية: القيم من تجارب المعيار التي حددتها الورقة؛ وليست قياسات ميدانية أو ضمانات أداء عامة. | المقياس | القيمة المعلنة | نطاق التجربة | |---|---|---| | عدد مهام Kaggle في MLE-bench | 75 | مجموعة مهام Kaggle المذكورة في تقييم MLE-bench | المصادر: · تنزيل البيانات: [JSON](https://newsverum.com/api/v1/articles/multi-agent-session-alternation-tests-machine-learning-engineering/data/result-75?lang=ar&format=json) · [CSV](https://newsverum.com/api/v1/articles/multi-agent-session-alternation-tests-machine-learning-engineering/data/result-75?lang=ar&format=csv) ## المصادر - [arXiv preprint by Tsinghua University, Zhejiang University and collaborating researchers]() (تاريخ مراجعة المصدر: 2026-10-13; نُشر: 2026-10-09) --- استخدم الرابط الدائم أعلاه عند الاقتباس. [معايير النشر والتصحيحات](https://newsverum.com/ar/editorial)