[
    {
        "id": "osp-15070",
        "type": "article-journal",
        "title": "AgentEvolver: التطور الذاتي على مستوى النظام عبر تنفيذ المهام",
        "author": [
            {
                "family": "Zhang",
                "given": "Wentao"
            },
            {
                "family": "Yang",
                "given": "Fuchao"
            },
            {
                "family": "Zhao",
                "given": "Yilei"
            },
            {
                "family": "Wang",
                "given": "Xinrun"
            },
            {
                "family": "An",
                "given": "Bo"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/agentevolver-system-wide-self-evolution-through-task-execution",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "يمكن للوكيل أن ينجز مهمة دون أن يحسّن طريقة عمله. ويتطلب تحويل خبرة المهمة إلى قدرة قابلة لإعادة الاستخدام ربط المكوّن المتغير بتقييمه وباستخدامه اللاحق. نقدم AgentEvolver، وهو نظام لتطوير القدرات أثناء تنفيذ المهام مع إبقاء نموذج الأساس ثابتاً. وتعرّض ثماني عائلات من الكيانات عمليات ومناهج ووكلاء وتدفق تحكم وواجهات وحالات داعمة قابلة لإعادة الاستخدام للمراجعة عبر دورة حياة موحدة مع الإصدارات. وينسق Runtime مشترك العمل الجاري، بينما يحافظ التخطيط المستمر والسياق القابل للاسترداد على اتجاه المهمة والأدلة الداعمة. ونقيّم نتائج المهام على SWE-bench Pro Public، ونفحص تغيرات القدرات في ست حالات تطبيقية. ويذكر الفريق معدل حل بنسبة 82.08% مع التطور، متجاوزاً خط الأساس المعلن له دون تطور. وتُظهر الحالات أن القدرات المحتفظ بها تنتقل إلى أعمال لاحقة في المواقع والألعاب والبحث، وتوثق كذلك أهدافاً غير مكتملة واستراتيجية غير ناجحة. وتميز هذه النتائج بين التحسن في مكوّن قابل لإعادة الاستخدام والنجاح في المهمة النهائية. ويوفر AgentEvolver أساساً ملموساً لدراسة تراكم القدرات أثناء التنفيذ، أما نقل المهام المستقلة وإجمالي تكلفة التطوير فما زالا سؤالين مفتوحين."
    }
]