يُعد VHD-Play خط أنشطة يُنتج بيئات متنوعة للتعلم المعزز الوكيل عن طريق أخذ عينات وحل النماذج الرياضية قبل عرض عمليات اتخاذ القرار الخاصة بها كأدوات ذات حالة. يضمن هذا النهج أن الديناميكيات القابلة للتنفيذ ومراجع تقييم المسارات تُورث مباشرة من النموذج المحلول، مما يعالج مشكلات عدم التطابق الشائعة في خطوط الأنظمة الحالية.

  • ينتج خط الأنشطة 3,300 بيئة وكيلية متنوعة بتكلفة بضعة سنتات لكل منها.
  • رفع تدريب Qwen3.6-35B-A3B على ثلاث عائلات يرفع متوسط النتيجة الوكيلية من 0.204 إلى 0.815 في تشخيص خماسي العائلات.
  • تمتد المكاسب إلى عينات محفوظة، وعشر عائلات آليات غير مرئية، ومعايير خارجية لاستدعاء الوظائف العامة، وتخطيط السفر، والتجارة الإلكترونية.
  • تُظهر المقارنات بين المشكلات المكتوبة والنسخ ذات الحالة أن الفجوة القابلة للتعلم تكمن أساسًا في التفاعل ذو الحالة بدلاً من حل المشكلة الأساسية.

يُعتبر المؤلفون هذا الأمر مهمًا لأن مُعدّ 35B المجمّد يمكنه تحقيق بيئات أكبر، ويحافظ التدريب المتناسب مع الحجم على المكاسب مع نمو حجم الآلية والأفق الزمني، مما يشير إلى إمكانية وجود أساس تدريبي متطور.