مقارنة أدوات التعليق بالذكاء الاصطناعي: مفتوحة المصدر والمدفوعة

أداة التعليق هي برنامج يُلحق تسميات بالنص والصور والصوت والفيديو أو مخرجات النماذج، بحيث يصلح الناتج لتدريب نظام أو تقييمه. يقارن هذا الدليل 14 أداة مفتوحة المصدر وتجارية من حيث تغطية الوسائط، والتعليق بمساعدة الذكاء الاصطناعي، ومقاييس الاتفاق، وما تتضمّنه فعلياً كل نسخة مجانية.

لا توجد أداة واحدة هي الأفضل. يعتمد الاختيار الصحيح على ما تُعلّق عليه، وميزانيتك، وحاجتك إلى تقييم الوكلاء أو نماذج اللغة الكبيرة، وقدر الإعداد الذي تحتمله.

أي أدوات التعليق ينبغي أن أقارن؟

(تتغير التفاصيل بمرور الوقت، راجع كل مشروع لمعرفة الترخيص والميزات الحالية.)

هناك ما يخفيه عمود الرخصة: ما الذي تتضمنه الخطة المجانية فعلًا. النسخة المجتمعية من Label Studio لا تتضمن أي مقياس اتفاق بين الموصِّفين. وتضيف خطة Starter، بسعر 99 دولارًا شهريًا و49 دولارًا لكل مستخدم إضافي، مقاييس اتفاق محدودة ولوحات لأداء الموصِّفين، أما المجموعة الكاملة ففي إصدار Enterprise. وProdigy بلا خطة مجانية أصلًا. وCVAT تدرج واجهة ضبط الجودة ضمن الميزات المدفوعة. إن كنت تختار بناءً على ضبط الجودة لا على تغطية الوسائط، فقارن النسخ المجانية لا صفحات التسويق. ونحتفظ بـمصفوفة إمكانات لإحدى عشرة أداة، جرى التحقق منها في وثائقها.

مقارنات حسب نوع البيانات

تتناول كل صفحة من هذه الصفحات نوعًا واحدًا من البيانات بتفصيل أكبر، مع أدوات أكثر والتفاصيل المهمة لذلك النوع:

• أدوات التعليق على النصوص ومعالجة اللغات الطبيعية: INCEpTION وProdigy وdoccano وbrat وArgilla
• أدوات التعليق على الصوت والكلام: ELAN وPraat وLabel Studio وProdigy
• أدوات التعليق على الصور: CVAT وRoboflow وV7 وSupervisely وX-AnyLabeling
• أدوات التعليق على الفيديو: CVAT وLabel Studio وELAN وBORIS
• أدوات تقييم وكلاء الذكاء الاصطناعي: LangSmith وLangfuse وArize Phoenix وBraintrust وOpik
• تقييم نماذج العالم وحلقات الروبوتات: VBench وWorldModelBench وPhysics-IQ وATLAS

أي أدوات التعليق تستخدم الذكاء الاصطناعي للتوسيم المسبق؟

تشمل عبارة "أداة تعليق بالذكاء الاصطناعي" ثلاث قدرات تُباع عادةً على أنها قدرة واحدة، والأداة التي تملك إحداها كثيراً ما تفتقر إلى الأخريين.

• هندسة بمساعدة النموذج. انقر أو ارسم تقريبياً، فيشدّ نموذج التجزئة الحدود. يشغّل Potato هذا داخل المتصفح دون وحدة معالجة رسومية، ويصل إليه CVAT عبر Nuclio أو مسار وكلاء الذكاء الاصطناعي، وLabel Studio عبر خلفية تعلّم آلي، بينما تدرجه Roboflow وV7 وSupervisely وSegments.ai في المنتج نفسه.
• توسيم موجَّه بالمطالبات. اكتب اسم الكائن لتحصل على قناع أو إطار بدل الاختيار من قائمة ثابتة. يدعم ذلك Potato وRoboflow وV7. انظر توسيم الكائنات بكتابة أسمائها.
• تعليق مسبق بنماذج اللغة والرؤية. يقترح النموذج تسميات لدفعة كاملة ثم يراجعها المعلّقون. يصل Potato إلى 13 نوعاً من نقاط النهاية لهذا الغرض، ويمكنه أيضاً أن يجعل نموذج لغة ورؤية ينقد التعليقات المكتملة.

يغيّر التوسيم المسبق ما يجب أن تلتقطه مراقبة الجودة. المعلّقون الذين يقبلون الاقتراحات دون قراءتها يرفعون كل أرقام الاتفاق ويخفضون الدقة في الوقت نفسه، والتوقيت هو الإشارة الوحيدة التي تفصل المراجعة عن الموافقة الآلية. انظر كشف التعليقات المسبقة المُوافَق عليها آلياً.

لا يدرّب Potato النماذج ولا يستضيفها. هو يرتّب العناصر، ويستدعي النماذج التي تحدّدها له، ويسجّل ما فعله المعلّق بالنتيجة.

النص ومعالجة اللغات الطبيعية

بدأ Potato أداةً للنصوص. كان النظام الذي قُدِّم في EMNLP 2022 يُعلّق النصوص ولا شيء غيرها، وكل قدرة بصرية في القسم التالي أحدث منه بأربع سنوات.

الأدوات الست هنا جميعها تُجري التصنيف ووسم التسلسلات. وإلى جانب ذلك، هذه مخططات Potato النصية:

الاتفاق على المقاطع

يتضمن جدول الرؤية أدناه صفًا للاتفاق المُصحَّح من أثر الصدفة على الأشكال الهندسية. وللنص المشكلة نفسها، وأدبياتها أقدم: فنادرًا ما يتفق مُعلِّقان يحددان الكيان نفسه على الحدود الدقيقة، والمقياس الذي يقارن الوسوم رمزًا برمز يحاسبهما على خلاف لم يحدث بينهما.

تحصل مخططات المقاطع على κ على مستوى الرموز فوق وسوم BIO، وعلى F1 للمقاطع عند التطابق التام والجزئي، وعلى α لكريبندورف فوق تسميات كل محرف على حدة، وعلى γ مبسَّطة من Mathet وآخرين (2015). ويقيس الأخيران أين يبدأ المقطع وأين ينتهي، لا ما سُمّي به فقط. انظر قياس الاتفاق على المقاطع.

أدوات النص الأخرى

INCEpTION هو أقرب مقارنة للعمل اللساني، ويتقدّم في مجال القواعد المعرفية. فطبقات العلاقات، وطبقات السلاسل للإحالة المشتركة، والمقاطع متعددة الرموز، وسمات المفاهيم التي تربط التعليق بصنف أو مثيل في قاعدة معرفية، ومُقترِح ربط الكيانات المسماة، كلها ميزات أساسية، وتعرض صفحة الاتفاق فيه المقاييس الشائعة. ونشره أثقل من بقية أدوات هذه القائمة.

لدى Prodigy واجهة علاقات للروابط الموجّهة وغير الموجّهة المرتبطة بكلمات أو عبارات، ووصفة coref.manual بإعدادات افتراضية للإحالة المشتركة. وهو مدفوع ويعتمد على الشيفرة أولًا، ويرتبط بـ spaCy أوثق من أي أداة أخرى هنا.

Doccano هو الأسرع إعدادًا للنصوص. أنواع مشاريعه هي تصنيف المستندات، ووسم التسلسلات، والتحويل من تسلسل إلى تسلسل، واكتشاف النية وملء الخانات، وتحويل الكلام إلى نص، إضافة إلى أربعة أنواع للصور. ولمشاريع وسم التسلسلات خيارات للمقاطع المتداخلة وللعلاقات. ولا يوجد فيه تعليق للإحالة المشتركة أو للأحداث، ولا مقاييس للاتفاق.

لدى Label Studio وسم Relations يربط المناطق الموسومة، وهو يعمل على الصوت والصور وHTML والفقرات والسلاسل الزمنية والفيديو، لا على النص وحده. أما مقاييس الاتفاق فمحدودة في خطة Starter وكاملة في إصدار Enterprise.

brat هو المكان الذي بُنيت فيه مدوّنات كثيرة لمعالجة اللغات الطبيعية. يغطي تنسيق standoff الخاص به الكيانات المرتبطة بالنص، والأحداث متعددة الأطراف ذات الكلمات المُطلِقة والمعاملات، والعلاقات الثنائية، ومجموعات التكافؤ، والسمات، والتوحيد مقابل مورد خارجي، والملاحظات. لكنه لم يعد يخضع للصيانة. آخر إصدار هو v1.3 "Crunchy Frog" من نوفمبر 2012، وآخر إيداع في master من أكتوبر 2021، وهناك 493 مشكلة مفتوحة. وما زالت صفحته الرئيسية تصفه بأنه سهل الإعداد. غير أنه لا توجد حزمة لتثبيتها، وملف install.sh يعود إلى 2012، والخادم المستقل يستورد وحدة cgi في Python، التي أُعلن إهمالها في 3.11 ثم أُزيلت في 3.13، لذا لا يشغّله إصدار Python حديث من دون طبقة توافق. وقراءة مدوّنة brat موجودة أمر مختلف تمامًا عن تشغيل brat لجمع مدوّنة جديدة.

منذ الإصدار 2.9، يستورد Potato تنسيق standoff من brat، وملفات JSONL من doccano، وملفات db-out من Prodigy، وCoNLL، فيمكن لمدوّنة بدأت في أيٍّ منها أن تستمر في Potato. وتصل الوسوم الموجودة بوصفها تعليقات مسبقة. أما علاقات brat وأحداثه فلا تُستورد، بل تُدرج في تحذيرات الاستيراد. انظر استيراد مشروع.

جرى التحقق في أغسطس 2026 مقابل وثائق كل مشروع ومستودعه.

الرؤية و3D وتقييم النماذج

واجهات Potato الخاصة بالرؤية الحاسوبية والبيانات المكانية والتقييم أحدث من واجهاته النصية. وهذا الجدول يسجّل مواطن قوة كل أداة بدل ترتيبها.

في معظم الصفوف تجاري منصات الرؤية الحاسوبية الناضجة Potato أو تتفوق عليه. وهناك صفّان يستحقان قراءة متأنية لا مجرد علامة صح: تجزئة Potato بموجّه نصي تعمل داخل المتصفح بنموذج مرخّص Apache-2.0، بينما تعمل نظيراتها التجارية على الخادم وفق شروط SAM 3 غير التجارية، أما نشر الأقنعة فيجري على الخادم، فتحصل النسخة المجانية على القدرة لكن لا داخل المتصفح. وفي الصفوف الأربعة الأخيرة يقدّم Potato شيئًا لا توفّره الأدوات الأخرى.

الرؤية الحاسوبية على نطاق واسع

CVAT هو المرجع بين أدوات الرؤية الحاسوبية مفتوحة المصدر، ويظل الخيار الأفضل لخطوط الإنتاج الكبيرة المخصصة للرؤية وحدها: إدارة أعمق للمهام والأعمال، وخصائص لكل كائن، ومنظومة صيغ أوسع عبر Datumaro، ومجتمع كبير جدًا. اختر Potato عندما يسير عمل الرؤية الحاسوبية جنبًا إلى جنب مع مهام النص أو الصوت أو التقييم، أو عندما تحتاج إلى اتفاق بين المُعلّقين بدل الدقة مقابل عمل مرجعي.

Roboflow ممتاز إذا كان هدفك نموذجًا مدرَّبًا: Smart Polygon، والتوسيم التلقائي بالدفعات، وLabel Assist من نموذجك أنت، والتدريب والنشر المستضافان في حلقة واحدة. وPotato لا يدرّب كواشف. اختر Potato عندما تكون التسميات نفسها هي مُخرَج البحث ويجب أن تكون موثوقيتها قابلة للدفاع عنها.

Labelbox وSuperAnnotate وEncord وKili وV7 منصات تجارية ناضجة فيها إدارة لقوة العمل وحوكمة مؤسسية وتوسيم قوي بمساعدة النماذج. فإن كنت تحتاج إلى قوة عمل مُدارة أو شهادات امتثال أو تنظيم بيانات على مقياس البيتابايت، فهي الإجابة الصحيحة.

X-AnyLabeling يجمع Grounding DINO وGrounded-SAM 2 وSAM 2.1 وYOLO في تطبيق سطح مكتب، ويصعب التفوق عليه لشخص واحد يوسّم محليًا بمجموعة واسعة من النماذج. أما Potato فيأتي بمجموعة نماذج أضيق ويعمل داخل المتصفح، فلا يُثبَّت شيء على جهاز المُعلّق؛ وتبدأ أفضليته حين يكون هناك أكثر من مُعلّق واحد.

الغيغابكسل وعلم الأمراض الرقمي

يبني Potato هرمًا من البلاطات يُقدَّم بصيغة DZI وعبر IIIF Image API 3.0 معًا، وتعمل أقنعة الفرشاة بالدقة الكاملة للمصدر لأن ذاكرة القناع تفهرس بكسلات الصورة لا نسيج وحدة معالجة الرسوميات.

ولعلم الأمراض الرقمي تحديدًا، صُمِّم QuPath (سطح مكتب، مفتوح المصدر، معيار المجال) وCytomine (ويب، مفتوح المصدر، متعدد المستخدمين مع تعليق أعمى) لهذا الغرض بالذات، وPotato لا يقرأ SVS ولا DICOM ولا NIfTI. استخدم Potato هنا حين تكون صورك كبيرة لكن ليست بصيغ سريرية، أو حين تحتاج فوقها إلى طبقتي الاتفاق وسير العمل عنده.

3D ودمج المستشعرات

Segments.ai وKognic وDeepen AI وSupervisely وXtreme1/BasicAI أدوات متخصصة، وهي متقدمة في خطوط إنتاج القيادة الذاتية: سير عمل للمتتاليات والحلقات مع نشر المسارات، ودعم الرادار وأجهزة LiDAR المتعددة، ونماذج لملاءمة المجسمات تلقائيًا، وأنطولوجيات خصائص لكل كائن، ومنتج معايرة كامل بلا أهداف في حالة Deepen. وSupervisely وXtreme1 قابلان للاستضافة الذاتية، ويتعامل Supervisely مع سحب نقاط أكبر بكثير.

اختر Potato لأعمال 3D حين تريد إحصاءات موثوقية على التسميات المكانية، أو حين يكون 3D جزءًا من دراسة متعددة الأنماط.

الروبوتات ونماذج العالم والتأسيس البصري

في حلقات الروبوتات، يُعد ATLAS (من TU Wien) أداة سطح مكتب مركّزة على تقطيع الأفعال الطويلة المدى بدعم أصلي لـ ROS bag وRLDS، وهي مصمّمة لدقة الحدود عند وجود مُعلّق واحد. ويبقى ELAN وBORIS المعيارين في الترميز السلوكي، وRerun وFoxglove أفضل أدوات التصوير المرئي في الروبوتات.

وفي الفيديو التوليدي، تتكوّن المنظومة في معظمها من معايير قياس (VBench وWorldModelBench وPhysics-IQ) إضافة إلى لجان جماهيرية لجمع التفضيلات على نطاق واسع. تلك توفّر المقاييس والبروتوكولات المرجعية؛ ويوفّر Potato أداة لتشغيل الجانب البشري مرارًا مع قياس الموثوقية، وهو دور مكمّل لا منافس.

وفي التأسيس البصري لنماذج الرؤية واللغة، تحدّد هذا المجال مجموعاتُ البيانات وأطر التقييم (RefCOCO وPixMo-Points وPointBench وlmms-eval وVLMEvalKit) لا منتجات التعليق. ودور Potato هو جمع البيانات المرجعية البشرية التي تُبنى عليها هذه المعايير وقياسها.

ما الذي لا يفعله Potato

كي لا يكتشف أي تقييم هذه الأمور متأخرًا:

• لا تدريب للنماذج. يرتّب Potato العناصر، ويضع تسميات أولية بنماذج موجودة، وينقد التعليقات بنموذج VLM. لكنه لا يدرّب الكواشف ولا يشغّلها. أما Roboflow وV7 وSupervisely وLabelbox فتفعل.
• لا خصائص لكل كائن بعد. الشكل الهندسي يحمل تسمية واحدة؛ أما درجات الحجب وأعلام الاقتطاع وخصائص الأنواع الفرعية فتحتاج إلى مخطط مرافق.
• لا وضع متتاليات لسحب النقاط. التعليق ثلاثي الأبعاد يجري لكل إطار على حدة؛ ونشر المسارات عبر مسح كامل غير منفَّذ.
• لا DICOM ولا NIfTI ولا WSI. يغطي التكبير العميق ونوافذ العرض بـ16 بت الصور العلمية الكبيرة لا الصور السريرية.
• لا قوة عمل مُدارة ولا SAML/SCIM ولا شهادات امتثال. Potato برنامج تشغّله بنفسك. وهو يدعم RBAC وOAuth؛ أما الحوكمة المؤسسية فلا.

أعداد الميزات

تُولَّد هذه الأعداد من سجلات Potato نفسها. ولا يوجد عمود لـ"أفضل بديل"، لأن الأدوات المذكورة أعلاه تنظّم إمكاناتها بطرق مختلفة بما يكفي لأن يدعو الرقم الواحد إلى مقارنة مضللة.

كيف أختار أداة تعليق؟

• ماذا تُعلّق؟ لاستخراج الكيانات المسماة من النص فقط، يكون Doccano الأقل جهدًا في الإعداد. أما للمزج بين النص والصورة والصوت والفيديو، فإن Potato وLabel Studio يغطيان النطاق كاملًا.
• هل تحتاج إلى تقييم الوكلاء أو نماذج اللغة الكبيرة؟ هنا يبرز تميّز Potato: فهو يقرأ مسارات الوكلاء بصيغ عديدة ولديه أدوات مصمّمة خصيصًا لتقييم المسارات ومكافأة العملية ووكلاء الويب ووكلاء البرمجة والفِرق متعددة الوكلاء ووكلاء استخدام الحاسوب/متعددي الوسائط. ومعظم الأدوات العامة لا توفّر ذلك.
• الميزانية. Potato وLabel Studio (النواة) وDoccano وArgilla مجانية ومفتوحة المصدر؛ أما Prodigy وبعض مستويات Label Studio فمدفوعة.
• جهد الإعداد. يُضبط Potato بملف YAML ولا يحتاج إلى برمجة؛ وProdigy يعتمد على البرمجة أولًا؛ والبقية تقع بين الاثنين.
• المنظومة. يقترن Prodigy مع spaCy؛ وArgilla مع Hugging Face؛ ويصدّر Potato إلى العديد من صيغ تعلّم الآلة بما في ذلك CoNLL وHugging Face وCOCO/YOLO.

متى يكون Potato أداة التعليق المناسبة؟

نشأ Potato من معالجة اللغة الطبيعية الأكاديمية. عُرض النظام الأصلي في EMNLP 2022 وعُرض Potato 2.0 في ACL 2026، وهو مبني لسير العمل البحثي الكامل: أنواع مهام كثيرة، وضبط الجودة ومقاييس الاتفاق جاهزة للاستخدام، وتكاملات التعهيد الجماعي، ومجموعة كبيرة من أدوات تقييم وكلاء الذكاء الاصطناعي. فإن كان عملك يمتد عبر عدة أنماط أو يشمل تقييم نماذج اللغة الكبيرة والوكلاء، فهو يستحق النظر.

أما إن كنت تحتاج بالأساس إلى مهمة نصية واحدة مع منتج تجاري مُستضاف، أو كنت تعمل بالكامل داخل spaCy أو Hugging Face، فقد تناسبك إحدى الأدوات الأخرى أكثر.

الأسئلة الشائعة

ما أفضل أداة تعليق مفتوحة المصدر؟

يعتمد ذلك على الوسيط. للتصنيف والتعرّف على الكيانات في النص وحده، Doccano هو الأقل جهداً في الإعداد. وحين يجتمع النص والصورة والصوت والفيديو في مشروع واحد، يغطي Potato والنسخة المجتمعية من Label Studio هذا المدى، ويظهر الفارق في مراقبة الجودة. يتضمّن Potato مقاييس الاتفاق ولوحات الجودة دون تكلفة، بينما يضعها Label Studio في طبقة مدفوعة. وللرؤية الحاسوبية على نطاق واسع، CVAT مفتوح المصدر وناضج.

هل Potato بديل مجاني لـ Label Studio؟

نعم. Potato مجاني ومفتوح المصدر، ويغطي النص والصورة والصوت والفيديو وتقييم الوكلاء/نماذج اللغة الكبيرة من ملف YAML واحد دون برمجة. وLabel Studio أوسع في بعض التكاملات لكنه يدفع الفرق نحو المستويات المدفوعة؛ بينما يبقى Potato مجانيًا ومستضافًا ذاتيًا، وهو ما يناسب العمل الأكاديمي والبحث القابل للتكرار.

كيف يقارَن Potato بـ INCEpTION للتعليق اللغوي؟

INCEpTION قوي للتعليق اللغوي العميق والربط بقواعد المعرفة لكنه أثقل في النشر. أما Potato فأبسط في التشغيل، ملف YAML وأمر واحد، وعادةً ما يكون أسرع لمهام النطاق والعلاقات والتصنيف التي لا تحتاج إلى كامل العتاد اللغوي في INCEpTION.

لماذا أستخدم Potato بدلًا من منصة تجارية مثل Labelbox أو Scale AI؟

تبيع Labelbox وScale منصة مُدارة وقوة عمل للتوسيم، وهو ما يناسب المؤسسات التي تشتري كليهما. أما لفرق البحث التي تأتي بمُعلّقيها الخاصين وتحتاج إلى بقاء البيانات على خوادمها، فإن Potato هو البديل المجاني المستضاف ذاتيًا، مع مقاييس اتفاق المُعلّقين مدمجة.

ما أفضل أداة مفتوحة المصدر لتعليق مسارات وكلاء الذكاء الاصطناعي؟

هنا يبرز تميّز Potato بين أدوات التعليق العامة: فهو يقرأ آثار الوكلاء في 15 صيغة ولديه عروض مصمّمة خصيصًا لتقييم المسارات ومستوى الخطوة ووكلاء الويب ووكلاء البرمجة. كما يعلّق على الفِرق متعددة الوكلاء على رسم تفاعل بياني قابل للنقر، وعلى الوكلاء متعددي الوسائط مثل وكلاء استخدام الحاسوب والوكلاء الصوتيين. ومعظم الأدوات، مفتوحة المصدر أو التجارية، لا تُعلّق عمليات تشغيل الوكلاء على الإطلاق.

ما الذي يستطيع Potato تقييمه ولا تستطيعه أدوات المراقبة ومنصات التوسيم؟

فئتان من واجهات تعليق الوكلاء، ولا تظهر أيٌّ منهما كميزة قابلة للضبط ومستضافة ذاتيًا في الأدوات التي تُقارَن عادةً مع Potato (LangSmith وLangfuse وLabelbox وScale AI وLabel Studio وArgilla وBraintrust)، بحسب ما تم التحقق منه من وثائقها حتى يونيو 2026:

• بنية الفِرق متعددة الوكلاء. رسم تفاعل بياني قابل للتحرير من قبل المُعلّق (حدّد المسار الحرج، أبلِغ عن تسليم سيئ)، وإسناد الأعطال عبر الوكلاء بوصفه ثلاثيًا من وكيل مسؤول / خطوة حاسمة / سبب، ومراجعة التسليم ككائن من الدرجة الأولى، وبطاقات أداء لكل وكيل ولكل فريق، وخط زمني لتنازع الأدوات، ووسم السلوك الناشئ. وأقرب ما يوجد في غيرها هو "Agent Graphs" من Langfuse، وهي عرض تصحيح للقراءة فقط لا واجهة تعليق.
• الوكلاء متعددو الوسائط. مسارات استخدام الحاسوب مع علامة لتحديد موضع النقر، وخطوط زمنية صوتية كاملة الازدواج مع تقييم المقاطعة، وتحديد الموضع الزمني في الفيديو مع حساب IoU حيّ مقابل الفترة التي يتوقعها النموذج. تقدّم Scale AI تحديد موضع واجهة المستخدم الرسومية والتقييم الصوتي، لكن كمشاريع بيانات مُدارة، وحلبتها الصوتية قائمة على الأدوار لا كاملة الازدواج.

أما أدوات المراقبة (LangSmith وLangfuse وBraintrust) فتُرفق درجات وتعليقات على مستوى المقطع، وهو تعليق حقيقي لكل خطوة لكنه ليس واجهات بنية الوكلاء هذه. وأما منصات التوسيم (Labelbox وScale) فتقدّم منتجات بيانات لتقييم الوكلاء، لكن كخدمات سحابية أو مُدارة مدفوعة، لا كأداة تستضيفها ذاتيًا وتضبطها بـ YAML. وتتغير القدرات بسرعة، لذا يعكس هذا لقطة من يونيو 2026؛ ويسرد منشور المقارنة الكامل الإصدارات التي تم التحقق منها.

قراءات إضافية

• لماذا Potato
• ما هو تعليق البيانات؟
• كيفية تقييم وكلاء الذكاء الاصطناعي