Two Heads are Better Than One: Test-time Scaling of Multi-agent Collaborative Reasoning
تقترح هذه الورقة إطار عمل لنظام متعدد الوكلاء من أجل التوسع في وقت الاختبار يتغلب على قيود الوكيل الواحد عبر تفكيك الاستدلال إلى سياقات تعاونية، وتم التحقق من ذلك من خلال مجموعة بيانات M500، ووكيل "رئيس تنفيذي" للتوجيه التكيفي، ونماذج مضبوطة بدقة تتفوق بشكل كبير على نظيراتها الأساسية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تُعد النماذج اللغوية الكبيرة أدوات قوية يمكنها القراءة والكتابة وحل المشكلات من خلال التنبؤ بالكلمة التالية في الجملة. لسنوات، حاول الباحثون جعل هذه الأنظمة أكثر ذكاءً عبر تغذيتها بمزيد من البيانات أو جعلها أكبر حجماً. ومؤخراً، حظي نهج مختلف باهتمام متزايد: وهو منح النموذج وقتاً أطول للتفكير قبل أن يجيب. هذه الطريقة، المعروفة باسم "توسيع نطاق وقت الاختبار" (test-time scaling)، تشجع النموذج على توليد سلسلة طويلة من الاستنتاج، مع التحقق من عمله خطوة بخطوة. وبينما يعمل هذا بشكل جيد للمهام البسيطة، فإنه يصطدم بحائط مسدود عندما تصبح المشكلات شديدة التعقيد. فإذا حاول نموذج واحد التفكير في مسألة رياضية صعبة أو تحدٍ في البرمجة بمفرده، فقد تصبح سلسلة الأفكار طويلة ومتشابكة للغاية لدرجة تجعل النموذج يفقد تركيزه، أو يرتكب أخطاءً، أو ببساطة ينفد منه الذاكرة. والنتيجة غالباً ما تكون إجابة مشوشة أو نظاماً ينهار تحت وطأة أفكاره الخاصة.
ولحل هذه المشكلة، اقترح فريق من الباحثين من عدة جامعات وشركات تكنولوجية تغييراً هيكلياً. فبدلاً من مطالبة نموذج واحد بالقيام بكل عمليات التفكير، قاموا ببناء نظام تعمل فيه نماذج متعددة معاً، حيث يتولى كل منها دوراً محدداً. تخيل مجموعة من الخبراء يجلسون حول طاولة، لكل منهم تخصص مختلف، يعملون على حل مشكلة ما معاً. في هذا الإعداد الجديد، يعمل أحد الوكلاء كـ "مسؤول توظيف"، يحدد الخبراء المطلوبين. ويتولى آخرون دور "حلالي المشكلات"، حيث يقترحون الحلول وينتقدون عمل بعضهم البعض. ويقوم "مقيم" نهائي بالتحقق من الحسابات والمنطق. ومن خلال تقسيم المهمة الضخمة والمربكة إلى محادثات أصغر وأكثر قابلية للإدارة بين هذه الأدوار المختلفة، يتجنب النظام الارتباك الذي يعاني منه العقل الواحد المجهد. وقد وجد الباحثون أن هذا النهج التعاوني يسمح للنماذج بالتعامل مع مشكلات أصعب بكما دون أن تفقد مسارها.
بدأ الفريق بإنشاء مجموعة بيانات جديدة لتعليم هذه النماذج كيفية العمل معاً بفعالية. فقد اختاروا 500 سؤال صعب من مجالات مثل الفيزياء، والأحياء، والرياضيات المتقدمة. وباستخدام نموذج قوي موجود بالفعل، قاموا بتوليد سجلات مفصلة لكيفية قيام فريق من الوكلاء بحل كل مشكلة. وتضمنت هذه السجلات كل خطوة من خطوات المحادثة: من تم استدعاؤه، وماذا اقترح كل خبير، وكيف تناظروا حول الإجابة، وكيف توصلوا في النهاية إلى إجماع. ثم استخدم الباحثون مجموعة البيانات هذه لتدريب نماذج مفتوحة المصدر، لتعليمها كيفية التعرف على هذه الأنماط التعاونية ومحاكاتها. لم يكن الهدف جعل النماذج أكثر ذكاءً في الرياضيات فحسب، بل تعليمها مهارة محددة وهي التعاون مع الآخرين بطريقة منظمة.
ولجعل هذا النظام أكثر فعالية، قدم الباحثون "وكيل مدير تنفيذي" (CEO agent) خاصاً. ففي المجموعات البشرية، يمكن أن يؤدي غياب التوجيه إلى نقاشات لا نهاية لها وغير منتجة. يعمل الوكيل المدير التنفيذي كقائد يراقب تقدم المناقشة؛ فهو يقرر متى يكون الفريق قد حل المشكلة، ومتى يحتاجون إلى استدعاء المزيد من الخبراء، وكم مقدار الوقت أو القدرة الحسابية التي يجب تخصيصها لكل خطوة. يقوم هذا الوكيل بتعديل عمق الاستنتاج ديناميكياً بناءً على صعوبة المهمة. فإذا كانت المشكلة بسيطة، يتحرك الفريق بسرعة، وإذا كانت معقدة، يضمن المدير التنفيذي أن يتعمق الفريق في البحث، مع تخصيص المزيد من الموارد لإيجال الإجابة الصحيحة. وتمنع هذه الاستراتيجية التكيفية النظام من إضاعة الجهد في المهام السهلة أو الاستسلام مبكراً في المهام الصعبة.
تم اختبار نتائج هذا النهج عبر مجموعة واسعة من التحديات، بما في ذلك أسئلة المعرفة العامة، والرياضيات المتقدمة، وبرمجة الحاسوب. وقد تفوقت النماذج المدربة على مجموعة البيانات التعاونية بشكل كبير على نسخها الأصلية. فعند العمل ضمن إطار العمل متعدد الوكلاء، حلت هذه النماذج الجديدة مشكلات رياضية معقدة بمستوى من الدقة يضاهي أو حتى يتجاوز بعض الأنظمة الأكثر تقدماً والمغلقة المصدر. على سبيل المثال، في مجموعة صعبة من مسائل المسابقات الرياضية، أظهرت النماذج التعاونية تحسناً هائلاً في معدلات النجاح مقارنة بالنماذج التي تدربت فقط على العمل بمفردها. وقد أثبتت الدراسة أن القدرة على التعاون هي مهارة يمكن تعلمها وصقلها، وأن فريقاً من النماذج الأصغر والمتخصصة التي تعمل معاً يمكن أن يحقق نتائج تضاهي النماذج الأكبر بكثير والمنفردة.
كما لاحظ الباحثون شيئاً غير متوقع خلال تجاربهم. ففي بعض الأحيان، كان الوكيل المدير التنفيذي يرصد خطأً دقيقاً في الحل فات على الوكلاء الآخرين، حتى عندما لم يثر أي منهم أي اعتراض. وكان المدير التنفيذي يوجه الفريق بعد ذلك لإعادة فحص عملهم، مما يؤدي إلى حل مصحح. وهذا يشير إلى أن عملية التدريب قد غرست نوعاً من "اليقظة الجماعية"، حيث أصبح النظام ككل أفضل في رصد أخطائه من أي جزء فردي بمفرده. وتؤكد الدراسة أنه من خلال هيكلة الذكاء الاصطناًعي كفريق تعاوني بدلاً من مفكر منعزل، يمكننا التغلب على قيود التكنولوجيا الحالية وبناء أنظمة أكثر قوة وموثوقية وقدرة على التعامل مع أكثر المشكلات تعقيداً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.