🤖 AI

Memory as Action: Autonomous Context Curation for Long-Horizon Agentic Tasks

تقدم الورقة البحثية إطار عمل "الذاكرة كفعل" (MemAct)، وهو إطار يعامل إدارة الذاكرة العاملة كأفعال سياسات قابلة للتعلم يتم تحسينها عبر التعلم التعزيزي لتمكين تنسيق سياقي فعال وتكيفي للمهام الوكيلية طويلة الأمد، محققةً دقة النماذج الأكبر بكثير مع تقليل طول السياق بشكل كبير.

المؤلفون الأصليون: Yuxiang Zhang, Jiangming Shu, Ye Ma, Xueyuan Lin, Shangxi Wu, Jitao Sang

نُشر 2026-05-08

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yuxiang Zhang, Jiangming Shu, Ye Ma, Xueyuan Lin, Shangxi Wu, Jitao Sang

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

تخيل أنك تحاول حل لغز ضخم متعدد الخطوات، مثل التخطيط لرحلة معقدة أو تصحيح برنامج برمجيات ضخم. لديك سبورة بيضاء عملاقة (ذاكرة حاسوبك) حيث تدون كل فكرة، ونتيجة بحث، وكل دليل تجده.

المشكلة:
مع تقدم المهمة، تصبح سبورتك البيضاء مزدحمة. تبدأ في تدوين كل شيء: "بحثت عن حالة الطقس"، "تحققت من جدول مواعيد القطارات"، "قرأت عن تاريخ المدينة"، "بحثت عن حالة الطقس مرة أخرى". في النهاية، تصبح السبورة مليئة بالخربشات لدرجة أنك لا تستدعي العثور على الأدلة المهمة بعد الآن. أنت "تضيع في منتصف" ملاحظاتك الخاصة.

تقوم المساعدات الذكية الحالية بنفس الشيء؛ فهي تستمر فقط في إضافة الملاحظات إلى أسفل الصفحة، دون مسح أي شيء أبداً، حتى تصبح الصفحة فوضوية للغاية بحيث يصعب قراءتها بفعالية.

الحل: "الذاكرة كفعل" (MemAct)
تقدم هذه الورقة طريقة جديدة لتفكير الذكاء الاصطناعي. بدلاً من مجرد الكتابة السلبية للملاحظات، يتم تعليم الذكاء الاصطناعي كيف يتصرف بناءً على ذاكرته. فكر في الأمر كأنك تعطي الذكاء الاصطناعي مقصاً وقلم تحديد (Highlighter).

يطلق المؤلفون على هذا الإطار اسم MemAct. وإليك كيف يعمل بكلمات بسيطة:

1. زر "التعديل" (The Edit Button)

في الطريقة القديمة، يستمر الذكاء الاصطناعي في الكلام فحسب. أما في MemAct، فيمتلك الذكاء الاصطناعي أداة خاصة تسمى التقليم والكتابة (Prune & Write).

التقليم (المقص): ينظر الذكاء الاصطناعي إلى سجله ويقرر: "لم أعد بحاجة لنتائج البحث العشر تلك، فأنا أعرف بالفعل الإجابة على ذلك الجزء". ثم يقوم بقصها.
الكتابة (قلم التحديد): قبل القص، يكتب الذكاء الاصطناعي ملخصاً قصيراً ومرتباً لما تعلمه من تلك الملاحظات القديمة.
النتيجة: يتم استبدال التاريخ الطويل الفوضوي بملخص قصير ونظيف. يحتفظ الذكاء الاصطناعي بـ المعنى ولكنه يتخلص من الفوضى.

2. القرار "الذكي"

الجزء الصعب هو معرفة متى تقص. إذا قصصت مبكراً جداً، ستفقد الحقائق المهمة. وإذا تأخرت كثيراً، ستصبح السبورة فوضوية جداً.

الطريقة القديمة: يضع مبرمج بشري قاعدة مثل: "كل 5 دقائق، احذف أقدم الملاحظات". هذه القاعدة جامدة وغالباً ما تحذف الأشياء الخاطئة.
طريقة MemAct: يتعلم الذكاء الاصطناعي اتخاذ القرار بنفسه. الأمر يشبه طالباً يتعلم: "عندما أحل الجزء الأول من مسألة الرياضيات، يمكنني مسح المسودة ليكون لدي مساحة للجزء التالي". يتعلم الذكاء الاصطناعي هذه الاستراتيجية من خلال التجربة والخطأ (التعلم المعزز).

3. تحدي "سكة القطار" (DCPO)

كان هناك عقبة تقنية كبيرة. تخيل قطاراً يتحرك للأمام على السكك الحديدية. إذا قام الذكاء الاصطناعي فجأة بحذف جزء من السكة خلفه، فقد يصطدم القطار (عملية تفكير الذكاء الاصطناعي) لأن بناؤه كان قائماً على افتراض أن السكك تُضاف ولا تُزال أبداً.

ابتكر المؤلفون حلاً ذكياً يسمى تحسين سياسة السياق الديناميكي (DCPO).

التشبيه: تخيل أنك تصور فيلماً. إذا نسي الممثل نصاً وقال المخرج: "قطع! لنعد تصوير المشهد"، فأنت لا تستمر في التصوير فوق الخطأ فحسب. بل تعود وتُعيد تصوير المشهد، ثم تدمج اللقطة الجديدة والصحيحة في شريط الفيلم.
الحل: يقوم نظام DCPO بهذا الأمر بالنسبة لتدريب الذكاء الاصطناعي. عندما يعدل الذكاء الاصطناعي ذاكرته، يقوم النظام منطقياً بـ "إعادة ضبط" وتنظيم بيانات التدريب إلى أجزاء نظيفة ومنفصلة. وهذا يسمح للذكاء الاصطناعي بتعلم كيفية تعديل ذاكرته دون الارتباك بسبب تغييراته الخاصة.

النتائج: أصغر، أسرع، وأذكى

اختبرت الورقة هذا النظام باستخدام نموذج ذكاء اصطناعي بـ 14 مليار معلمة (وهو نموذج كبير، لكن ليس الأكبر).

المقارنة: قارنوا بينه وبين نموذج ذكاء اصطناعي "عملاق" (235 مليار معلمة) يمتلك ذاكرة ضخمة لكنه لا يعرف كيف ينظفها.
النتيجة: قدم نموذج MemAct الأصغر أداءً يضاهي النموذج العملاق، ولكنه استخدم مساحة ذاكرة أقل بنسبة 51%.
الفائدة: نظرًا لأنه حافظ على "سبورته البيضاء" نظيفة، فقد كان أسرع ولم يرتبك بالمعلومات غير ذات الصلة. لقد تعلم كيف يكون محرراً "جراحياً"، يزيل فقط ما هو ضروري للحفاظ على حدة تركيزه.

الملخص

تزعم الورقة أنه من خلال تعليم الذكاء الاصطناعي كيفية إدارة ذاكرته قصيرة المدى بفعالية — عبر تقرير ما يجب الاحتفاظ به، وما يجب تلخيصه، وما يجب حذفه — يمكنه حل المشكلات المعقدة طويلة الأمد بكفاءة أكبر بكثير. إنها تحول إدارة الذاكرة من مشكلة تخزين سلبية إلى مهارة نشطة ومكتسبة، مما يسمح للنماذج الأصغر بالتفوق على فئتها من حيث القدرة.

ملخص تقني: الذاكرة كفعل (MemAct)

1. بيان المشكلة

تتطلب المهام الوكيلة طويلة الأمد، مثل البحث العميق وهندسة البرمجيات، من النماذج اللغوية الكبيرة (LLMs) الحفاظ على ذاكرة عمل واسعة النطاق. وبينما وسعت النماذج اللغوية ذات السياق الطويل القدرة الاستيعابية، إلا أنها تعاني من تخفيف الانتباه (attention dilution) وسلوكيات "الضياع في المنتصف" (lost-in-the-middle) عندما تتشبع السياقات بالمعلومات غير ذات الصلة.

تندرج الأساليب الحالية لإدارة هذا السياق ضمن فئتين دون أمثلية:

الضغط السلبي (Passive Compression): الأساليب مثل ضغط مستوى الرموز (token-level compression) أو التلخيص الدوري تعمل دون وعي بحالة الاستدلال المحددة للوكيل، مما يخاطر بفقدان التبعيات ذات الدلالات الهامة.
المتحكمات الخارجية (External Controllers): الأنظمة التي تستخدم قواعد استدلالية أو وحدات خارجية لإدارة الذاكرة تفصل بين تنسيق السياق وبين سياسة الاستدلال الأساسية للوكيل. وهذا يمنع التحسين النهائي المتكامل (end-to-end optimization) للاحتفاظ بالمعلومات مقابل أداء المهمة.

التحدي الجوهري المحدد هو تنسيق السياق (Context Curation): الحاجة إلى اختيار المعلومات ودمجها وتقليمها بشكل استراتيجي للحفاظ على مسار استدلال مركز ومرتبط بالهدف. تفشل الطرق الحالية في التعامل مع هذا كقدرة جوهرية وقابلة للتعلم للوكيل.

2. المنهجية: الذاكرة كفعل (MemAct)

يقترح البحث إطار عمل MemAct، الذي يعيد صياغة إدارة السياق كفعل من مجموعة من الأفعال القابلة للتعلم ضمن مساحة سياسة موحدة، بدلاً من كونه آلية خارجية.

2.1 الإطار الأساسي

يدمج MemAct تنسيق السياق مباشرة في مساحة أفعال الوكيل ( $\mathcal{A} = \mathcal{A}_{task} \cup \mathcal{A}_{mem}$ ).

السياسة الموحدة: تقرر سياسة واحدة $\pi_\theta$ كلاً من أفعال المهمة (مثل البحث، استخدام الأدوات) وأفعال الذاكرة.
مشغل التقليم والكتابة (Prune&Write Operator): فعل الذاكرة الأساسي هو عملية تحرير في الموقع. عند تفعيله، يقوم الوكيل بـ:
1. التقليم (Prunes): إزالة جولات محددة من التفاعلات التاريخية باستخدام معرفات فريدة.
2. الكتابة (Writes): توليف ملاحظة ذاكرة جديدة (تحتوي على ملخصات، حقائق، أو تخطيط) وإلحاقها بالسياق.
تمثيل الحالة: يتم نمذجة ذاكرة العمل كسلسلة من سجلات التفاعل القابلة للعنونة بشكل فريد $H_t = [z_1, z_2, \dots, z_k]$ ، حيث يتضمن كل سجل إجراءً، وملاحظة، ومعرفاً فريداً.

2.2 تحدي التدريب: تحديثات السياق الديناميكية

أحد العوائق الكبيرة في تدريب MemAct هو عدم التطابق بين التدريب والاستنتاج (train-inference mismatch). تفترض النماذج اللغوية السببية نمواً رتيباً للسياق. وعندما يقوم MemAct بحذف المحتوى، تصبح التبعيات السببية المشفرة في ذاكرة المفتاح والقيمة (KV cache) للرموز اللاحقة غير صالحة (المعلومات "المحذوفة" لا تزال تؤثر مادياً على الحالات الخفية للرموز التي سبقت الحذف). قناع الانتباه البسيط غير كافٍ لأنه لا يقطع هذه التبعيات السببية.

2.3 الحل: تحسين سياسة السياق الديناميكي (DCPO)

لتمكين التعلم المعزز (RL) الفعال مع تحديثات السياق الديناميكية، قدم المؤلفون DCPO.

تجزئة المسار (Trajectory Segmentation): يقوم DCPO بتقسيم مسار تفاعل الوكيل منطقياً عند كل نقطة تحرير للذاكرة.
الشرائح المستقلة: يتم إعادة تنظيم المسار إلى $K+1$ من الشرائح المستقلة $\{\sigma_i\}$ . داخل كل شريحة، يكون سوابق السياق (context prefix) ثابتاً، مما يستعيد البنية السببية التلقائية القياسية المطلوبة لحساب التدرج المستقر.
التحسين: يتم تحسين السياسة باستخدام مخطط تطبيع نسبي للمجموعة (مشابه لـ GRPO) عبر هذه الشرائح المعاد بناؤها والمتسقة منطقياً، مما يضمن حساب التدرجات مقابل تاريخ السياق الصحيح.

3. المساهمات الرئيسية

تحول في النموذج المعرفي: يقترح الذاكرة كفعل (Memory-as-Action)، محولاً إدارة ذاكرة العمل من قواعد استدلالية خارجية إلى قدرة سياسة جوهرية وقابلة للتعلم. يسمح هذا للوكلاء بتنسيق السياق وتنفيذ المهام ذاتياً.
الابتكار التقني:
- صياغة ذاكرة العمل كعملية اتخاذ قرار ماركوف (MDP) مع تسلسلات قابلة للعنونة بناءً على المعرفات ومشغل التقليم والكتابة (Prune&Write) للتحرير الدقيق.
- تطوير DCPO، وهو خوارزمية تجزئة المسار التي توفق بين تحديثات السياق الديناميكية والتعلم المعزز الفعال على البنية التحتية القياسية دون تعديلات مخصصة.
التحقق التجريبي: يثبت أن استراتيجيات الذاكرة المتعلمة فعالة، وتكيفية، وقابلة للتعميم.

4. النتائج التجريبية

قيم المؤلفون MemAct على مجموعات بيانات الأسئلة متعددة الأهداف الاصطناعية (المبنية على HotpotQA) والمؤشرات العامة (2WikiMultihopQA, Bamboogle, Frames, BrowseComp-Plus).

الأداء مقابل الكفاءة:
- حقق MemAct-RL-14B (بـ 14 مليار معلمة) دقة بنسبة 59.1% في المهام متعددة الأهداف، متفوقاً على Qwen3-235B (بـ 235 مليار معلمة، 53.1%) وعلى النموذج المتخصص Tongyi-DeepResearch (56.0%).
- رغم صغر حجمه، قلل MemAct-RL-14B متوسط طول السياق لكل خطوة بنسبة 51% مقارنة بـ Qwen3-235B (3,500 رمز مقابل ~7,000 رمز) وقلل إجمالي استهلاك الرموز بنسبة 51%.
- طابق دقة نماذج أكبر منه بـ 16 ضعفاً مع العمل بتكلفة حوسبة أقل بكثير.
التعميم:
- تم تدريب النموذج على مهام تحتوي على 3 أهداف كحد أقصى، لكنه نجح في التعميم على مهام تحتوي على 8 أهداف، محافظاً على دقة عالية حيث عانت النماذج المرجعية من تشبع الأداء.
- أظهر متانة عبر أحجام نماذج مختلفة (7B و 14B) وبيئات أدوات جديدة (BrowseComp-Plus).
الاستراتيجيات المتعلمة:
- نماذج 7B: تعلمت القيام بعمليات تقليم متكررة وعدوانية (إزالة حوالي 7 سجلات لكل فعل) لتعويض سعة السياق المحدودة.
  compression.
- نماذج 14B: طورت استراتيجية ثنائية النمط: تقليم دقيق (~~سجلين) أثناء الاستدلال لإزالة الضجيج، وتقليم خشن (~~6 سجلات) بعد إكمال الأهداف الفرعية لتنظيف الخطوات الوسيطة.
زمن الاستجابة (Latency): قلل MemAct إجمالي مدة الاستنتاج بنسبة 40% مقارنم بـ Search-R1 (نموذج مرجعي للتعلم المعزز بدون أفعال الذاكرة) بسبب تقليل أوقات الـ pre-fill وارتفاع معدلات إصابة ذاكرة التخزين المؤقت للبادئة (prefix cache hit rates).

5. الأهمية والادعاءات

يزعم البحث أن تنسيق السياق الذاتي يمكن استدخاله كمهارة قابلة للتعلم، مما يعمل كحجر بناء أساسي وقابل للتوسع للبناء المعماري للوكلاء.

القدرة الجوهرية: تشير النتائج إلى أن الوكلاء لا يحتاجون إلى مديري ذاكرة خارجيين؛ بل يمكنهم تعلم "تحرير" ذاكرة العمل الخاصة بهم للحفاظ على التركيز الاستدلالي.
القابلية للتوسع: يسمح إطار العمل للنماذج الأصغر بمنافسة النماذج الأكبر بكثير من خلال تحسين كثافة المعلومات بدلاً من مجرد السعة الخام.
التكيفية: يكتشف النظام تلقائياً استراتيجيات مصممة خصيصاً للسعة المحددة للنموذج الأساسي، حيث يعدل شدة فعل الذاكرة بناءً على تعقيد المهمة.

يقر المؤلفون بوجود قيود، مشيرين إلى أن النهج يعتمد على المكافآت المتفرقة (sparse rewards) مما قد يجعل تخصيص الائتمان (credit assignment) صعباً، وأن الطبيعة الفاقدة للمعلومات (lossy) في الضغط تعني عدم إمكانية استعادة البيانات الأصلية بمجرد تلخيصها. ومع ذلك، يرى المؤلفون أن هذا النهج يوفر واجهة مبدئية عند طبقة القرار، وهي مكملة للبنى التحتية على مستوى النظام.