Agent-Omit: Adaptive Context Omission for Efficient LLM Agents

إليك شرح لورقة بحث "Agent-Omit: التجاوز التكيفي للسياق من أجل وكلاء نماذج اللغة الكبيرة الأكثر كفاءة" باستخدام لغة بسيطة وتشبيهات إبداعية.

المشكلة: الوكيل "المفرط في الشرح"

تخيل أنك استأجرت مساعد باحث ذكيًا جدًا، ولكنه مهووس قليلًا، للبحث عن حقيقة محددة لك على الإنترنت.

• الخبر الجيد: إنه عبقري، وقد وجد الإجابة.
• الخبر السيئ: للوصول إلى هناك، يكتب مذكرات من 50 صفحة لكل خطوة واحدة يتخذها. يكتب: "أنا أفكر في النقر على الزر الأزرق"، ثم ينقر عليه. ثم يكتب: "أنا أقرأ النص الموجود على الشاشة"، ثم يقرأه. حتى عندما ينقر فقط على زر كان واضحًا من الخطوة السابقة، فإنه يكتب فقرة كاملة عنه.

هذا بالضبط ما تفعله وكلاء الذكاء الاصطناعي الحالية. إنهم ينتجون الكثير من "الأفكار" (الاستنتاج) و"الملاحظات" (قراءة نتائج أفعالهم). وبينما يساعد هذا في حل المشكلات الصعبة، إلا أنه يخلق كمًا هائلاً من "الفوضى الرقمية". هذه الفوضى:

1. تتكلف الكثير من المال (لأن شركات الذكاء الاصطناعي تتقاضى رسومًا بناءً على عدد الكلمات/الرموز "tokens").
2. تبطئ كل شيء.
3. تُربك الذكاء الاصطناعي لأن تاريخ المحادثة يصبح طويلًا جدًا لدرجة تجعله ينسى البداية.

الرؤية: ليست كل الأفكار متساوية في الأهمية

سأل الباحثون وراء هذه الورقة سؤالًا بسيطًا: "هل نحتاج حقًا لقراءة كل صفحة من تلك المذكرات المكونة من 50 صفحة؟"

قاموا بتحليل رحلة الذكاء الاصطناعي ووجدوا أن أهمية هذه الأفكار والملاحظات تتغير اعتمادًا على متى تحدث:

• البداية: يحتاج الذكاء الاصطناعي للتفكير بعمق لتخطيط مساره. (قيمة عالية).
• المنتصف: يقوم الذكاء الاصطناعي بمجرد النقر على الأزرار أو قراءة نتائج بحث بسيطة. غالبًا، لا يحتاج لكتابة مذكرات عن هذا؛ يمكنه فقط تنفيذ الفعل. (قيمة منخفضة).
• النهاية: يحتاج الذكاء الاصطناعي لتلخيص النتائج. هو بحاجة للنتائج النهائية، لكنه ليس بحاجة لإعادة قراءة نتائج البحث من قبل ثلاث ساعات. (قيمة منخفضة للبيانات القديمة).

التشبيه: تخيل أنك تتبع وصفة طعام. تحتاج لقراءة التعليمات بعناية في البداية (التخطيط). ولكن عندما تقوم فقط بتحريك القدر للمرة العاشرة، فأنت لست بحاجة لكتابة رواية عن كيفية تحريكك لها. أنت فقط تحرك. إذا استمررت في الكتابة عن التحريك، فسينفد منك الورق قبل أن تنتهي من الطبخ.

الحل: Agent-Omit

بنى الفريق إطار تدريب جديدًا يسمى Agent-Omit. فكر في هذا كتعليم الذكاء الاصطناعي "قدرة خارقة" جديدة: فن معرفة ما يجب تجاوزه.

بدلاً من إجبار الذكاء الاصطناعي على كتابة كل شيء، يعلمه Agent-Omit أن يقول: "أنا أعرف ما أفعله، لا داعي لكتابة هذا"، أو "لا داعي لإعادة قراءة تلك الملحوظة القديمة".

لقد فعلوا ذلك في خطوتين:

الخطوة 1: "البداية الباردة" (تعليم الأساسيات)

أولاً، أنشأوا مجموعة خاصة من مسائل التدريب. أظهروا للذكاء الاصطناعي يدويًا أمثلة على:

• "هنا وقت كنت فيه تبالغ في التفكير. في المرة القادمة، فقط تجاوز الفكرة."
• "هنا وقت قرأت فيه ملاحظة قديمة لم تساعدك. في المرة القادمة، تجاوز القراءة."

علموا الذكاء الاصطناعي "إشارات اليد" الخاصة به (أكواد خاصة) لاستخدامها عندما يريد تجاوز خطوة ما. الأمر يشبه تعليم طالب أن قول "أنا أعرف الإجابة" هو رد صالح أحيانًا، وليس من الضروري أن يوضح خطوات الحل لكل مسألة رياضية.

الخطوة 2: "نظام المكافأة" (التعلم التعزيزي)

بعد ذلك، تركوا الذكاء الاصطناعي يلعب ألعابًا (مثل التنقل في موقع إلكتروني أو حل لغز علمي) وأعطوه نظام مكافأة خاصًا:

• مكافأة على الوصول للإجابة الصحيحة.
• مكافأة إضافية على استخدام كلمات أقل.

إذا حاول الذكاء الاصطناعي أن يكون كسولًا وتجاوز خطوة ضرورية، فإنه يحصل على درجة سيئة. ولكن إذا حدد بشكل صحيح خطوة زائدة وتجاوزها، موفرًا المال والوقت، فإنه يحصل على مكافأة ضخمة. بمرور الوقت، تعلم الذكاء الاصطناعي كيف يكون "مختصرًا ذكيًا" — يقوم بالعمل ولكنه يكتب أقل عن ذلك.

النتائج: وكيل "الاعتدال المثالي" (Goldilocks)

اختبر الباحثون هذا الذكاء الاصطناعي الجديد (المسمى Agent-Omit) مقابل سبعة وكلاء ذكاء اصطناعي آخرين من الطراز الرفيع.

• الأداء: حل المشكلات بنفس جودة العمالقة "الأذكياء جدًا" (مثل DeepSeek-R1 أو o3).
• الكفاءة: استخدم عددًا أقل بكثير من الكلمات (الرموز/tokens) للوصول إلى هناك.
• المقايضة: وجد التوازن المثالي. لم يكن كسولًا لدرجة الفشل، ولم يكن ثرثارًا لدرجة إضاعة المال.

التشبيه: تخيل سائقين يحاولان الوصول إلى نفس الوجهة.

• السائق أ (الذكاء الاصطناعي القديم): يقود طوال الطريق وهو يسرد كل منعطف، وكل إشارة مرور، وكل سحابة يراها. يصل إلى وجهته، لكنه يحرق الكثير من الوقود ويستغرق وقتًا طويلاً.
• السائق ب (Agent-Omit): يقود طوال الطريق، لكنه يتحدث فقط عندما يحتاج لاتخاذ قرار معقد أو فحص الخريطة. يصل إلى وجهته بنفس السرعة تقريبًا، لكنه يستخدم وقودًا أقل بكثير.

لماذا هذا مهم (وفقًا للورقة البحثية)

تدعي الورقة أنه من خلال تعليم الذكاء الاصطناعي "تجاوز" (skip) السياق غير الضروري، يمكننا جعل هؤلاء الوكلاء:

1. أرخص في التشغيل.
2. أسرع.
3. بنفس مستوى الذكاء.

لقد أثبتوا رياضيًا أن هذا التجاوز لا يضر قدرة الذكاء الاصطناعي على التفكير بشكل صحيح، طالما أنه يتجاوز الأشياء الصحيحة. وأظهروا أن الذكاء الاصطناعي تعلم بشكل طبيعي تجاوز حوالي 3 إلى 4 جولات من الثرثرة غير الضرورية في منتصف المهمة، وهو بالضبط المكان الذي تحدث فيه الأجزاء "المملة" من العمل عادةً.

باختصار، Agent-Omit هو طريقة تدريب تعلم وكلاء الذكاء الاصطناعي التوقف عن الإفراط في الشرح، مما يوفر الوقت والمال دون فقدان ذكائهم.