🤖 AI

WideSeek-R1: Exploring Width Scaling for Broad Information Seeking via Multi-Agent Reinforcement Learning

تقدم هذه الورقة WideSeek-R1، وهو إطار عمل للتعلم التعزيزي متعدد الوكلاء يوظف بنية "الوكيل القائد-الوكيل التابع" لتحقيق أداء واسع في البحث عن المعلومات يضاهي النماذج الضخمة ذات الوكيل الواحد من خلال الاستفادة من توسيع العرض والتنفيذ المتوازي.

المؤلفون الأصليون: Zelai Xu, Zhexuan Xu, Ruize Zhang, Chunyang Zhu, Shi Yu, Weilin Liu, Quanlu Zhang, Wenbo Ding, Chao Yu, Yu Wang

نُشر 2026-03-13

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Zelai Xu, Zhexuan Xu, Ruize Zhang, Chunyang Zhu, Shi Yu, Weilin Liu, Quanlu Zhang, Wenbo Ding, Chao Yu, Yu Wang

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

إليك شرح لورقة WIDESEEK-R1 البحثية، مترجمة بلغة بسيطة مع استخدام تشبيهات إبداعية.

الفكرة الكبرى: من "العبقري الخارق" إلى "الفريق الخارق"

تخيل أنك بحاجة لتنظيم مؤتمر دولي ضخم. لديك طريقتان للقيء بذلك:

نهج "العمق" (الطريقة القديمة): تقوم بتعيين عبقري خارق واحد. هذا الشخص ذكي للغاية، يعرف كل شيء، ويعمل بمفرده. يقضي أياماً في قراءة آلاف الوثائق، وإعداد القوائم، والاتصال بالناس واحداً تلو الآخر. في النهاية، ينهي المهمة. هذه هي الطريقة التي تعمل بها نماذج الذكاء الاصطناعي الحالية (مثل DeepSeek-R1)؛ فهي تصبح أذكى من خلال أن تصبح أكبر وتفكر لفترة أطول في مسار فكري واحد.
نهج "العرض" (الطريقة الجديدة): تقوم بتعيين مدير مشروع وفريق من 20 متخصصاً. يقوم المدير بتقسيم المهمة الكبيرة إلى أجزاء صغيرة (مثلاً: "ابحث عن قاعات في طوكيو"، "ابحث عن قاعات في باريس"). يعمل الـ 20 متخصصاً جميعهم في وقت واحد، يجمعون المعلومات بشكل متوازٍ. ثم يقوم المدير بدمج القطع معاً.

WIDESEEK-R1 هي الورقة التي تقول: "توقفوا عن محاولة جعل العبقري الخارق أكثر ذكاءً. بدلاً من ذلك، ابنوا مدير فريق أفضل ودربوا الفريق بأكمله على العمل معاً بشكل مثالي."

المشكلة: فوضى "تلوث السياق" (Context Pollution)

لماذا لا نستخدم العبقري الخارق لكل شيء؟

تخيل أن العبقري الخارق يحاول البحث عن 50 جامعة مختلفة.

الدورة 1: قرأ عن جامعة هارفارد.
الدورة 2: قرأ عن جامعة ييل.
الدورة 3: قرأ عن جامعة برينستون.

بحلول الدورة 50، يغرق العبقري الخارق في بحر من المعلومات. ينسى ما قرأه في الدورة 2 لأن "الذاكرة" (نافذة السياق) أصبحت ممتلئة جداً. هذا ما يسمى بـ "تلوث السياق". كما أنه يضطر للقيام بذلك واحداً تلو الآخر، مما يجعله بطيئاً.

الحل: WIDESEEK-R1

بنى المؤلفون نظاماً يسمى WIDESEEK-R1 لحل هذه المشكلة. إليك كيف يعمل، باستخدام تشبيهنا:

1. الهيكل: المايسترو والأوركسترا

الوكيل القائد (المايسترو): هذا هو "المدير". وظيفته الوحيدة هي الاستماع إلى السؤال الكبير، وتقسيمه إلى مهام صغيرة مستقلة، وتوزيعها. هو لا يقوم بالبحث بنفسه؛ بل يدير حركة المرور فقط.
الوكلاء الفرعيون (العازفون): هؤلاء هم العمال. يتلقون مهمة صغيرة (مثلاً: "أوجد سنة تأسيس جامعة ييل"). يعملون بشكل متوازٍ (كلهم في وقت واحد)، لذا لا يختلط عليهم الأمر بسبب عمل بعضهم البعض. لديهم مساحة عمل "نظيفة" خاصة بهم.

2. السر الخفي: التعلم المعزز متعدد الوكلاء (MARL)

قد تعتقد: "حسناً، فقط أعطهم قائمة مهام". لكن الورقة تقول إن هذا لا يعمل جيداً. إذا أخبرتهم فقط بما يجب فعله، فقد يتجادلون أو يصبحون كسالى.

بدلاً من ذلك، استخدم المؤلفون التعلم المعزز (مثل تدريب كلب أو شخصية في لعبة فيديو).

أنشأوا ساحة تدريب ضخمة تضم 20,000 مهمة بحث معقدة.
تركوا "المايسترو" و"العازفين" يحاولون حل هذه المهام.
المكافأة: إذا كان جدول المعلومات النهائي مثالياً، يحصل الفريق بأكمله على مكافأة (مكافأة). إذا قدم المايسترو تعليمات سيئة أو تكاسل العازفون، فلن يحصلوا على أي مكافأة.
النتيجة: بمرور الوقت، تعلم "المايسترو" بالضبط كيف يقسم العمل، وتعلم "العازفون" بالضبط كيف يؤدون دورهم بكفاءة. لقد تعلموا كيف يتناغمون (يعملون معاً بشكل أفضل مما لو عمل كل منهم بمفرده).

النتائج المذهلة

اختبرت الورقة هذا النظام على معيار يسمى WideSearch (البحث عن معلومات واسعة حول أشياء كثيرة في وقت واحد).

الفوز للمستضعف: استخدموا نموذجاً صغيراً (4 مليارات معلمة/Parameter) لفريقهم.
الخسارة للعملاق: قارنوه بنموذج ضخم يعمل بوكيل واحد (DeepSeek-R1 الذي يحتوي على 671 مليار معلمة).
النتيجة: الفريق الصغير (WIDESEK-R1-4B) قدم أداءً يساوي تماماً أداء العملاق الضخم!

لماذا يعد هذا أمراً هاماً؟
هذا يعني أنك لست بحاجة إلى كمبيوتر ضخم ومكلف جداً للقيام بأبحاث معقدة. يمكنك استخدام نموذج صغير ورخيص إذا قمت بتنظيمه في فريق متوازٍ وذكي.

درس "التوسع": العمق مقابل العرض

ترسم الورقة خطاً رائعاً بين طريقتين للتحسن:

توسيع العمق (السلم): تستمر في تسلق السلم (إضافة المزيد من دورات التفكير). ولكن في النهاية، ستصطدم بالسقف. العبقري الخارق يتعب، أو يرتبك، أو يعلق.
توسيع العرض (الشبكة): ترمي شبكة أوسع. تضيف المزيد من الأشخاص إلى الفريق. وطالما أن المايسترو ذكي بما يكفي لإدارتهم، فكلما أضفت أشخاصاً أكثر، تحسنت النتائج.

ملخص في جملة واحدة

يثبت WIDESEEK-R1 أنه بدلاً من بناء عقل واحد ضخم ومجهد للذكاء الاصطناعي، يجب علينا بناء فريق ذكاء اصطناعي صغير ومدرب جيداً يعمل بالتوازي، مما يسمح للنماذج الصغيرة بحل مشكلات ضخمة بنفس كفاءة النماذج العملاقة.

إليك ملخص تقني مفصل لورقة البحث "WIDESEEK-R1: استكشاف توسيع العرض للبحث الواسع عن المعلومات عبر التعلم المعزز متعدد الوكلاء".

1. بيان المشكلة

تتناول الورقة القيود التي تواجه استراتيجيات توسيع نماذج اللغات الكبيرة (LLM) الحالية، والتي تركز بشكل أساس ידי توسيع العمق (زيادة معاملات النموذج أو إطالة سلاسل الاستدلال عبر التفاعلات متعددة الأدوار لوكيل واحد). وبينما تعد هذه الاستراتيجية فعالة للمهام العميقة والمعقدة، إلا أنها تصطدم بحائط مسدود عندما تتطلب المهام بحثاً واسعاً عن المعلومات — أي جمع وتوليف سمات كيانات متعددة في تنسيقات مهيكلة (مثل الجداول).

تشمل التحديات الرئيسية في البحث الواسع عن المعلومات للوكلاء المنفردين ما يلي:

تلوث السياق (Context Pollution): مع معالجة الوكيل المنفرد لمهام فرعية متعددة بالتتابع، تتراكم المعلومات غير ذات الصلة في نافذة السياق، مما يؤدي إلى تدهور الأداء.
عدم كفاءة التسلسل (Sequential Inefficiency): إن معالجة المهام الفرعية المستقلة واحدة تلو الأخرى هي عملية غير فعالة وتفشل في الاستفادة من الموارد الحسابية المتوازية.
عنق زجاجة التنظيم (Organizational Bottleneck): مع اتساع نطاق المهام، ينتقل عنق الزجاجة من كفاءة الوكيل الفردي إلى قدرة النظام على التنسيق والإدارة بين عدة وكلاء.

غالباً ما تعتمد الأنظمة متعددة الوكلاء الحالية على سير عمل مصمم يدوياً أو تفاعلات قائمة على تبادل الأدوار التي تسلسل التنفيذ، مما يفشل في تحقيق التوازي الحقيقي أو تعلم الإدارة القابلة للتوسع بشكل كامل (end-to-end).

2. المنهجية: WIDESEEK-R1

يقترح المؤلفون WIDESEEK-R1، وهو إطار عمل متعدد الوكلاء هرمي يتم تدريبه عبر التعلم المعزز متعدد الوكلاء (MARL) لتحقيق التآزر بين الإدارة القابلة للتوسع والتنفيذ المتوازي.

أ. بنية النظام

يتكون النظام من دورين يتم إنشاؤهما باستخدام نموذج لغوي مشترك (Qwen3-4B) ولكن بسياقات معزولة وأدوات متخصصة:

الوكيل القائد (Lead Agent):
- الدور: تفكيك المهام والإدارة (Orchestration).
- الأدوات: مقتصر على أداة واحدة فقط، call_subagent (استدعاء وكيل فرعي)، لمنع تلوث السياق.
- الوظيفة: يقوم بتفكيك الأهداف الواسعة إلى مهام فرعية مستقلة، ويولد مطالبات (prompts) واضحة للوكلاء الفرعيين، وينتظر اكتمال جميع الوكلاء الفرعيين المتوازيين قبل الانتقال إلى الدور التالي.
الوكلاء الفرعيون (Subagents):
- الدور: البحث المتوازي عن المعلومات.
- الأدوات: مجهز بـ search (استرجاع مقتطفات/روابط URL) و access (تلخيص روابط URL محددة).
- الو وظيفة: تنفيذ المهام الفرعية المسندة إليها بالتوازي ضمن سياقات معزولة، وجمع وتوليف المعلومات لإعادة النتائج إلى الوكيل القائد.

ب. التدريب عبر MARL

يتم تدريب الإطار بالكامل باستخدام خوارزمية تحسين السياسة النسبي للمجموعات (GRPO) المعدلة. وتشمل الابتكارات الرئيسية ما يلي:

تخصيص ميزة تعدد الوكلاء (Multi-Agent Advantage Assignment): بدلاً من التخصيص المعقد للمسؤولية (credit assignment)، يقوم النظام بتعيين ميزة معيرة للمجموعة ( $\hat{A}_i$ ) لجميع الوكلاء والرموز (tokens) ضمن عملية تشغيل (rollout) واحدة. تعتمد المكافأة على اتساق الإجابة النهائية مع الحقيقة الأرضية (ground truth). وهذا يضمن التحسين المشترك دون حدوث "اختطاف للمكافأة" (reward hacking).
إعادة وزن الميزة على مستويين (Dual-Level Advantage Reweighting):
- على مستوى الرمز (Token-level): حساب متوسط الميزات عبر جميع الرموز التي أنتجها الوكيل عبر الأدوار لمنع تخفيف تأثير الأدوار القصيرة.
- على مستوى الوكيل (Agent-level): حساب متوسط الميزات عبر جميع الوكلاء في عملية التشغيل. هذا يمنع النظام من إنشاء وكلاء فرعيين مفرطين لا يحسنون المكافأة النهائية، مما يضمن أن إضافة الوكلاء لا تحدث إلا إذا كانت مفيدة للنتيجة.

ج. بناء البيانات

لتدريب النظام، قام المؤلفون ببناء مجموعة بيانات للبحث الواسع عن المعلومات مكونة من 20 ألف عينة باستخدام خط إنتاج آلي:

توليد الاستعلامات: استخراج المقاصد من HybridQA وصقلها إلى استعلامات معقدة ومقيدة بالمخطط (schema-constrained) تتطلب مخرجات جدولية (10-50 صفاً).
توليد الإجابات: استخدام نموذج عالي القدرة (Gemini-3-pro-preview) لتوليد إجابتين مستقلتين وتحديد "الأعمدة الفريدة" لضمان محاذاة قوية للصفوف.
التصفية: تطبيق فحوصات اتساق صارمة (معدل مطابقة الخلايا > 0.9) وفلاتر التعقيد لضمان بيانات تدريب عالية الجودة وصعبة.

3. المساهمات الرئيسية

إطار عمل WIDESEEK-R1: نظام مبتكر يتكون من وكيل قائد ووكلاء فرعيين، يتم تدريبه عبر MARL، ويجمع بفعالية بين الإدارة القابلة للتوسع والتنفيذ المتوازي، متجاوزاً بذلك سير العمل المصمم يدوياً.
مجموعة بيانات جديدة: إصدار مجموعة بيانات ضخمة مكونة من 20 ألف عينة لمهام البحث الواسع عن المعلومات، مما يسد الفجوة في الموارد الحالية التي تركز غالباً على توسيع العمق (الأسئلة متعددة الخطوات).
إثبات توسيع العرض (Width Scaling): تقديم أدلة تجريبية على أن توسيع العرض (إضافة وكلاء متوازيين) يحقق مكاسب أداء مستمرة، بينما يصل توسيع العمق (إضافة الأدوار) سريعاً إلى مرحلة الثبات.

4. النتائج التجريبية

تم تقييم النموذج على معيار WideSearch ومجموعات بيانات الأسئلة والأجوبة القياسية.

الأداء على WideSearch:
- حقق WIDESEEK-R1-4B درجة F1 للعناصر بلغت 40.0%.
- هذا الأداء يضاهي نموذج DeepSeek-R1-671B أحادي الوكيل (41.3%)، رغم استخدامه معاملات أقل بنحو 170 مرة.
- تفوق بشكل كبير على النماذج المرجعية الأخرى من فئة 4B و 8B (مثل Qwen3-4B، و Search-R1-7B، و AgentFlow-7B).
سلوك توسيع العرض:
- مع زيادة عدد الوكلاء الفرعيين المتوازيين (حتى 10)، أظهر WIDESEEK-R1-4B مكاسب أداء مستمرة.
- في المقابل، شهد النموذج الأساسي (Qwen3-4B) انخفاضاً في الأداء بعد عدد معين من الوكلاء الفرعيين بسبب تراكم الضجيج ونقص التدريب على الإدارة.
التعميم:
- في معايير الأسئلة والأجوبة أحادية ومتعددة الخطوات (مثل NQ، HotpotQA، إلخ)، تفوق WIDESEEK-R1-4B على الأنظمة متعددة الوكلاء الأكبر حجماً (OWL-8B، MiroFlow-8B) وعلى نسخته أحادية الوكيل، مما يثبت أن توسيع العرض لا يضر بقدرات الاستدلال العامة.

5. الأهمية والأثر

تحول في النموذج الفكري: تتحدى الورقة السرد السائد بأن "الأكبر هو الأفضل" (توسيع العمق)، وتثبت أن القدرة التنظيمية (توسيع العرض) عبر تعاون الوكلاء المتعددين يمكن أن تضاهي النماذج الضخمة بعدد معاملات أقل بكثير.
الكفاءة والديمقراطية: من خلال تحقيق نتائج رائدة باستخدام نموذج 4B، يخفض هذا النهج الحاجز الحسابي أمام مهام الاستدلال المتقدمة، مما يجعل الأنظمة الوكيلية عالية الأداء متاحة للمؤسسات ذات الموارد الحسابية المحدودة.
الاتجاهات المستقبلية: تسلط الورقة الضوء على إمكانات MARL في تدريب المنظمات الوكيلية القابلة للتوسع، وتقترح أن الأبحاث المستقبلية يجب أن تركز على البنى المتوازية الفعالة بدلاً من مجرد زيادة حجم النموذج.

باختصار، يثبت WIDESEEK-R1 أنه بالنسبة لمهام المعلومات الواسعة والمعقدة، فإن سرباً من الوكلاء الصغيين المتوازيين والمنظمين جيداً والمُدربين عبر التعلم المعزز يمكن أن يتفوق على أو يضاهي الوكلاء المنفردين الضخمين، مما يوفر مساراً جديداً وفعالاً لتوسيع قدرات النماذج اللغوية الكبيرة.