AgentCPM-Report: Interleaving Drafting and Deepening for Open-Ended Deep Research
يُعد AgentCPM-Report نظام بحث عميق محلي وخفيف الوزن يستفيد من سياسة "الكتابة كاستدلال" التي تحاكي البشر للتبادل الديناميكي بين الصياغة والتعمق، مما يمكّن النماذج الصغيرة ذات الـ 8 مليارات معلمة من التفوق على الأنظمة الرائدة مغلقة المصدر في إنشاء تقارير ثاقبة.
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 بحث AgentCPM-Report، مترجم إلى لغة يومية باستخدام التشبيهات.
المشكلة الكبرى: فخ "المخطط الجامد"
تخẫل أنك طُلب منك كتابة مقال موسوعي ضخم مكون من 50 صفحة حول موضوع لا تعرف عنه الكثير، مثل "مستقبل الذكاء الاصطناعي".
تعمل معظم أنظمة الذكاء الاصطنا الحالي كـ مهندس معماري جامد. قبل أن يكتبوا كلمة واحدة، يحاولون رسم مخطط تفصيلي مثالي للمبنى بأكمله. يقررون بالضبط كيف سيبدو كل غرفة قبل حتى أن يضعوا أول لبنة.
- العيب: إذا ارتكب المهندس خطأً في المخطط (وهو أمر يصعب القيام به بدقة دون معرفة كل شيء)، فإن المبنى بأكمله يكون محكوماً عليه بالفشل. لا يمكنهم تغيير الخطة بسهولة بمجرد بدء عملية البناء.
- النتيجة: لكي تصنع مخططاً جيداً، فأنت بحاجة إلى مهندس عبقري (ذكاء اصطناعي ضخم، باهظ الثمن، ومغلق المصدر). إذا استخدمت ذكاءً اصطناعياً أصغر وأرخص، فسيكون المخطط عادةً سيئاً، وسيكون التقرير النهائي سطحياً ومملاً.
الحل: نهج "النحات"
ابتكر مؤلفو هذه الورقة نظاماً جديداً يسمى AgentCPM-Report. بدلاً من التعامل مع الذكاء الاصطناعي كمهندس معماري، يعاملونه كـ نحات.
النحات لا يخطط لكل منحنى في التمثال مسبقاً. يبدأ بكتلة صخرية خشنة (مخطط بسيط)، ينحت بعض الأجزاء، ينظر إلى الشكل، ثم يدرك: "أوه، لم أفكر في هذا التفصيل؛ أحتاج للتعمق هنا". إنه يغير الخطة أثناء عمله.
يسمى هذا WARP (الكتابة كسياسة للتفكير). وهذا يعني أن فعل الكتابة هو فعل التفكير. يكتب الذكاء الاصطناعي قسماً ما، ثم يدرك أنه سطحي للغاية، فيتوقف، ويذهب للبحث عن مزيد من المعلومات، ويحدث المخطط، ثم يكتب مرة أخرى.
كيف يعمل: الرقصة الثنائية
يتنقل الذكاء الاصطناعي بين نمطين، مثل الراقص الذي ينتقل بين الخطوات:
- التدقيق القائم على الأدلة (الكاتب/الناسخ): يختار الذكاء الاصطناعي قسماً من المخطط، ويبحث في الإنترنت عن الحقائق، ويكتب فقرة. الأمر يشبه ناسخاً ينقل ما وجده.
- التعمق المدفوع بالاستنتاج (المحقق): بعد الكتابة، يتراجع الذكاء الاصطناعي ويسأل نفسه: "هل هذا جيد بما يكفي؟ هل فاتني شيء ما؟"
- إذا كانت الإجابة "لا"، فإنه يعمل كمحقق. يجد فجوة في القصة، ويقسم ذلك القسم إلى أسئلة أصغر وأكثر تحديداً، ويحدث المخطط.
- إذا كانت الإجابة "نعم"، ينتقل إلى الخطوة التالية.
تسمح هذه الحلقة للذكاء الاصطناعي باكتشاف أفكار جديدة أثناء عملية الكتابة، بدلاً من أن يظل عالقاً في خطة سيئة من البداية.
التدريب: تعليم كلب صغير كيف يصطاد
تستخدم الورقة نموذج ذكاء اصطناعي صغيراً نسبياً (8 مليارات بارامتر فقط، وهو يعتبر "صغيراً" في عالم الذكاء الاصطناعي). عادةً ما تكون النماذج الصغيرة سيئة في التخطيط المعقد. ولحل هذه المشكلة، استخدم الفريق استراتيجية تدريب متعددة المراحل:
- البداية الباردة (الأساسيات): علموا الذكاء الاصطناي الحروف الأبجدية. تعلم كيفية البحث، وكيفية كتابة جملة، وكيفية اتباع القواعد الأساسية.
- تدريبات المهارات الذرية (التمارين): مارسوا حركات محددة. علموا الذكاء الاصطناعي كيفية كتابة فقرة جيدة أو كيفية طرح سؤال بحث جيد، وكافأوه على إتقان تلك المهام الصغيرة.
- تعزيز المسار الشامل (الماراثون): أخيراً، تركوا الذكاء الاصطناعي يركض السباق كاملاً. لم يكتفوا بالتحقق مما إذا كانت الجمل جيدة فحسب، بل تحققوا مما إذا كان التقرير بأكمله يتسم بالعمق والرؤية.
- الحيلة الحاسمة: استخدموا طريقة "تقليم المسار" (Trajectory Pruning). تخيل معلماً يكتب قصة طويلة لكنه يتوقف في أوقات عشوائية. نظر الذكاء الاصطناعي إلى جميع المسودات التي صنعها المعلم، واختار الأفضل منها، وقال: "توقف هنا!". هذا علم الذكاء الاصطناعي الصغير متى يتوقف تماماً عن البحث عن مزيد من المعلومات حتى لا يضيع وقته.
النتائج: نموذج صغير، عقل كبير
اختبرت الورقة هذا النظام مقابل أكبر وأغلى أنظمة الذكاء الاصطناعي من شركات مثل Google وOpenAI وAnthropic.
- المفاجأة: تفوق الذكاء الاصطناعي المحلي الصغير (AgentCPM-Report) على الأنظمة الضخمة والمغلقة المصدر في إنشاء تقارير ذات رؤية وعمق (Insightful).
- لماذا؟ لأن نهج "النحات" (WARP) سمح للذكاء الاصطنا_الصغير بالتفكير بسرعة وتعديل مساره. لم يكن بحاجة إلى عقل ضخم لرسم مخطط مثالي؛ بل احتاج فقط إلى أن يكون جيداً في تعديل خطته أثناء العمل.
لماذا يهم هذا (وفقاً للورقة)
- الخصوصية: بما أن هذا النظام صغير بما يكفي ليعمل على جهاز الكمبيوتر الخاص بك (أو خادم محلي)، فلا يتعين عليك رفع بياناتك الخاصة إلى سحابة شركة كبرى للحصول على تقرير بحثي عميق.
- التكلفة: لا تحتاج إلى دفع مبالغ طائلة لنماذج الذكاء الاصطناعي الضخمة والمكلفة للحصول على أبحاث عالية الجودة.
- الجودة: التقارير أكثر عمقاً وذكاءً لأن الذكاء الاصطناعي يُسمح له بتغيير رأيه أثناء العمل، تماماً كما يفعل الباحث البشري.
باختصار: تُظهر الورقة أنك لا تحتاج إلى عقل عملاق للقيام ببحث عميق؛ بل تحتاج فقط إلى طريقة عمل ذكية (WARP) تسمح للذكاء الاصطناعي بالتعلم والتكيف أثناء الكتابة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.