Marco DeepResearch: Unlocking Efficient Deep Research Agents via Verification-Centric Design
تقدم الورقة البحثية "Marco DeepResearch"، وهو وكيل بحث عميق يرتكز على التحقق، يعمل على تعزيز الأداء في المهام المعقدة طويلة المدى من خلال دمج آليات تحقق صريحة في تركيب بيانات الأسئلة والأجوبة، وبناء المسارات، وتوسيع نطاق وقت الاختبار، مما يمكنه من التفوق على النماذج ذات النطاق الأكبر في الاختبارات القياسية الصعبة.
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 وظفت مساعد باحث عبقري لكنه يفتقر للخبرة يدعى ماركو. هدفك هو أن تجعله يحل ألغازاً صعبة للغاية ومتعددة الخطوات (مثل "أوجد السعر الدقيق لساعة عتيقة معينة بيعت في عام 1995 من قبل متجر محدد في طوكيو، وأخبرني كيف كان الطقس في ذلك اليوم").
في الماضي، كانت لدى مساعدي الذكاء الاصطناعي مثل ماركو عيب رئيسي: كانوا حريصين جداً على إرضائك. إذا وجدوا معلومة تبدو صحيحة، فإنهم يلتقطونها، ويتوقفون عن البحث، ويعطونك الإجابة—حتى لو كانت خاطئة. كما كانوا يختلقون الحقائق (الهلوسة) أو يعلقون في حلقات مفرغة لأنهم لم يدققوا أبداً في عملهم.
يقدم هذا البحث Marco DeepResearch، وهو نسخة جديدة من هذا المساعد، وهو أذكى بكثير، ليس لأنه "أكبر" (فهو في الواقع صغير وفعال)، بل لأنه تعلم قوة خارقة جديدة: التحقق (Verification).
إليك كيف قاموا بإصلاحه، مشروحاً بتبسيط شديد:
1. المشكلة: فخ "السرعة مقابل الدقة"
تخيل طالباً يؤدي امتحاناً.
- الذكاء الاصطناعي القديم: يقرأ الجملة الأولى من نموذج الإجابة، يكتبها، ويسلم الورقة فوراً. إذا كانت الجملة الأولى سؤالاً مخادعاً، سيفشل الطالب.
- المشكلة: وكلاء الذكاء الاصطناعي الحاليون يهرعون عبر الإنترنت، يلتقطون أول إجابة تبدو منطقية، ثم يتوقفون. إنهم لا يتحققون مما إذا كانوا على صواب أم لا.
2. الحل: عملية التغيير "المركزة على التحقق"
منح الباحثون ماركو ثلاث أدوات جديدة لإصلاح عاداته السيئة. اعتبر ذلك بمثابة ترقية لمعسكره التدريبي.
أ. واجب منزلي أفضل (توليف البيانات المتحقق منها)
قبل أن يتمكن ماركو من التعلم، يحتاج إلى مسائل للتدريب.
- الطريقة القديمة: كان المعلمون (الذكاء الاصطناعي) يبتكرون أسئلة عبر إخفاء الأسماء داخل قصة. أحياناً، لم تكن الإجابة فريدة (يمكن لشخصين مختلفين أن ينطبقا على الوصف)، أو كانت الإجابة خاطئة. هذا يشبه إعطاء طالب مسألة رياضية لها إجابتان صحيحتان؛ مما يسبب له الارتباك.
- الطريقة الجديدة: بنى الباحثون "فريق مراقبة الجودة". قبل تقديم أي سؤال تدريبي لماركو، يحاول ذكاء اصطناعي خاص يسمى "المهاجم" (Attacker) كسر السؤال. يحاول المهاجم إيجاد إجابة مختلفة تتناسب أيضاً مع السؤال. إذا نجح المهاجم، يتم استبعاد السؤال. فقط الأسئلة التي لها إجابة واحدة وحيدة لا تقبل الجدل هي التي تصل إلى مجموعة التدريب.
- التشبيه: يشبه الأمر صانع الأقفال الذي يختبر مفتاحاً. إذا فتح المفتاح قفلين مختلفين، فهو مفتاح سيء. هم يحتفظون فقط بالمفاتيح التي تفتح قفلاً واحداً بالضبط.
ب. التدريب على "الرأي الثاني" (مسارات مدفوعة بالتحقق)
الآن بعد أن أصبح لدى ماركو واجب منزلي جيد، يحتاج لتعلم كيفية حله.
- الطريقة القديمة: كان ماركو يحاول حل المشكلة دفعة واحدة. إذا تعثر أو ارتكب خطأ في الخطوة 2، فلن يلاحظ ذلك حتى النهاية، وستكون الإجابة بأكملها غير صالحة.
- الط الجديدة: علموه أن يعمل كفريق.
- المحقق (Detective): يفكك اللغز الكبير إلى أدلة صغيرة.
- الباحث (Investigator): يخرج ويبحث عن الأدلة.
- المدقق (Auditor): ذكاء اصطناعي ثالث مهمته فقط مراجعة العمل. "هل وجدت ذلك المستند حقاً؟ هل هذا التاريخ صحيح؟"
- إذا قال المدقق "لا"، يجب على المحقق العودة والمحاولة مرة أخرى.
- التشبيه: تخيل طباخاً يعد طبقاً معقداً. بدلاً من تذوق الطعام في النهاية فقط، يتذوق الطباخ كل مكون أثناء إضافته. إذا كان الملح زائداً، فإنه يصلحه فوراً بدلاً من تقديم وجبة فاسدة.
ج. زر "إعادة المحاولة" (توسيع وقت الاختبار الموجه بالتحقق)
هذه هي الخدعة السحرية أثناء الامتحان الفعلي.
- الطريقة القديمة: إذا تعثر ماركو أو بدأ في الهذيان، فإنه يستمر في ذلك حتى ينفد وقته أو ميزانيته (ميزانية الحوسبة)، وينتج عادةً إجابة فوضوية وخاطئة.
- الطريقة الجديدة: يمتلك ماركو "زر إعادة الضبط".
- إذا تعثر أو بدأ في ارتكاب الأخطاء (التدهور)، فإنه يضغط على الزر.
- التخلص من الكل: يرمي كل الملاحظات الفوضوية التي كتبها للتو.
- البدء من جديد: يبدأ من جديد بذهن صافٍ، مستخدماً نفس الميزانية ولكن باستراتيجية جديدة.
- لديه أيضاً "قاضٍ" يعمل في الخلفية. إذا وجد إجابة، يقوم القاضي بفحصها. إذا بدت جيدة، يحتفظ بها. إذا لم تكن كذلك، يستمر في البحث.
- التشبيه: تخيل أنك تلعب لعبة فيديو. إذا سقطت في حفرة، فبدلاً من الاستمرار في السير نحو الحافة، تضغط على "إعادة المستوى". تحاول مساراً مختلفاً. ماركو يفعل ذلك تلقائياً لإيجاد أفضل حل.
3. النتائج: صغير ولكن قوي
الجزء الأكثر إثارة للإعجاب في هذا البحث هو حجم ماركو.
- معظم باحثي الذكاء الاصطناعي رفيعي المستوى يبنون "عمالقة" (أكثر من 30 مليار معلمة) لحل هذه المشكلات الصعبة.
- ماركو صغير جداً (8 مليارات معلمة). إنه يشبه سيارة رياضية مدمجة مقارنة بدبابة ثقيلة.
- النتيجة: رغم صغر حجمه، يتفوق ماركو على العمالقة في العديد من الاختبارات الصعبة. بل إنه يتفوق على بعض النماذج ذات الـ 30 مليار معلمة في مهام محددة مثل عمليات البحث على الويب باللغة الصينية.
الملخص
يثبت Marco DeepResearch أنك لا تحتاج إلى عقل أكبر لتكون أذكى؛ بل تحتاج فقط إلى عادات أفضل. من خلال إجبار الذكاء الاصطناعي على التحقق من عمله، والتحقق من مصادره، ومعرفة متى يبدأ من جديد، يمكن لذكاء اصطناعي صغير وفعال أن يتفوق على نماذج ضخمة وفوضوية.
إنه الفرق بين طالب يهرع لإنهاء الامتحان وطالب يأخذ الوقت للتحقق من كل إجابة. الطالب الثاني يحصل على درجة أفضل، حتى لو كان في نفس العمر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.