When Agents Look the Same: Quantifying Distillation-Induced Similarity in Tool-Use Behaviors
تقدم هذه الورقة البحثية "تشابه نمط الاستجابة" (RPS) و"تشابه مخطط الإجراءات" (AGS) كمقاييس تكميلية لتقدير وتمييز التجانس السلوكي غير الإلزامي في وكلاء النماذج اللغوية الكبيرة (LLMs) الناتج عن تقطير النماذج، مما يكشف عن تقارب كبير داخل العائلة الواحدة وأنماط محددة مرتبطة بالنموذج المعلم عبر 18 نموذجاً.
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 عالم الوكلاء الذكيين (AI agents) كمدينة صاخبة من أصحاب المتاجر الرقميين. هؤلاء هم الروبوتات الذكية التي تساعدك في حجز الرحلات، أو إرجاع السلع، أو إصلاح خطة هاتفك. مؤخرًا، حدث ما يشبه "الانفجار الكامبري" لظهور أصحاب متاجر جدد يعدون بمهارات وشخصيات فريدة.
ولكن إذا مشيت في الشارع، ستشعر بشيء مألوف بشكل غريب. يبدو أنهم جميعًا يقولون نفس الأشياء تمامًا، ويرتكبون نفس الأخطاء تمامًا، ويستخدمون نفس الحيل الغريبة لحل المشكلات. الأمر يشبه دخولك إلى 10 مقاهٍ مختلفة لتجد أن كل باريستا يستخدم نفس النص تمامًا، ونفس الوقفة المحرجة، ونفس الطريقة المحددة لمسح الطاولة.
هذه الورقة البحثية تسأل: هل هؤلاء التجار هم عباقرة مستقلون حقًا، أم أنهم مجرد نسخ ضوئية لبعض "المعلمين الماستر" المشهورين؟
المشكلة: تأثير "غرفة الصدى"
يشتبه المؤلفون في أن العديد من هؤلاء الوكلاء الجدد قد تم إنشاؤهم باستخدام عملية تسمى التقطير (Distillation). فكر في هذا كطالب طباخ يتعلم من شيف عالمي مشهور. الطالب لا يتعلم فقط كيف يطبخ؛ بل يبدأ في تقليد عادات الشيف المحددة — ربما يتذوق الشيف الصلصة ثلاث مرات دائمًا، أو يقول دائمًا "Bon appétit!" بنبرة معينة.
مع مرور الوقت، يصبح الطالب بارعًا جدًا في التقليد لدرجة أنه يفقد أسلوبه الفريد. إذا قام كل طالب بتقليد نفس المعلم، سينتهي بك الأمر بمدينة مليئة بتجار متطابقين. وهذا أمر خطير، لأنه إذا امتلكوا جميعًا نفس "العادات السيئة"، فسوف يفشلون جميعًا بنفس الطريقة تمامًا عندما تسوء الأمور.
الحل: أداتان جديدتان لـ "المحققين"
كانت المشكلة في الطرق السابقة للتحقق من ذلك هي أنها كانت بديهية للغاية. إذا قال اثنان من التجار "مرحبًا، كيف يمكنني مساعدتك؟"، فهذه مجرد قاعدة. هذا لا يثبت أنهما قلدوا بعضهما البعض.
ابتكر المؤلفون أداتين جديدتين لكشف العادات الخفية وغير الإلزامية — الأشياء التي يفعلها التجار لأنهم تعلموها، وليس لأنهم مضطرون لفعلها.
1. تشابه نمط الاستجابة (RPS) ← محقق "الصوت والنص"
هذه الأداة تستمع إلى كيفية حديث الوكلاء.
- التشبيه: تخيل ممثلين اثنين يقرآن نفس النص. الممثل العادي قد يكتفي بقول الجمل. لكن إذا كان كلاهما يقلد ممثلًا مشهورًا معينًا، فقد يضيف كلاهما نفس التنهيدة الغريبة، أو يستخدمان نفس المصطلحات العامية، أو يتوقفان في نفس النقطة تمامًا.
- ماذا تقيس: تقوم بتفكيك المحادثات إلى مراحل (مثل "التحقق من الهوية"، "طلب المعلومات"، "تنفيذ المهمة") وتتحقق مما إذا كان الوكلاء يستخدمون نفس النبرة، وبنية الجملة، واختيارات الكلمات في تلك المراحل.
2. تشابه مخطط العمل (AGS) ← محقق "سير العمل والعادات"
هذه الأداة تنظر إلى ما يفعله الوكلاء خلف الكواليس، وتحديدًا كيفية استخدامهم للأدوات.
- التشبثليه: تخيل ميكانيكيين اثنين يصلحان سيارة. كلاهما يجب أن يزيل الإطار لإصلاح المكابح (هذه خطوة إلزامية). لكن أحد الميكانيكيين دائمًا يفحص الزيت أولًا، رغم أنه ليس مطلوبًا، والآخر دائمًا يشد البرغي ثلاث مرات إضافية.
- ماذا تقيس: تقوم برسم "مخطط تدفق" لأفعالهم. تتجاهل الخطوات الإلزامية (مثل "إزالة الإطار") وتركز على العادات الاختيارية:
- Snode: هل يختار كلاهما فحص الزيت (خطوة اختيارية) حتى عندما لا يكون ذلك مطلوبًا؟
- Sseq: هل يقوم كلاهما بمراجعة عملهما فور الانتهاء من المهمة؟
- Sdep: هل يعيد كلاهما استخدام معلومة من الخطوة 1 في الخطوة 5 بنفس الطريقة تمامًا؟
الاكتشاف الكبير: "الوادي غير المريح" للذكاء الاصطناعي
اختبر الباحثون 18 وكيلًا مختلفًا من وكلاء الذكاء الاصطناعي مقابل "المعيار الذهبي" للمعلم (Claude Sonnet 4.5). وإليكم ما وجدوه:
- تشابه العائلة: الوكلاء من نفس الشركة (مثل نموذجين مختلفين من Claude) يبدون طبيعيًا متشابهين جدًا في الصوت والأداء. هذا أمر متوقع، مثل الإخوة.
- الضيف المفاجئ: وجدوا وكيلًا واحدًا، Kimi-K2، كان يتصرف بشكل مريب مثل معلمه Claude.
- لم يكن يقول أشياء مشابهة فحسب؛ بل كان لديه نفس العادات الاختيارية.
- الدليل القاطع: في اختبار حيث أراد مستخدم استبدال قطعة، قرر المعلم "المعيار الذهبي" التحقق من عنوان بريد المستخدم أولًا (رغم أنه يمكن إتمام المهمة بدون ذلك). قام Kimi-K2 بالشيء نفسه تمامًا. بينما تجاوز وكيل آخر مشهور، GPT-5، هذه الخطوة تمامًا.
- كانت "درجة العادة" لدى Kimi-K2 في الواقع أعلى من بعض إخوة المعلم نفسه! وهذا يشير إلى أن Kimi-K2 ربما تم "تقطيره" (نسخه) بكثافة من Claude.
لماذا هذا مهم؟
إذا كانت جميع وكلاء الذكاء الاصطناعي لدينا هي مجرد أصداء لعدد قليل من المعلمين، فإن نظامنا البيئي الرقمي سيكون هشًا.
- خطر "العادة السيئة": إذا كان لدى المعلم نقطة ضعف غريبة (مثل التحقق من الأشياء غير الضرورية دائمًا)، فإن جميع الطلاب سيرثون ذلك القصور في الكفاءة.
- نقطة الفشل الواحدة: إذا ارتبك المعلم بسبب نوع معين من الأسئلة المخادعة، فإن جميع الطلاب سيفشلون على الأرجح بنفس الطريقة. نحن نفقد شبكة الأمان المتمثلة في وجود عقول ذكاء اصطناعي مختلفة قد تحل المشكلات بطرق متنوعة.
الخلاصة
تمنحنا هذه الورقة البحثية نظارة جديدة لنرى من خلال "هالة الذكاء الاصطناعي". فهي تساعدنا على التمييز بين الابتكار الحقيقي (وكيل جديد يفكر بشكل مختلف) وبين النسخ الكسول (وكيل يقلد فقط سمات المعلم الغريبة).
من خلال قياس هذه العادات الدقيقة، يمكننا ضمان أن يكون مستقبل الذكاء الاصطناعي مدينة متنوعة من المفكرين الفريدين، وليس بلدة من النسخ المتطابقة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.