No Test Cases, No Problem: Distillation-Driven Code Generation for Scientific Workflows
يُعد MOSAIC إطار عمل متعدد الوكلاء لا يتطلب تدريباً، صُمم لتوليد الأكواد العلمية، وهو يتغلب على نقص حالات اختبار الإدخال والإخراج باستخدام نهج تقطير المعرفة بين الطالب والمعلم ونافذة سياق موحدة لضمان اتساق الاستدلال والدقة العددية.
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
المشكلة: معضلة "الطاهي بلا وصفة"
تخيل أنك طاهٍ عالمي المستوى، وقد قدم لك أحدهم مكوناً غريباً ونادراً لم تره من قبل—لنقل مثلاً "كمأة كوانتومية" (Quantum Truffle). ثم طلبوا منك إعداد وجبة من خمسة أطباق باستخدام هذا المكون.
في الطهي العادي (مثل البرمجة التنافسية)، لديك "بطاقة وصفة" تقول: "إذا أضفت الملح والحرارة، يجب أن يكون الناتج بطعم هذا الصوص تحديداً". إذا كان طعم الصوص خاطئاً، ستعرف ذلك فوراً لأن لديك "حالة اختبار" (النكهة المستهدفة) لتقارن بها. يمكنك الاستمرار في الضبط حتى يصبح مثالياً.
لكن البرمجة العلمية مختلفة. في العلم، لا توجد بطاقة وصفة. لا يوجد "طعم مستهدف" لأن الهدف الأساسي من التجربة هو اكتشاف ما هو هذا الطعم! إذا حاولت طهي الوجبة وخرج طعمها غريباً، فلن تعرف ما إذا كان المكون نفسه غريباً أم أنك أخطأت أنت في عملية الطهي. هذه هي "حالة الجمود" التي وجدها الباحثون: لا يمكنك التحقق مما إذا كانت برمجتك صحيحة إذا كنت لا تعرف الإجابة مسبقاً.
الحل: MOSAIC (المعلم والتلميذ)
ابتكر الباحثون نظاماً يسمى MOSAIC. وبدلاً من محاولة "تذوق الصوص" لمعرفة ما إذا كان صحيحاً، يستخدمون طريقة تعليمية ذكية تسمى "تقطير المعرفة" (Knowledge Distillation).
تخيل MOSAIC كأكاديمية طهي رفيعة المستوى تتكون من أربع شخصيات متخصصة:
1. المعلم الأستاذ (وكيل التأمل الذاتي - Self-Reflection Agent)
قبل بدء أي عملية طهي، ينظر المعلم الأستاذ إلى بعض الوجبات الناجحة من الماضي. هو لا ينظر فقط إلى الطبق النهائي؛ بل يكتب "مذكرات منطقية" مفصلة للغاية تشرح لما reason نجحت تلك الوجبة. إنه يدرس فلسفة المكونات لكي يتمكن من إنشاء "دليل إرشادي" للطلاب.
2. المخطط (وكيل التبرير - Rationale Agent)
هذا هو الطالب الذي يقرأ دليل المعلم. عندما يصل مكون جديد وغامض، لا يبدأ المخطط برمي الأشياء في المقلاة عشوائياً، بل يجلس ويكتب خطة مفصلة: "أولاً، سأقوم بتحضير القاعدة، ثم سأقوم بتثبيت درجة الحرارة، ثم سأضيف الكمأة".
ولمنع الطالب من الشعور بالإرهاق بسبب وصفة ضخمة مكونة من 50 خطوة، يستخدمون شيئاً يسمى "نافذة السياق الموحدة" (Consolidated Context Window - CCW). تخيل هذا كـ "نظام الملاحظات اللاصقة". فبدلاً من حمل كتاب طبخ ضخم وثقيل يجعله يتعثر وينسى ما يفعله، يحمل الطالب فقط ملاحظات لاصقة صغيرة تقول: "الخطوة الأولى انتهت؛ الصوص أصبح الآن سائلاً". هذا يبقيه مركزاً على اللحظة الحالية دون أن يفقد الرؤية الشاملة.
3. مساعد الشيف (وكيل البرمجة - Coding Agent)
يأخذ مساعد الشيف تلك الخطة المثالية ويقوم بالعمل الشاق فعلياً—وهو كتابة الكود البرمجي (عملية "الطهي"). هو يتبع الخطة بدقة، محولاً المنطق إلى برنامج يعمل.
4. مفتش المطبخ (وكيل تصحيح الأخطاء - Debugger Agent)
أخيراً، يأتي المفتش. ولكن هنا تكمكم الخدعة: المفتش غير مسموح له بتذوق الطعام (لأنه لا يعرف كيف يجب أن يكون طعمه). بدلاً من ذلك، هو يتحقق فقط من سلامة المطبخ والقواعد الأساسية. هو يتأكد من: "هل الموقد يعمل؟ هل المقلاة مشروخة؟ هل استخدمت ملعقة بدلاً من الشوكة؟". من الناحية التقنية، هو يقوم بإصلاح "أخطاء الصيغة" (syntax errors)—أي التأكد من أن الكود يعمل بالفعل دون أن يتوقف عن العمل، حتى لو لم يستطع معرفة ما إذا كانت الحسابات دقيقة بنسبة 100% بعد.
لماذا يهم هذا؟
من خلال الفصل بين "المنطق" (النكهة/الحسابات) و "الصيغة" (قواعد المطبخ)، يسمح نظام MOSIC للذكاء الاصطناعي بحل مشكلات علمية معقدة للغاية في الفيزياء والكيمياء والأحياء حيث لا تتوفر "مفاتيح الإجابة".
النتيجة: في اختباراتهم، كان MOSAIC أفضل بكثير في حل مشكلات "المكونات الغامضة" هذه مقارنة بالذكاء الاصطناعي القياسي، مما يثبت أنه حتى عندما لا تعرف الإجابة، يمكنك العثور عليها إذا كان لديك معلم رائع، وخطة واضة، وعقل مركز.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.