← أحدث الأبحاث
🤖 machine learning

Workspace-Bench 1.0: Benchmarking AI Agents on Workspace Tasks with Large-Scale File Dependencies

تقدم هذه الورقة البحثية Workspace-Bench، وهو معيار قياسي واسع النطاق يتميز بتبعيات ملفات واقعية ومهام متنوعة لتقييم قدرات تعلم مساحة العمل لدى الوكلاء الاصطناعيين، مما يكشف أن النماذج الحالية تتخلف بشكل كبير عن الأداء البشري في التعامل مع الاستنتاج واتخاذ القرار المعقد عبر الملفات.

المؤلفون الأصليون: Zirui Tang, Xuanhe Zhou, Yumou Liu, Linchun Li, Weizheng Wang, Hongzhang Huang, Jun Zhou, Jiachen Song, Shaoli Yu, Jinqi Wang, Zihang Zhou, Hongyi Zhou, Yuting Lv, Jinyang Li, Jiashuo Liu, Ruoyu Chen
نُشر 2026-05-06
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Zirui Tang, Xuanhe Zhou, Yumou Liu, Linchun Li, Weizheng Wang, Hongzhang Huang, Jun Zhou, Jiachen Song, Shaoli Yu, Jinqi Wang, Zihang Zhou, Hongyi Zhou, Yuting Lv, Jinyang Li, Jiashuo Liu, Ruoyu Chen, Chunwei Liu, GuoLiang Li, Jihua Kang, Fan Wu

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 مساعداً آلياً (روبوت) فائق الذكاء ليساعدك في عملك. أعطيته مجلداً مليئاً بالملفات: جداول بيانات، رسائل بريد إلكتروني، ملفات PDF، أكواد برمجية، ومسودات قديمة. هدفك هو أن يجد الروبوت الأجزاء الصحيحة من المعلومات، ويفهم كيفية ارتباطها ببعضها البعض، ثم يكتب تقريراً.

Workspace-Bench هو اختبار ضخم وواقعي صُمم ليرى ما إذا كانت روبوتات الذكاء الاصطناعي الحالية قادرة فعلاً على القيام بهذه الوظيفة دون أن تضيع، أو ترتبك، أو تخترع حقائق من عندها.

إليك تفصيل لنتائج الورقة البحثية باستخدام تشبيهات بسيطة:

1. المشكلة: "الغرفة النظيفة" مقابل "المكتب الفوضوي"

معظم الاختبارات السابقة للذكاء الاصطناعي كانت تشبه إعطاء طالب كتاباً مدرسياً واحداً مثالياً وطلب سؤال منه. كان على الذكاء الاصطناعي فقط قراءة الصفحة والإجابة.

  • الواقع: العمل الحقيقي يشبه المكتب الفوضوي. لديك 20,000 ملف مبعثر عبر 74 تنسيقاً مختلفاً (Excel، كود، PDF، بريد إلكتروني). بعض الملفات هي مسودات قديمة، وبعضها نسخ نهائية، وبعضها مجرد ملاحظات.
  • الاختبار: بنى الباحثون 5 "مكاتب رقمية" مختلفة (لمدير لوجستي، باحث، مطور، إلخ). كل مكتب عبارة عن غرفة رقمية ضخمة وفوضوية تحتوي على آلاف الملفات. ثم أعطوا الذكاء الاصطناعي 388 مهمة مختلفة، مثل "اكتب تقريراً استراتيجياً بناءً على بيانات المبيعات للعام الماضي ورسائل البريد الإلكتروني لهذا الأسبوع".

2. الكشف الكبير: لا يزال الذكاء الاصطناعي يتوه

اختبر الباحثون 28 تركيبة مختلفة من "أدمغة" الذكاء الاصطناعي (النماذج) و"أجساد" الذكاء الاصطناعي (أطر البرمجيات التي تسمح للذكاء الاصطناعي باستخدام الأدوات).

  • النتيجة: أفضل تركيبة للذكاء الاصطناعي لم تحصل إلا على حوالي 69% من التفاصيل بشكل صحيح. أما متوسط أداء الذكاء الاصطناعي فقد كان أقل من 50%.
  • المقارنة بالبشر: عندما قام بشر حقيقيون بنفس الاختبار (بمساعدة الأدوات)، سجلوا 81%.
  • التشبيه: تخيل سباقاً ينهي فيه العداءون البشر السباق في 10 دقائق، بينما يستغرق أسرع روبوت 20 دقيقة ومع ذلك يتعثر في قدميه. تقول الورقة إن الذكاء الاصطناعي الحالي "بعيد كل البعد عن الموثوقية" للعمل المكتبي الحقيقي.

3. لماذا يفشلون؟ (العقبات الثلاث الرئيسية)

وجدت الورقة ثلاثة أسباب محددة تجعل الذكاء الاصطناعي يعاني:

  • مشكلة "السفر عبر الزمن" (تتبع التسلسل):
    المساحات العمل الحقيقية تحتوي على ملفات بأسماء مثل report_v1 و report_reviewed و report_final. غالباً ما يلتقط الذكاء الاصطناعي النسخة الخاطئة (مثل استخدام مسودة قديمة بدلاً من النسخة النهائية). إنه لا يفهم "شجرة العائلة" للملفات.
  • مشكلة "الترجمة" (الفهم المتنوع):
    الذكاء الاصطناعي بارع في قراءة النصوص، لكنه يعاني في ربط رسم بياني في عرض تقديمي (PowerPoint) بالأرقام الخام في ملف Excel، أو في فهم ملف كود بجانب نص اجتماع. إنه يعامل أنواع الملفات المختلفة كأنها لغات منفصلة لا يستطيع الترجمة بينها.
  • مشكلة "الإبرة في كومة القش":
    عندما تصبح المهمة صعبة (تتطلب إيجاد روابط بين أكثر من 6 ملفات مختلفة)، ينخفض أداء الذكاء الاصطناعي بشكل حاد. يصاب بالارتباك بسبب الحجم الهائل للبيانات ويفقد الروابط الجوهرية.

4. "تكلفة" المحاولة

لاحظت الورقة شيئاً مثيراً للاهتمام حول كيفية محاولة الذكاء الاصطناعي لحل المشكلات:

  • تأثير "تدوير العجلات في الفراغ": حاولت بعض إعدادات الذكاء الاصطناتي بذل جهد كبير، حيث تحدثت مع نفسها لأكثر من 60 خطوة واستخدمت كمية هائلة من قدرة الكمبيوتر (الرموز/Tokens). ولكن رغم كل هذا الجهد، ظلت الإجابة خاطئة.
  • تأثير "الذكاء والسرعة": أفضل ذكاء اصطناعي أداءً (OpenClaw + Opus-4.7) حل المشكلات بسرعة، وبخطوات أقل وقدرة حوسبة أقل، وحصل على الإجابة الصحيحة. هذا يشير إلى أن جودة الاستنتاج أهم من مجرد المحاولة بجهد أكبر.

5. المستقبل: خمس مراحل من النمو

يتخيل المؤلفون تعلم الذكاء الاصطناعي للعمل في المكاتب عبر خمس مراحل، مثل تسلق سلم:

  1. L0 (المستشار السلبي): يقدم الذكاء الاصطناعي النصيحة فقط؛ الإنسان هو من يقوم بالعمل.
  2. L1 (المنفذ السلبي): يقول الإنسان: "افتح الملف A وانقله إلى الملف B". يقوم الذكها الاصطناعي بذلك لكنه لا يفهم لماذا.
  3. L2 (مستنتج التبعيات): يبدأ الذكاء الاصطناعي في فهم أن الملف A يعتمد على الملف B. (الذكاء الاصطناعي الحالي يعاني لتجاوز هذه المرحلة).
  4. L3 (المستكشف الاستباقي): يمكن للذكاء الاصطناعي البحث في المكتب بأكل، وإيجاد الملفات التي يحتاجها بمفرده، وحل المشكلة. (هذه هي "نقطة التفرد في القدرات" التي تقول الورقة إننا لم نصل إليها بعد).
  5. L4 (الشريك المتطور ذاتياً): يتعلم الذكاء الاصطناعي من كل مهمة، ويتذكر عاداتك، ويصبح أفضل في وظيفتك المحددة بمرور الوقت.

الملخص

Workspace-Bench هو واقع صادم. فهو يظهر أنه بينما يتحسن الذكاء الاصطناعي في التحدث والكتابة، إلا أنه لا يزال سيئاً جداً في التنقل في عالم المكاتب الحقيقي المتداخل والمعقد والمسيطر عليه من حيث إصدار النسخ. وحتى يتمكن الذكاء الاصطناعي من تتبع تاريخ الملفات وربط أنواع المستندات المختلفة بشكل موثوق، فسيظل بحاجة إلى "طيار" بشري لإبقائه على المسار الصحيح.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.LG →