← أحدث الأبحاث
🤖 AI

Weblica: Scalable and Reproducible Training Environments for Visual Web Agents

تقدم الورقة البحثية "ويبليكا" (Weblica)، وهو إطار عمل يستفيد من التخزين المؤقت على مستوى بروتوكول HTTP والتركيب القائم على النماذج اللغوية الكبيرة لإنشاء بيئات ويب قابلة للتوسع وقابلة لإعادة الإنتاج، مما مكن من تدريب نموذج "ويبليكا-8B" الذي يتفوق على النماذج مفتوحة الأوزان الحالية في مهام الملاحة البصرية عبر الويب.

المؤلفون الأصليون: Oğuzhan Fatih Kar, Roman Bachmann, Yuanzheng Gong, Anders Boesen Lindbo Larsen, Afshin Dehghan

نُشر 2026-05-11
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Oğuzhan Fatih Kar, Roman Bachmann, Yuanzheng Gong, Anders Boesen Lindbo Larsen, Afshin Dehghan

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 تريد تعليم روبوت كيفية التنقل عبر الإنترنت للقيام بأمور مثل حجز رحلة طيران، أو شراء أحذية، أو ملء نموذج ما. الإنترنت مكان فوضوي ومتغير باستمرار؛ الأمر يشبه محاولة تعليم شخص ما السباحة عبر إلقائه في المحيط أثناء عاصفة، بينما المد والجزر يتغيران باستمرار وتتحطم أمواج جديدة في كل ثانية.

هذه هي المشكلة التي تحاول ورقة WEBLICA البحثية حلها. أدرك المؤلفون من شركة Apple أن تدريب وكلاء الذكاء الاصطناعي على الويب "المباشر" أمر فوضوي للغاية، وبطيء، وغير قابل للتنبؤ. بدلاً من ذلك، قاموا ببناء محاكي ضخم ومثالي يعمل دون اتصال بالإنترنت (offline) يسمى WEBLICA.

إليك كيف فعلوا ذلك، مقسماً إلى جزأين بسيطين:

1. "كاميرا السفر عبر الزمن" (التخزين المؤقت على مستوى HTTP)

تخيل أنك تلتقط صورة لصفحة ويب، ولكن بدلاً من مجرد صورة، أنت تلتقط المحادثة الكاملة بين جهاز الكمبيوتر الخاص بك والموقع الإلكتروني.

  • المشكلة: إذا حاولت إعادة تشغيل تلك المحادثة لاحقاً، فقد يقول الموقع: "انتظر، رمز الجلسة (session token) الخاص بك مختلف!" أو "الطابع الزمني خاطئ!" ويقوم بحظرك. هذا يشبه محاولة استخدام مفتاح قديم على باب تم تغيير قفله بالفعل.
  • الحل: بنى الفريق نظاماً ذكياً يعمل مثل "كاميرا السفر عبر الزمن". يقوم بتسجيل كل طلب واستجابة. ثم يستخدم كتاب قواعد لتجاهل الأجزاء التي تتغير في كل مرة (مثل الطوابع الزمنية أو أرقام الجلسات العشوائية) والاحتفاظ فقط بالأجزاء المستقرة.
  • النتيجة: يمكنهم إعادة تشغيل هذه المواقع المسجلة بشكل مثالي، مراراً وتكراراً، دون الحاجة أبداً للاتصال بالإنترنت الحقيقي. إنه يشبه امتلاك نسخة مجمدة ومثالية لموقع إلكتروني، لكنها لا تزال تسم تتيح لك النقر على الأزرام والكتابة في المربعات، تماماً مثل الموقع الحقيقي.

2. "مصنع ليغو اللانهائي" (التوليد القائم على النماذج اللغوية الكبيرة LLM)

أحياناً، لا يمكنك مجرد تسجيل موقع إلكتروني لأنه معقد للغاية أو غير موجود بعد.

  • المشكلة: المواقع الحقيقية محدودة. لا يمكنك بسهولة العثين على 10,000 نسخة مختلفة من صفحة "عربة التسوق" أو "حجز الرحلات" للتدرب عليها.
  • الحل: استخدموا مبرمجاً ذكياً للغاية (نموذج لغوي كبير - LLM) ليعمل كـ مصنع. أخبروا المصنع: "ابنِ لي موقعاً إلكترونياً لاستوديو يوغا يسمح بحجز الحصص"، أو "ابنِ موقعاً لوكالة سيارات حيث يمكن مقارنة الموديلات".
  • السحر: يقوم المبرمج الآلي ببناء هذه المواقع من الصفر باستخدام الكود، وينشئ صوراً وهمية، بل ويخترع المهام التي يجب عليك القيام بها فيها. إنه مثل مصنع ليغو يمكنه بناء مليون نسخة مختلفة من قلعة، أو سفينة فضاء، أو منزل في لحظات، وكلها تحتوي على أبواب ونوافذ تعمل، ليتدرب الروبوت على فتحها.

لماذا هذا مهم: "صالة التدريب الرياضية"

من خلال الجمع بين هاتين الطريقتين، أنشأ المؤلفون صالة تدريب ضخمة وآمنة للذكاء الاصطناعي الخاص بهم.

  • لا مزيد من العواصف: لن يضطروا للقلق بشأن تعطل الإنترنت الحقيقي، أو تغيره، أو حظر البوت الخاص بهم.
  • السرعة: لأن كل شيء يعمل محلياً ودون اتصال، يمكن للذكاء الاصطناعي التدرب بسرعة أكبر بآلاف المرات مما لو كان ينتظر تحميل المواقع الحقيقية.
  • النطاق: لقد دربوا ذكاءهم الاصطناعي على آلاف من هذه البيئات المتنوعة، الوهمية ولكن الواقعية.

النتائج: البطل "Weblica-8B"

قاموا بتدريب نموذج يسمى Weblica-8B في هذه الصالة الرياضية. وإليك ما حدث:

  • إنه أسرع وأذكى: عند اختباره على مواقع حقيقية، حل هذا النموذج المهام بشكل أفضل من النماذج مفتوحة المصدر الأخرى من نفس الحجم.
  • يستخدم خطوات أقل: استطاع حل المشكلات بعدد أقل من النقرات والمحاولات مقارنة بمنافسيه.
  • قابل للتوسع: إذا أعطيته وقتاً أطول للتفكير (زيادة "حوسبة وقت الاختبار" - test-time compute)، فإنه يصبح أفضل، ويكاد يقترب من أداء النماذج المملوكة والمكلفة (مثل نماذج OpenAI أو Google).

باختصار: تقول الورقة البحثية: "لا ترموا الروبوت في محيط الإنترنت الفوضوي ليتعلم. بدلاً من ذلك، ابنوا محاكياً مثالياً ولانهائياً يعمل دون اتصال، حيث يمكنه التدرب ملايين المرات دون أن يبتل". وقد نجح الأمر: تعلم الروبوت السباحة بشكل مذهل.

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.AI →