SearchSkill: Teaching LLMs to Use Search Tools with Evolving Skill Banks
تقترح الورقة البحثية SearchSkill، وهو إطار عمل يعزز قدرة النماذج اللغوية على الإجابة عن الأسئلة في النطاق المفتوح من خلال التخطيط الصريح للاستعلامات عبر "بنك مهارات" (SkillBank) متطور لمهارات بحث قابلة لإعادة الاستخدام، مما يحسن كفاءة الاسترجاع ودقة الإجابة عن طريق تقليل ميزانيات البحث المهدرة وتعزيز الاستعلامات الذرية والمركزة.
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 أن لديك أمين مكتبة ذكي جداً (الذكاء الاصطناعي) يعرف الكثير من الحقائق من ذاكرته، لكنه يتعثر عندما يُسأل عن أخبار حديثة أو تفاصيل محددة ومعقدة. ولمساعدته، تمنحه بطاقة مكتبة تسمح له بسؤال محرك بحث عن الإجابات.
المشكلة ليست في أن أمين المكتبة لا يستطيع استخدام البطاقة؛ بل في أنه غالباً ما يطرح الأسئلة الخاطئة. فبدلاً من أن يسأل: "من كان عمدة نيويورك في عام 1990؟"، قد يقوم ببساطة بنسخ ولصق السؤال المربك بالكامل في شريط البحث، مثل الصراخ قائلاً: "أخبرني بكل شيء عن أول عمدة أفريقي أمريكي لأكبر مدينة في الولايات المتحدة!". هذا يهدر الوقت، ويربك محرك البحث، ويؤدي غالباً إلى الإجابة الخاطئة.
SEARCHSKILL هي طريقة تدريب جديدة تعلم أمين المكتبة طريقة أفضل لاستخدام بطاقة المكتبة. وإليك كيف تعمل، باستخدام تشبيهات بسيطة:
1. "قائمة المهارات" (مخزن المهارات - SkillBank)
بدلاً من ترك أمين المكتبة يخمن ما يجب فعله، تمنحه SEARCHSKILL قائمة مادية من مهارات البحث. فكر في الأمر ككتاب وصفات للطاهي أو حقيبة أدوات للميكانيكي.
- الطريقة القديمة: يقول أمين المكتبة فقط: "اذهب وابحث!" ويأمل في الحصول على أفضل نتيجة.
- طريقة SEARCHSKILL: قبل البحث، يجب على أمين المكتبة اختيار أداة محددة من القائمة، مثل:
- أداة "بناء الجسور": تُستخدم عندما تحتاج إلى إيجاد خطوة وسيطة مخفية (مثلاً: "من هي والدة س؟" -> ابحث أولاً عن "س"، ثم ابحث عن والدة "س").
- أداة "المقارن": تُستخدم عندما تحتاج إلى فحص شيئين جنباً إلى جنب (مثلاً: "من توفي أولاً، الشخص أ أم الشخص ب؟").
- أداة "مدقق الحقائق": تُستخدم للتحقق مما إذا كان هناك دليلان متناقضان.
2. "الرقصة ذات الخطوتين"
في كل مرة يحتاج فيها أمين المكتبة إلى إيجاد إجابة، فإنه يتبع روتيناً صارماً من خطوتين:
- اختر مهارة: ينظر إلى القائمة ويقول: "أحتاج إلى أداة (بناء الجسور) الآن".
- قم بالإجراء: بناءً على تلك الأداة، يطرح سؤالاً محدداً ومركزاً للغاية على محرك البحث.
هذا يجبر أمين المكتبة على التفكير: "ما هي قطعة المعلومات المفقودة المحددة التي أحتاجها الآن؟" بدلاً من مجرد إلقاء المشكلة بأكملها على محرك البحث.
3. "حلقة التدريب" (تطوير القائمة)
تصف الورقة البحثية طريقة ذكية لبناء هذه القائمة. فهم لم يكتبوها مرة واحدة وينسوها؛ بل مرروا أمين المكتبة عبر آلاف المسائل التدريبية.
- الخطأ: عندما يفشل أمين المكتبة (على سبيل المثال، حصل على الإجابة الخاطئة لأنه طرح سؤالاً سيئاً)، يقوم النظام بتحليل سبب فشله.
- الإصلاح: إذا استمر أمين المكتبة في الفشل في نوع معين من الألغاز (مثل الربط بين حقيقتين متباعدتين)، يضيف النظام "بطاقة مهارة" جديدة إلى القائمة خصيصاً لهذه المشكلة.
- النتيجة: نمت القائمة وتحسنت بمرور الوقت، لتصبح مجموعة من الاستراتيجيات القابلة لإعادة الاستخدام والتي يمكن لأمين المكتبة تطبيقها على مسائل جديدة مشابهة.
4. النتائج
اختبر الباحثون هذا على نماذج ذكاء اصطناعي مختلفة (سواء كانت مفتوحة المصدر أو مملوكة لشركات).
- إجابات أفضل: حصلت النماذج على إجابات صحيحة بشكل ملحوظ، خاصة في الأسئلة المعقدة والمتعددة الخطوات.
- جهد أقل ضياعاً: طرحت النماذج أسئلة أقل وأفضل. فبدلاً من طرح 5 أسئلة غامضة، طرحت سؤالين أو ثلاثة دقيقة.
- لا يتطلب "سحراً": حققوا هذه النتائج باستخدام طرق التدريب القياسية (الضبط الدقيق تحت الإشراف - Supervised Fine-Tuning)، بدلاً من طرق التجربة والخطأ المعقدة والمكلفة (التعلم التعزيزي - Reinforcement Learning) التي تستخدمها الأنظمة الأخرى.
باختصار
SEARCHSKILL تشبه إعطاء الذكاء الاصطناعي قائمة مراجعة لاستراتيجيات البحث بدلاً من مجرد زر بحث. إنها تجبر الذكاء الاصطناعي على التوقف، واختيار الاستراتيجية الصحيحة للمشكلة المحددة، ومن ثم طرح سؤال ذكي ومستهدف. وهذا يجعل الذكاء الاصطناعي أكثر ذكاءً، وأسرع، وأقل عرضة للضياع في نتائج البحث الخاصة به.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.