🤖 AI

SAM: State-Adaptive Memory for Long-Horizon Reasoning Agent

تقترح الورقة البحثية "الذاكرة المتكيفة مع الحالة" (SAM)، وهي إطار عمل مستقل يعزز الاستدلال الوكيل طويل المدى من خلال دمج سجلات التفاعل في إشارات ذاكرة مدمجة وموجهة نحو القصد تسمح للوكلاء بإعادة بناء المعلومات البعيدة ديناميكيًا دون إعادة تدريب النموذج الأساسي، مما يحقق أداءً فائقًا عبر معايير قياسية متنوعة.

المؤلفون الأصليون: Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Ziliang Zhao, Jiejun Tan, Zheng Liu, Zhicheng Dou

نُشر 2026-05-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yuyang Hu, Hongjin Qian, Shuting Wang, Jiongnan Liu, Ziliang Zhao, Jiejun Tan, Zheng Liu, Zhicheng Dou

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

إليك شرح لورقة بحث "SAM: State-Adaptive Memory for Long-Horizon Reasoning Agent" باستخدام لغة بسيطة وتشبيهات إبداعية.

المشكلة الكبيرة: دفتر الملاحظات "الطويل جداً للقراءة"

تخيل أنك محقق تحاول حل لغز معقد للغاية يستغرق أياماً لفك شفرته. في كل مرة تجد فيها دليلاً، أو تتحدث إلى شاهد، أو تفحص وثيقة، تقوم بتدوين ذلك في دفتر ملاحظات ضخم.

مع مرور الأيام، يصبح دفتر ملاحظاتك ضخماً — مئات الصفحات الطويلة. وعندما تحتاج لاتخاذ قرار اليوم، يتعين عليك تقليب كل تلك الصفحات لتجد ذلك الدليل الصغير الذي وجدته قبل ثلاثة أيام.

المشكلة الحالية: معظم وكلاء الذكاء الاصطناعي (البرامج الحاسوبية التي تعمل كالبشر) يحاولون حل هذه المشكلة بإحدى طريقتين:

التخلص من الصفحات القديمة: يقومون بحذف بداية دفتر الملاحظات لإفساح المجال لصفحات جديدة. لكن أحياناً، تكون الإجابة موجودة في الجزء الذي تخلصوا منه!
كتابة ملخص: يحاولون تكثيف التاريخ بأكمله في فقرة قصيرة. لكن الملخصات غالباً ما تفقد التفاصيل الصغيرة والدقيقة اللازمة لحل اللغز لاحقاً.

الحل: SAM (الذاكرة المتكيفة مع الحالة)

يقترح المؤلفون نظاماً جديداً يسمى SAM. لا تنظر إلى SAM كدفتر ملاحظات، بل كـ خزانة ملفات ذكية مع نظام بطاقات فهرسة سحري.

إليك كيف يعمل، مقسماً إلى ثلاث خطوات بسيطة:

1. "الأرشفة" (التوحيد - Consolidation)

بدلاً من الاحتفاظ بالصفحات الخام والمبعثرة لمحادثتك في مساحة عملك المباشرة، يأخذ SAM جزءاً من تاريخك الأخير (مثلاً، آخر 50 صفحة) ويقوم بأرشفتها في خزانة تخزين.

الصفحات الخام: يتم الاحتفاظ بالتفاصيل الفعلية بأمان داخل الخزانة، دون تغيير.
بطاقة الفهرس: يكتب SAM "بطاقة فهرس" صغيرة وعالية الجودة (تسمى إشارة الذاكرة - memory cue) تلخص ما حدث في تلك الصفحات الخمسين. وهي تسلط الضوء على الأشياء المهمة: "وجدنا مشتبهاً به"، "استبعدنا الخادم"، أو "نحن عالقون عند هذا الدليل".
النتيجة: تظل مساحة عملك المباشرة نظيفة وخفيفة، ولكن لا يزال لديك قائمة من بطاقات الفهرس التي تخبرك بما يوجد داخل الخزانة.

2. "البحث" (الاستدعاء المدفوع بالهدف - Intent-Driven Recall)

هذا هو الجزء السحري. في الأنظمة القديمة، إذا كنت بحاجة إلى معلومات، فقد تأخذ أحدث الصفحات فقط أو تقرأ الملخص بالكامل.
مع SAM، يسأل الوكيل نفسه: "ما الذي أحتاجه الآن لحل هذه المشكلة المحددة؟"

إذا كان الوكيل عالقاً عند دليل يتعلق بـ "سيارة حمراء"، فإنه ينظر إلى بطاقات الفهرس الخاصة به.
يختار البطاقة المحددة التي تذكر "السيارة الحمراء".
يسأل خزانة الملفات: "أحضر لي الصفحات الدقيقة المتعلقة بتلك السيارة الحمراء".
يقوم النظام باسترجاع تلك الصفحات المحددة فقط، ويعيد قراءتها، ويعطي الوكيل ملخصاً جديداً ومركزاً لتلك المعلومة فقط.

التشبيه: تخيل أنك تطبخ وجبة معقدة. بدلاً من قراءة كتاب طبخ مكون من 500 صفحة في كل مرة تحتاج فيها لمعرفة كيفية تقطيع البصل، لديك مجموعة من بطاقات الفهرس. عندما تحتاج لتقطيع البصل، تسحب بطاقة "البصل"، والتي تخبرك بالضبط إلى أي صفحات يجب أن تقلب في الكتاب الكبير للحصول على الوصفة. أنت لا تقرأ الكتاب بأكمله؛ بل تقرأ فقط ما تحتاجه.

3. "التدريب" (التعلم ليكون أميناً مكتبة أفضل)

تشرح الورقة أيضاً كيف علموا هذا النظام ليكون ذكياً. لم يكتفوا بإخبار الذكاء الاصطناعي "لخص فقط". بل قاموا بتدريبه بطريقتين:

المعلم الخبير: استخدموا نماذج ذكاء اصطناعي فائقة الذكاء لتريهم كيفية كتابة أفضل بطاقات فهرس ممكنة وكيفية العثور على الصفحات الصحيحة.
لعبة "جرب وتعلم": تركوا النظام يلعب لعبة المحقق آلاف المرات. إذا اختار النظام البطاقة الخاطئة أو فاته دليل ما، يحصل على "درجة سيئة". وإذا اختار البطاقة الصحيحة وحل اللغز، يحصل على "درجة جيدة". ومع مرور الوقت، تعلم بالضبط كيفية إدارة ذاكرته للفوز في اللعبة.

لماذا هذا مهم (النتائج)

اختبر المؤلفون SAM في أربع مهام صعبة "طويلة الأمد" (مثل البحث في الويب عن حقائق معقدة أو حل ألغاز علمية).

النتيجة: تفوق SAM باستمرار على الطرق الأخرى.
السبب: لم يقم بمجرد التخلص من المعلومات القديمة، ولم يكتفِ بتلخيصها فقط. بل احتفظ بالبيانات الخام بأمان وابتكر طريقة ذكية لـ استرجاع ما هو مطلوب بالضبط بناءً على الوضع الحالي.
التشبيه: إنه يشبه الفرق بين طالب يحفظ الكتاب المدرسي (وينسى التفاصيل) وبين طالب لديه نظام مكتبة مثالي حيث يمكنه العثور فوراً على الفقرة الدقيقة التي يحتاجها للإجابة على سؤال محدد.

الملخص

SAM هو طريقة جديدة للتعامل مع المحادثات الطويلة للذكاء الاصطناعي. بدلاً من محاولة تذكر كل شيء في وقت واحد أو نسيان الماضي، يقوم بتنظيم التاريخ في نظام ملفات. فهو يحفظ التفاصيل الخام بأمان ويستخدم بطاقات فهرس ذكية لاستدعاء المعلومات المحددة المطلوبة للقرار الحالي فقط. وهذا يسمح للذكاء الاصطناعي بحل مشكلات أصعب وأطول دون ارتباك أو فقدان لتتبع الأدلة.

ملخص تقني: الذاكرة المتكيفة مع الحالة (SAM) للوكلاء ذوي الاستدلال طويل الأمد

بيان المشكلة

يتطلب الاستدلال الوكيل طويل الأمد من النماذج اللغوية الكبيرة (LLMs) العمل عبر سجلات تفاعل ممتدة تحتوي على أفكار، واستدعاءات أدوات، وملاحظات، واستنتاجات جزئية متداخلة. التحدي الرئيسي ليس مجرد زيادة طول هذه السجلات، بل في حقيقة أن المعلومات الضرورية لقرار حالي قد تكون مبعثرة عبر خطوات بعيدة ولا تصبح ذات صلوية إلا لاحقاً في مسار العمل.

غالباً ما تفشل استراتيجيات إدارة السياق الحالية — مثل قطع التاريخ، أو ضغطه في ملخصات، أو استرجاع أجزاء مختارة — في هذه السيناريوهات. تعتمد هذه الطرق عادةً على الحداثة أو نوافذ ثابتة الحجم، وهي غير كافية عندما تكون المعلومات المفيدة موزعة عبر خطوات غير متجاورة وتتضح أهميتها فقط مع تطور المهمة. تجادل الورقة بأن الصعوبة الجوهرية تكمن في تنظيم المسارات الماضية بحيث تظل المعلومات الصحيحة متاحة لـ "حالة القرار الحالية" للوكيل، بدلاً من مجرد إبقاء الماضي بأكمله في المتناول أو التخلص منه بناءً على ميزانية ثابتة.

المنهجية: الذاكرة المتكيفة مع الحالة (SAM)

يقترح المؤلفون الذاكرة المتكيفة مع الحالة (SAM)، وهو إطار عمل مستقل مصمم لمعالجة الاستدلال طويل الأمد كمسألة ذاكرة متكيفة مع الحالة. يقوم SAM بفصل العمود الفقي للاستدلال الخاص بالوكيل عن إدارة الذاكرة الخاصة به، مما يسمح بتحسين وحدة الذاكرة بشكل مستقل دون إعادة تدريب الوكيل الأساسي.

البنية الأساسية

تحافظ SAM على عرضين مقترنين لسجل التفاعل:

إشارات الذاكرة الموجزة (Compact Memory Cues): ملخصات خفيفة الوزن تظل مرئية في السياق النشط للوكيل. تعمل هذه الإشارات كمقابض مستمرة أو نقاط دخول إلى التقدم الماضي.
صفحات المسار الخام (Raw Trajectory Pages): سجلات تفاعل مفصلة مخزنة خارجياً، تحافظ على الدقة الكاملة للمسار الأصلي.

يعمل الإطار من خلال عملية توطيد الحلقات القائم على الصفحات (Page-based Episodic Consolidation) واسترجاع الحلقات المدفوع بالنية (Intent-driven Episodic Recall):

التوطيد (مسار الكتابة): عندما يصل السياق الحي للوكيل إلى ميزانية محددة مسبقاً من الرموز (tokens)، يتم تقسيم المسار الأخير إلى "صفحات" متصلة. تقوم نموذج ذاكرة بتوليد إشارة موجزة ( $m_k$ ) لكل صفحة، تلتقط المساهمات ذات الصلة بالاستمرارية (على سبيل المثال: ما الذي تم إثباته، ما الذي تم استبعاده، وما الذي لا يزال غير محلول). ثم يتم إزالة الصفحة الخام من السياق النشط وتخزينها خارجياً، بينما يتم الاحتفاظ بالإشارة في بنك الذاكرة.
الاسترجاع (مسار القراءة): عندما يحتاج الوكيل إلى مراجعة الماضي، فإنه يصدر طلباً للاسترجاع بنيّة محددة ( $q_t$ ). يختار الوكيل مجموعة فرعية من الإشارات ذات الصلة بناءً على حالته الحالية. ثم يقوم نموذج الذاكرة بإعادة بناء المعلومات ذات الصلة بالقرار من الصفحات الخام المقابلة، مشروطاً بنية الاسترجاع. يتيح ذلك للوكيل الوصول إلى المعلومات البعيدة زمنياً عند الطلب دون إعادة تشغيل التاريخ بأكএরه حرفياً.

استراتيجية التحسين

يتم تحسين SAM كقدرة مستقلة من خلال عملية مكونة من مرحلتين، مع إبقاء العمود الفقري للوكيل مجمداً:

الضبط الدقيق الخاضع للإشراف بتوجيه الخبراء (Expert-Guided SFT): يتم تدريب نموذج الذاكرة (الذي تم تهيئته باستخدام Qwen3.5-9B) على آثار من نماذج لغوية رائدة (مثل Claude-4.5-Opus، GPT-5.4) نجحت في حل المهام. يوفر هذا أهدافاً مزدوجة لكل من التوطيد (توليد الإشارات) والاسترجاع المدفوع بالنية (إعادة بناء المعلومات).
OAT-GRPO (التعلم المعزز بأسلوب الشجرة المرتكز على الأوراكل): لتوجيه نموذج الذاكرة نحو المنفعة على مستوى المسار، قدم المؤلفون هدف تعلم معزز متخصص.
- مكافأة النتيجة ذات الهيكل الشجري: على عكس GRPO القياسي الذي يخصص مكافأة واحدة لكامل المسار، يقوم OAT-GRPO بهيكلة المسارات كشجرة استدعاء للذاكرة. يتفرع عند كل إجراء ذاكرة، مما يسم يسمح بتخصيص الائتمان (credit assignment) محلياً لمخرجات ذاكرة محددة بناءً على نتيجة المهمة النهائية.
- مكافأة القابلية للاسترداد المرتكزة على الأوراكل: لمعالوة ندرة إشارات النتيجة، يتم حساب مكافأة "أوراكل" (Oracle) باستخدام لجنة من النماذج الرائدة. تقيم هذه المكافأة مدى تغطية الملخص المسترجع للمساحة المستهدفة من المعلومات المفيدة (الصلة، التغطية، الاتساق) مقارنة بالمراجع الخبيرة، مما يكثف إشارة التعلم.

المساهمات الرئيسية

تحدد الورقة ثلاث مساهمات رئيسية:

الصياغة: تعيد صياغة إدارة السياق طويل الأمد كمسألة ذاكرة متكيفة مع الحالة، مع إعطاء الأولوية للوصال المدفوع بالطلب للمعلومات البعيدة زمنياً على الضغط البسيط القائم على الحداثة.
البنية: تقدم بنية ذاكرة (إشارة-صفحة) تفصل بين التوطيد الخفيف وقت الكتابة وبين إعادة البناء المشروط بالنية فوق صفحات المسار الخام المحفوظة.
وصفة التحسين: تطور مسار تدريب لنماذج ذاكرة مستقلة تجمع بين الإشراف الموجه من الخبراء و OAT-GRPO، وهو هدف تعلم معزز على مستوى إجراء الذاكرة يخصص الائتمان من خلال أشجار استدعاء الذاكرة ومكافآت القابلية للاسترداد المرتكزة على الأوراكل.

النتائج التجريبية

تم تقييم SAM على أربعة اختبارات معيارية للوكلاء طويلة الأمد: BrowseComp، BrowseComp-ZH، WideSearch، و HLE. استخدمت التجارب نماذج خلفية متنوعة، بما في ذلك النماذج المملوكة (GLM-4.7) والمفتوحة المصدر (Qwen3.5-35B-A3B).

الأداء: تفوقت SAM باستمرار على النماذج المرجعية القوية، بما في ذلك استراتيجيات إدارة السياق الاستدلالية (حذف الأدوات، الاحتفاظ بآخر $k$ خطوة، الملخصات المتدحرجة) والأنظمة المفتوحة المصدر الحالية (WebThinker, WebSailor, ReSum, إلخ).
التعميم: حقق نموذج ذاكرة واحد من نوع Qwen3.5-9B، تم تدريبه مرة واحدة، أفضل النتائج عبر جميع مجموعات (الخلفية-الاختبار المعياري)، مما يثبت أن آلية الذاكرة قوية وقابلة للتعميم وليست معتمدة على ارتباطات محددة بين الخلفية والاختبار المعياري.
دراسات الاستئصال (Ablation Studies):
- وُجد أن مرحلتي SFT و OAT-GRPO متكاملتان؛ حيث أدى حذف أي منهما إلى انخفاض في الأداء.
- عُززت المكاسب بشكل أساسي إلى الاسترجاع المدفوع بالنية وليس التوطيد وحده. النسخ التي استخدمت الملخصات فقط أو الاسترجاع القائم على الحداثة كان أداؤها أقل بكثير.
- حافظت SAM على ميزتها حتى مع زيادة جولات التفاعل (على سبيل المثال، تجاوز 80 جولة)، حيث بدأت الطرق القائمة على الملخصات في فقدان المعلومات المفيدة.

الأهمية والادعاءات

تدعي الورقة أن نمذجة الذاكرة الصريحة توفر أساساً بسيطاً وفعالاً للاستدلال الوكيل طويل الأمد. من خلال معاملة الذاكرة كقدرة خارجية قابلة لإعادة الاستخدام تعمل على توحيد التفاعل في مدخلات قابلة للتنقل مع الحفاظ على البيانات الخام لإعادة البناء، تمكن SAM الوكلاء من استعادة المعلومات من مراحل عشوائية في مساراتهم دون إعادة تدريب الخلفية الأساسية.

يضع المؤلفون SAM ليس كبديل لسياسة الاستدلال الخاصة بالوكيل، بل كمكون معياري يحول التاريخ طويل الأمد من عبء سلبي إلى مساحة ذاكرة قابلة للتنقل. تشير النتائج إلى أن القدرة على الوصول إلى معلومات الماضي الصحيحة لحالة القرار الحالية هي عامل حاسم، وإن كان غالباً ما يتم تجاهله، في توسيع نطاق الاستدلال الوكيل. يُقدم هذا العمل كخطوة نحو أنظمة ذاكرة معيارية للوكلاء الأكثر قدرة، وقد تم توفير الكود المصدري لمزيد من البحث.