🤖 AI

PANDO: Efficient Multimodal AI Agents via Online Skill Distillation

يقدم PANDO إطار عمل فعال لتقطير المهارات عبر الإنترنت يُمكّن الوكلاء الويب متعددي الوسائط من تحسين الأداء وتقليل استهلاك الرموز (tokens) من خلال الحفاظ على مكتبة مهارات مهيكلة وتوظيف تقنيات مثل انعكاس التقدم والتحفيز المدرك للتخزين المؤقت، محققاً معدل نجاح بنسبة 58.3% في VisualWebArena بتكاليف استدلال أقل بكثير مقارنة بالطرق الحالية.

المؤلفون الأصليون: Yubo Li, Yidi Miao, Haotian Shen, Yuxin Liu

نُشر 2026-05-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yubo Li, Yidi Miao, Haotian Shen, Yuxin Liu

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 PANDO، مترجم إلى لغة بسيطة باستخدام التشبيهات.

المشكلة الكبرى: فخ "الدفع مقابل النقرة"

تخيل أنك توظف مساعداً ذكياً جداً، ولكنه مكلف، لمساعدتك في التسوق عبر الإنترنت. في كل مرة ينظر فيها إلى صفحة ويب، أو يفكر فيما يجب فعله، أو يضغط على زر، يتعين عليك دفع رسوم صغيرة له (تسمى "توكن" أو وحدة رمزية).

حالياً، تحاول معظم وكلاء الذكاء الاصطناعي (AI Agents) التحسن في أداء وظائفهم من خلال إنفاق المزيد من المال. إذا فشلوا، يحاولون مرة أخرى. إذا تعثروا، يطلبون رأياً ثانياً. يقومون بتنفيذ المهمة نفسها عشر مرات ويختارون أفضل نتيجة. هذا ينجح، لكنه يشبه دفع أجرة سيارة أجرة للذهاب إلى البقالة، ثم دفع أجرة سيارة ثانية للعودة للتأكد مما إذا كنت قد نسيت محفظتك، ثم سيارة ثالثة للتأكد من السعر. هذا ينجز المهمة، لكنه مكلف للغاية وبطيء.

تساءل مؤلفو هذه الورقة: هل يمكننا صنع وكيل يصبح أرخص وأسرع كلما عمل أكثر، بدلاً من مجرد إنفاق المزيد من المال في كل مرة؟

الحل: PANDO (وكيل "شجرة الحور العملاقة")

بنى الباحثون وكيلاً يسمى PANDO. وقد أطلقوا عليه هذا الاسم تيمناً بـ "باندو" (Pando)، وهي مجموعة أشجار حور في يوتا.

التشبيه: تبدو "باندو" كأنها 47,000 شجرة منفصلة، لكنها في الواقع جميعها متصلة بـ نظام جذري واحد تحت الأرض. عندما تنمو شجرة واحدة، فإنها تشارك العناصر الغذائية مع الأشجار الأخرى. وعندما تموت شجرة، يتذكر النظام الجذوري ذلك ويحافظ على حياة الغابة بأكملها.
نسخة الذكاء الاصطناعي: "باندو" هو وكيل ذكاء اصطنا جنبي لديه "جذر ذاكرة مشترك" (مكتبة مهارات). بدلاً من معاملة كل مهمة جديدة كمشكلة جديدة تماماً، فإنه يتذكر ما تعلمه من المهام السابقة ويستخدم تلك الدروس لحل المهام الجديدة.

كيف يعمل PANDO (دورة الـ 4 خطوات)

لا يقوم PANDO بمجرد التخمين والتحقق، بل يتبع دورة: التخطيط ← التنفيذ ← التأمل ← التعلم.

التخطيط: "العقل" (ذكاء اصطناعي ذكي ومكلف) يقسم المهمة الكبيرة (مثل "ابحث عن أرخص جيتار بسعر أقل من 500 دولار") إلى خطوات صغيرة.
التنفيذ: "اليدان" (ذكاء اصطناعي أرخص وأسرع) تقومان بالفعل بالضغط على الأزرار.
التأمل: "المدير" يتحقق مما إذا كانت الخطوات قد نجحت. هل تغيرت قائمة المنتجات بعد تطبيق فلتر السعر؟ إذا لم يحدث ذلك، فما السبب؟
التعلم (الجزء السحري): هنا يصبح PANDO أكثر ذكاءً.
- مكتبة المهارات: إذا نجح الوكيل في العثور على جيتار رخيص، فإنه يكتب "الوصفة": "للعثور على الأشياء الرخيصة، اضغط على 'ترتيب حسب السعر' ثم 'من الأقل إلى الأعلى'". يحفظ هذا كـ قاعدة أو روتين.
- إعادة استخدام المهارات: في المرة القادمة التي يحتاج فيها الوكيل إلى العثور على المنتج "الأغلى"، فإنه لا يحتاج إلى التفكير بعمق. ببساطة ينظر إلى مكتبته، ويرى القاعدة، ويحول المفتاح إلى "من الأعلى إلى الأقل".
- الخفض (التنظيف): إذا توقفت قاعدة ما عن العمل (على سبيل المثال، تغير تصميم موقع ما)، فإن الوكيل يحددها كـ "معطلة" ويتوقف عن استخدامها. هذا يمنع الوكيل من الوقوع في حلقات مفرغة من محاولة استخدام تعليمات قديمة ومعطلة.

لماذا يعد هذا تغييراً لقواعد اللعبة؟

اختبرت الورقة البحثية PANDO في 910 مهام ويب مختلفة (تسوق، إعلانات مبوبة، ريديت). وإليك ما حدث:

معدل النجاح: نجح PANDO بنسبة 58.3% من المرات. وهذا أفضل من أفضل الوكلاء الحاليين (الذين كانت نسبتهم حوالي 54%).
التكلفة: هذا هو الفوز الكبير. استخدم PANDO أقل بنسبة 58% من الرموز (Tokens) (المال) مقارنة بأفضل وكيل آخر.
تأثير "الغداء المجاني":
- في البداية: يكون PANDO بطيئاً قليلاً لأنه يتعلم القواعد.
- لاحقاً: مع بناء مكتبة مهاراته، يصبح أسرع وأرخص. بحلول نهاية الاختبار، كان يحل المهام بخطوات أقل ومال أقل مما بدأ به.
- التشبيه: تخيل طالباً يؤدي اختبار رياضيات.
  - الوكلاء القدامى: في كل مرة يرى فيها مسألة جديدة، يعيد استنتاج الصيغة الرياضية من الصفر. هذا يستغرق وقتاً طويلاً جداً.
  - PANDO: في المرة الأولى التي يرى فيها مسألة، يحلها ويكتب الصيغة في ورقة ملاحظات. في الـ 99 مرة التالية، ينظر فقط إلى ورقة الملاحظات. ينهي الاختبار بشكل أسرع وبجهد ذهني أقل.

"التكاليف الخفية" التي يتجنبها PANDO

تشير الورقة إلى أن الوكلاء الآخرين يخفون تكاليفهم بطريقتين:

الاكتشاف المسبق للتقييم: بعض الوكلاء يقضون أسابيع في "التدريب" أو "اكتشاف" الأدوات قبل بدء الاختبار حتى. أما PANDO فيتعلم أثناء الاختبار، لذا لا توجد تكاليف مسبقة مخفية.
توسيع نطاق التشغيل: بعض الوكلاء يحاولون تنفيذ المهمة 10 مرات ويختارون الفائز. أما PANDO فيحاول مرة واحدة، لكنه يستخدم ذاكرته لجعل تلك المحاولة الواحدة ذات قيمة.

الخلاصة

يثبت PANDO أنك لست بحاجة لإنفاق المزيد من المال على الذكاء الاصطناعي لجعله أفضل. من خلال منحه ذاكرة منظمة (مكتبة مهارات) وطريقة لتنظيف الذكريات السيئة (الخفض)، يصبح الوكيل أكثر كفاءة كلما عمل أكثر.

إنه الفرق بين عامل ينسى كل شيء كل يوم ويحتاج إلى إعادة تدريب باستمرار، وبين عامل يحتفظ بدفتر ملاحظات حول "كيفية القيام بالأشياء" ويصبح أسرع في كل يوم يمر.

الخلاصة الرئيسية: PANDO لا يصبح أكثر ذكاءً فحسب؛ بل يصبح أرخص في التشغيل مع اكتسابه للخبرة.

ملخص تقني: PANDO – وكلاء الذكاء الاصطناعي متعدد الأنماط الفعالين عبر استخلاص المهارات عبر الإنترنت

بيان المشكلة

اعتمدت التطورات الأخيرة في وكلاء الويب متعددي الأنماط بشكل كبير على "اقتصاد الرموز" (token economy) حيث يتم شراء الأداء المحسن من خلال زيادة تكالفي الاستدلال. ويشمل ذلك استراتيجيات مثل توسيع عمليات البحث في التدحرج (مثل Best-of-N)، أو إضافة مراحل التحقق، أو الاكتشاف غير المتصل (offline) للأدوات، أو تكديس النماذج المتخصصة. وبينما تكون هذه الأساليب فعالة في درجات الاختبارات المرجعية، إلا أن هذا النهج يخلق علاقة خطية أو فائقة الخطية بين الإنفاق على الرموز (tokens) والنجاح، مما يؤدي إلى زمن انتقال مرتفع، واستهلاك للطاقة، وتكاليف خفية مرتبطة بالاكتشاف المسبق للتقييم.

يحدد المؤلفون ثلاث حالات عدم كفاءة ميكانيكية محددة في مسارات الوكيل على اختبار VisualWebArena (VWA) المرجعي:

حلقات تكرار الأفعال: غالباً ما يعلق الوكلاء في حلقات من الأفعال المتكررة (34-42% من حالات الفشل الموضحة بالصور).
تكاليف الاكتشاف الخفية: تتحمل أنظمة مثل WALT تكاليف استكشاف كبيرة غير متصلة (offline) غالباً ما تُستبعد من المقاييس المبلغ عنها لكل مهمة.
عدم كفاءة بنية المطالبة (Prompt-architecture): تظهر طرق النصوص/التسميات التوضيحية استخداماً منخفضاً لذاكرة التخزين المؤقت للمطالبات (prompt-cache) بنسبة أقل من 11%، مما يفشل في الاستفادة من البوادئ المستقرة (stable prefixes) مع تراكم خبرة الوكيل.

السؤال المركزي الذي يطرحه البحث هو: هل يمكن للوكيل أن يصبح أكثر كفاءة مع تراكم خبرته، بدلاً من دفع "ضريبة تفكير" ثابتة في كل مهمة؟

المنهجية: إطار عمل PANDO

PANDO (تيمناً بشجر "باندو" الذي يمتلك نظام جذور واحد يدعم العديد من الجذوع) هو إطار عمل للاستخلاص عبر الإنترنت للمهارات في تدحرج واحد (single-rollout). يعمل وفق حلقة: تخطيط ← فعل ← تأمل ← تعلم، مصممة لنمو "مكتبة مهارات" مهيكلة أثناء التقييم دون الحاجة إلى ميزانية اكتشاف مسبقة للتقييم.

المكونات الأساسية

مكتبة المهارات المهيكلة ( $S_t$ ):
- المكتبة هي اتحاد منفصل من القواعد (قواعد حماية حتمية تعمل بمحفزات الأنماط) والروتينات (مهارات برمجية قابلة للتنفيذ ومعلمية/parameterized).
- الاسترجاع: على عكس الاسترجاع القائم على التضمين (embedding-based)، يستخدم PANDO احتواء الكلمات المفتاحية الحرفي لضمان استرجاع حتمي، قابل للتدقيق، وصديق لذاكرة التخزين المؤقت.
- إدارة دورة الحياة: المكتبة ليست ثابتة؛ بل تنمو عبر الإنترنت. يتم استخلاص المسارات الفرعية الناجحة وتحويلها إلى روتينات، بينما يتم تتبع المسارات الفاشلة.
التعلم والاستخلاص:
- الاستقراء (Induction): بعد المسار الناجح، تقوم وحدة التعلم باستخراج المهارات المرشحة إذا كانت تمتلك قالب هدف فرعي قابل لإعادة الاستخدام وأنماط اختيار موثقة.
- دمج أزواج القطبية (Polarity-Pair Merging): لمنع تضخم المكتبة، يتم دمج الروتينات التي تختلف فقط في الاتجاه (مثل "الأرخص" مقابل "الأغلى") في روتين معلمي واحد $f_{\pm}(x, d)$ .
- خفض الرتبة بناءً على الثقة: تحافظ المهارات على تقديرات ثقة جارية ( $c_s = \alpha_s / (\alpha_s + \beta_s)$ ). إذا فشلت المهارة بشكل متكرر، يتم نقلها إلى القائمة السوداء لخفض الرتبة، مما يمنع الوكيل من إعادة اكتشاف الفشل باستخدام روتينات هشة.
اقتصاد التنفيذ:
- التوجيه الهرمي: يُستخدم نموذج قوي (المخطط - Planner) بشكل متفرق لعمليات التفكيك والتأمل. بينما يتولى نموذج أرخص (الممثل - Actor) عمليات الربط الأرضي (grounding) عالية التردد.
- الضغط البصري: يقلل من حمل الرموز (tokens) الخاص بالممثل المهيمن من خلال ضغط المدخلات البصرية.
- المطالبة الواعية بالتخزين المؤقت: تم هيكلة تخطيط المطالبة لوضع التعليمات المستقرة وملخصات المهارات قبل الملاحظات المتغيرة، مما يعظم الاستفادة من ذاكرة KV-cache مع نمو المكتبة.
تفكيك التكلفة:
يصيغ البحث تكلفة الوكيل في أربعة حدود مضافة:
$C(\pi; B) = \frac{C_{pre}}{|B|} + N_{rollout} C_{exec} + C_{verify} + C_{induce}$
يهدف PANDO إلى جعل $C_{pre}=0$ (لا اكتشاف مسبق)، و $N_{rollout}=1$ (تدحرج واحد)، و $C_{induce}$ ضئيلة تُدفع حصرياً ضمن تدفق المهمة، مع تقليل $C_{exec}$ من خلال إعادة استخدام المهارات.

المساهمات الرئيسية

تأطير اقتصاد الرموز: يصيغ المؤلفون هوية تكلفة تفصل بين الاكتشاف قبل التقييم، وتوسع التدحرج، والتحقق، والاستخلاص عبر الإنترنت، مجادلين بأن الاختبارات المرجعية الحالية غالباً ما تخفي هذه العملات التكلفية المتميزة.
إطار تعلم المهارات المهيكل: يدمج PANDO القواعد المفهرسة بالأنماط، والروتينات المعلمية، والاستخلاص عبر الإنترنت، ودمج أزواج القطبية، وخفض الرتبة بناءً على الثقة، والمطالبة الواعية بالتخزين المؤقت في وكيل واحد.
مقاييس الكفاءة الجوهرية: بالإضافة إلى معدل النجاح (SR)، يقدم البحث مقاييس مثل معدل تكرار الأفعال (ARR)، ونسبة تجاوز الخطوات (SOR)، واستخدام ذاكرة التخزين المؤقت للمطالبة لتشخيص عدم الكفاءة على مستوى المسار.
نتائج رائدة (State-of-the-Art): يحقق PANDO حدود "باريتو" جديدة على VWA، حيث يقدم معدلات نجاح أعلى مع عدد أقل بكثير من الرموز مقارلة بجميع النماذج المرجعية.

النتائج التجريبية

تم التقييم على جميع 910 مهمة من اختبار VisualWebArena المرجعي:

معدل النجاح (SR): يحقق PANDO نسبة 58.3%، متفوقاً على SGV (54.0%) ونسخة مكررة من WALT (45.2%).
كفاءة الرموز: يستخدم PANDO في المتوسط 115 ألف رمز لكل مهمة. وهذا يقل بنسبة 58% عن SGV (275 ألف) و61% عن WALT (294 ألف).
المقاييس الجوهرية:
- ARR: بنسبة 9.1% (الأدنى بين الطرق الآلية)، مما يشير إلى تجنب الحلقات بفعالية.
- SOR: بنسبة 1.8× (الأدنى)، مما يظهر أن المهام الفاشلة لا تتسبب في عقوبات خطوات مفرطة.
- استخدام ذاكرة التخزين المؤقت: بنسبة 72.4% (الأعلى)، مما يثبت فعالية بادئات المطالبة المستقرة.
دراسات الاستبعاد (Ablation Studies) على VWA-300:
- مكونات المهارة: قدمت القواعد، والروتينات، والاستخلاص عبر الإنترنت الجزء الأكبر من رفع معدل النجاح (من 38.6% إلى 57.3%).
- مكونات الكفاءة: ساهم التوجيه الهرمي، والضغط البصري، والمطالبة الواعية بالتخزين المؤقت بشكل ضئيل في معدل النجاح، لكنها كانت مسؤولة عن معظم تقليل الرموز (من 147 ألف إلى 117 ألف) وزيادة استخدام ذاكرة التخزين المؤقت.
ديناميكيات التعلم: يظهر النظام مرحلة "بداية باردة" (cold-start) بخطوات عالية (~30 خطوة/مهمة) تستقر لاحقاً إلى ~8.5 خطوة/مهمة مع نضوج المكتبة. نمت مكتبة المهارات من 12 روتيناً أولياً إلى 47 روتيناً مستخلصاً (32 منها نشطة بعد خفض الرتبة) عبر تدفق المهام.

الأهمية والادعاءات

يدعي البحث أن Pendo يثبت أن تقدم وكلاء الويب لا يجب أن يُشترى فقط من خلال زيادة التدحرجات، أو ميزانيات الاكتشاف الخفية، أو تكديس المتخصصين لكل خطوة.

إعادة الاستخدام كراس مال: الرؤية الجوهرية هي أن الإنفاق السابق على الرموز يجب أن يصبح رأسمالاً قابلاً لإعادة الاستخدام. من خلال استخلاص الخبرة في مكتبة مهيكلة وقابلة للتدقيق، يقلل الوكيل من حمل الاستدلال الهامشي بمرور الوقت.
الشفافية: على عكس مخازن المتجهات (vector stores) "الصندوق الأسود" أو مراحل الاكتشاف غير المتصلة، فإن مكتبة مهارات PANDO قابلة للفحص، وحتمية، ومستقرة تحت تخزين المطالبة المؤقت.
التبليغ عن الاختبارات المرجعية: يجادل المؤلفون بأن اختبارات استخدام الكمبيوتر يجب أن تبلغ عن معدل النجاح (SR) جنباً إلى جنب مع الرموز الخام، وحصة الرم tokens المخزنة مؤقتاً، وإنفاق الاكتشاف الخفي، وزمن الانتقال، لتقديم صورة كاملة عن كفاءة الوكيل.

يخلص البحث إلى أن PANDO يحقق نقطة "باريتو" مثالية جديدة: دقة أعلى مع تكلفة هامشية أقل، مما يشير إلى أن "الكفاءة لا تتحقق بفعل الأقل، بل بضمان أن ما يتم فعله لديه مكان يذهب إليه".