Skill-as-Pseudocode: Refactoring Skill Libraries to Pseudocode for LLM Agents
تقترح الورقة البحثية "المهارة ككود زائف" (Skill-as-Pseudocode - SaP)، وهي طريقة تلقائية تحول مكتبات المهارات المكتوبة بصيغة ماركداون (markdown) الحرة إلى كود زائف محدد النوع مع تحقق حتمي، مما يمكّن وكلاء النماذج اللغوية الكبيرة (LLM agents) من تحقيق معدلات نجاح أعلى بكثير وتقليل استهلاك الرموز (tokens) في اختبار ALFWorld من خلال توفير تواقيع محددة النوع ونماذج استدعاء ملموسة.
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 تقوم بتعليم روبوت ذكي جداً ولكنه حرفي للغاية كيفية القيام بالأعمال المنزلية، مثل تنظيف المنزل أو تنظيم المطبخ. أنت تعطي الروبوت دليلاً إرشادياً ضخماً وفوضوياً مكتوباً بلغة بشرية عادية (Markdown).
المشكلة: "الحلقة المربكة"
في كل مرة يحتاج فيها الروبوت للقيام بشيء ما، يتعين عليه قراءة فقرات طويلة من النصوص ليعرف أمرين:
- ما هو المهمة (على سبيل المثال: "نقل الكوب").
- وكيف يقول ذلك بالضبط لنظام كمبيوتر المنزل (على سبيل المثال: النظام لا يقبل إلا الأمر
move mug to shelfوليسput mug on shelf).
لأن التعليمات مدفونة داخل فقرات، يخطئ الروبوت في التخمين غالباً. يحاول أن "يضع" (put) الكوب، فيرد نظام المنزل بـ "لا شيء يحدث"، فيصاب الروبوت بالارتباك. ثم يعود لقراءة الدليل مرة أخرى، ويخمن بشكل خاطئ مجدداً، ثم يعلق في حلقة مفرغة من الفشل. هذا يهدر الوقت ويجعل الروبوت ينفد من الطاقة (أو "التوكنز/الرموز" في مصطلحات الذكاء الاصطناعي).
الحل: "المهارة كشفرة برمجية وسيطة" (Skill-as-Pseudocode - SaP)
قام مؤلفو هذه الورقة البحثية بابتكار نظام يسمى Skill-as-Pseudocode (SaP). فكر في هذا كـ "مترجم" يأخذ الدليل البشري الفوضوي ويعيد كتابته إلى ورقة غش منظمة ومرتبة للروبوت.
إليك كيف يعمل هذا المترجم، باستخدام تشبيه بسيط:
1. المحقق (البحث عن الأنماط)
تخيل أمين مكتبة يراجع مئات الأدلة الإرشادية المختلفة. يلاحظ أن العديد من الأدلة تقول الشيء نفسه بطرق مختلفة.
- الدليل (أ) يقول: "اذهب إلى المطبخ، خذ الملح، وضعه في الخزانة."
- الدليل (ب) يقول: "ابحث عن الملح على الطاولة وانقله إلى الخزانة."
يدرك أمين المكتبة أن هذه في الواقع هي نفس الإجراء الأساسي. لذا يقوم بتجميع هذه التعليمات المتشابهة معاً في "عنقود" (Cluster).
2. المهندس المعماري (رسم المخطط)
لكل مجموعة من التعليمات المتشابهة، يطلب النظام من الذكاء الاصطناعي صياغة "عقد محدد النوع" (Typed Contract).
- بدلاً من الفقرة، يبدو هذا العقد كدالة برمجية:
move_object(from: "counter", to: "cabinet"). - إنه يوضح بوضوح: ما هي المدخلات المطلوبة؟ ماذا يحدث بعد ذلك؟ وما هي القواعد؟
3. مفتش السلامة (الفحوصات الأربعة)
قبل أن يسمح النظام للروبوت باستخدام هذا المخطط الجديد، يقوم مفتش سلامة صارم بإجراء أربعة فحوصات محددة للتأكد من أن الترجمة مثالية:
- التغطية (Coverage): هل أغفلنا أي تفاصيل مهمة من النص الأصلي؟
- الربط (Binding): هل نعرف بالضبط من أين نأتي بـ "الملح" أو "الكوب" من الجملة الأصلية؟
- الاستبدال (Replacement): إذا استبدلنا الفقرة القديمة بهذا المخطط الجديد، هل سيظل بقية الدليل منطقياً؟
- المخاطر (Risk): هل تؤدي هذه التعليمة الجديدة بالخطأ إلى أمر يخبر الروبوت بفعل شيء خطير (مثل حذف ملف أو كسر نافذة)؟
إذا اجتاز المخطط جميع الفحوصات الأربعة، يتم اعتماده. وإذا فشل في واحد منها حتى، يتم استبعاده لمنع ارتباك الروبوت.
4. التسليم (الـ "حزمة")
عندما يحتاج الروبوت للقيام بمهمة، فإنه لا يحصل على الدليل القديم الفوضوي. بل يحصل على "حزمة" (Bundle) تتكون من ثلاثة أجزاء، مقدمة بالترتيب المثالي:
- قالب "كيفية التنفيذ" (How-To Template): الكلمات الدقيقة التي يجب أن يكتبها الروبوت لكمبيوتر المنزل (مثل:
{target} move_object to {object}). - "توقيع" المهارة (What Signature): ملخص واضح لما تفعله المهارة.
- السياق (Context): بقية التعليمات، بعد تنظيفها بحيث لا تتعارض مع القالب الجديد.
النتائج
اختبر الباحثون هذا النظام في لعبة تسمى ALFWorld، حيث يتعين على وكيل ذكاء اصطناعي حل ألغاز منزلية.
- الطريقة القديمة (Graph-of-Skills): كان الروبوت يقرأ الدليل الفوضوي، ويخمن بشكل خاطئ، ويعلق في حلقات، ويفشل كثيراً.
- الطريقة الجديدة (SaP): حصل الروبوت على "ورقة الغش" النظيفة. عرف تماماً ما يجب فعله وكيف يقوله فوراً.
النتيجة:
- حل الروبوت 82 من أصل 134 لعبة باستخدام الطريقة الجديدة، مقارنة بـ 47 فقط بالطريقة القديمة.
- كما استخدم 22% أقل من الذاكرة وقام بـ 14% من النداءات الأقل لعقل الذكاء الاصطناعي لأنه لم يعد مضطراً لإعادة قراءة الدليل مراراً وتكراراً عندما يعلق.
باخت-الاختصار:
تظهر الورقة البحثية أنه إذا توقفت عن إعطاء وكلاء الذكاء الاصطناعي فقرات طويلة وفوضوية، وبدلاً من ذلك أعطيتهم تعليمات مهيكلة ومحققة تشبه "الأكواد البرمجية"، فإنهم سيتوقفون عن الارتباك، ويتوقفون عن ارتكاب الأخطاء، وينجزون المهمة بشكل أسرع. يعمل النظام كمحرر دقيق يحول النثر البشري إلى مخططات جاهزة للروبوتات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.