Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation
تقدم هذه الورقة إطار عمل \textsc{Ptah}، وهو إطار عمل متعدد الوكلاء ينظم التخطيط، وجمع الأدلة مع ذاكرة عمل بصرية، وتوليد التقارير بفرض التحقق لإنتاج تقارير بحث عميق متعددة الوسائط موثوقة، ومخلصة للاقتباسات، ومتداخلة بصرياً.
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 تطلب من مساعد ذكي كتابة تقرير مفصل واحترافي حول موضوع معقد، مثل "كيف تعمل الشبكات العصبية العميقة؟" أو "ما هي الحالة الراهنة لسوق السيارات الكهربائية؟"
في الماضي، كانت هذه المساعدات تكتفي فقط بإنتاج كتلة ضخمة من النصوص. وأحياناً، كانت تخطئ في الحقائق (الهلوسة)، وإذا حاولت إضافة صور، فغالباً ما كانت الصور عشوائية، أو غير ذات صلة، أو موضوعة بشكل مربك، كأنها لوحة "كولاج" صنعها شخص لم يقرأ التعليمات.
تقدم هذه الورقة البحثية PTAH، وهو نظام جديد مصمم ليعمل مثل طاقم بناء محترف لبناء هذه التقارير. فبدلاً من وجود عامل واحد وحيد يحاول القيام بكل شيء في وقت واحد، يستخدم PTAH فريقاً من الوكلاء المتخصصين الذين يعملون معاً تحت إشراف صارم لبناء تقرير يمزج بين النصوص والصور بشكل مثالي.
إليك كيف يعمل PTAH، مقسماً إلى خطوات بسيطة:
1. المخطط (التخطيط)
أولاً، يعمل وكيل المخطط (Planner Agent) كمهندس معماري. قبل وضع لبنة واحدة، يرسم مخططاً تفصيلياً. هو يقرر:
- ما هي الأقسام التي يحتاجها التقرير.
- ما هي الحقائق التي يجب البحث عنها.
- الأهم من ذلك: أين يجب أن توضع الصور وما هو نوع الصور المطلوبة (على سبيل المثال: "نحتاج إلى رسم بياني هنا لإظهار نمو المبيعات"، أو "نحن بحاجة إلى مخطط لتوضيح المحرك").
2. طاقم الجمع (البحث)
بعد ذلك، ينطلق فريق من وكلاء الباحثين (Researcher Agents) إلى الإنترنت لجمع المواد.
- يقومون بإيجاد الحقائق وتدوينها.
- كما يعملون مثل رحلة بحث عن الكنز البصري. فهم لا يلتقطون أي صورة فحسب؛ بل يبحثون عن صور محددة تتوافق مع المخطط.
- يضعون هذه الصور "المتوافقة مع المصدر" (الصور التي جاءت بالفعل من المواقع التي زاروها) في ذاكرة عمل بصرية (Visual Working Memory) خاصة. فكر في الأمر كصندوق أدوات رقمي حيث يتم تسمية كل أداة (صورة) بدقة توضح مصدرها وما الذي يفترض أن تثبته.
3. مفتش مراقبة الجودة (المدقق)
هذا هو الجزء الأهم. قبل انتقال التقرير إلى المرحلة التالية، يعمل وكيل المدقق (Verifier Agent) كمفتش بناء صارم.
- يتحقق من: "هل وجدوا حقاً الحقائق التي ادعوا وجودها؟"
- يتحقق من: "هل هذه الصورة هي بالفعل من الموقع الذي استشهدوا به؟"
- يتحقق من: "هل تبدو هذه الصورة منطقية بجانب هذه الفقرة؟"
- إذا كانت الإجابة "لا"، فعلى الطاقم العودة لإصلاح الأمر. هذا يمنع النظام من اختلاق حقائق وهمية أو لصق صور عشوائية ومربكة.
4. خط التجميع (الكتابة)
أخيراً، يقوم وكيل الكاتب (Writer Agent) بتجميع المنتج النهائي. بدلاً من مجرد كتابة النص وتمني ملاءمة صورة له لاحقاً، فإنه يكتب النص وتعليمات الصور معاً، مثل قائد يقود أوركسترا.
- يستخدم "صندوق الأدوات" المكون من الصور التي تم التحقق منها.
- إذا كانت هناك حاجة لرسم بياني محدد غير موجود بعد، فيمكنه إنشاؤه.
- ثم يحول كل ذلك إلى صفحة ويب تفاعلية مصقولة (مثل موقع ويب مصغر) تبدو احترافية وسهلة القراءة.
"توسيع وقت الاختبار" (التلميع)
قبل تسليم التقرير إليك، يقوم PTAH بجولة نهائية من "التلميع". ينظر إلى التقرير بأكمله مرة أخرى لإصلاح المسافات، والتأكد من أن الصور ليست مزدحمة للغاية، وضمان أن التنسيق يبدو جيداً على الشاشة. إنه يشبه الجولة النهائية قبل بيع المنزل.
كيف اختبروه (PTAHEval)
أدرك الباحثون أن الاختبارات القديمة كانت تتحقق فقط مما إذا كان النص جيداً. لذا أنشأوا اختباراً جديداً يسمى PTAHEval للحكم على الحزمة كاملة:
- جودة المحتوى البصري: هل الصورة واضحة؟ وهل تساعد حقاً في شرح النص؟
- جودة العرض: هل تبدو صفحة الويب النهائية جيدة؟ هل هي سهلة القراءة، أم أنها مجرد خليط فوضوي؟
النتائج
عندما اختبروا PTAH مقابل الأنظمة الذكية الأخرى:
- حقائق أفضل: ارتكب PTAH أخطاء أقل واستشهد بمصادر حقيقية بشكل أكبر بكثير.
- صور أفضل: كانت الصور ذات صلة ومفيدة حقاً، وليست مجرد زينة.
- تنسيق أفضل: بدت التقارير النهائية كوثائق احترافية، وليس كمسودات فوضوية.
باختصار: PTAH يشبه استئجار فريق من المهندسين المعماريين والبنائين والمفتشين لبناء منزل، بدلاً من الطلب من شخص واحد تخمين المخطط وبناء كل شيء دفعة واحدة. والنتيجة هي تقرير ليس ذكياً فحسب، بل موثوق بصرياً وسهل الفهم بالنسبة للبشر.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.