🤖 AI

Locally Coherent, Globally Incoherent: Bounding Compositional Incoherence in Multi-Component LLM Agents

تُصيغ هذه الورقة البحثية وتُقيس نمط الفشل المتمثل في "التماسك المحلي، وعدم الاتساق العالمي" في الوكلاء اللغويين ذوي المكونات المتعددة باستخدام متبقٍ تركيبي قابل للحساب أثناء التشغيل، مُثبتةً أن التماسك المحلي غالباً ما يفشل في ضمان الاتساق الاحتمالي العالمي، وأن التدابير التخفيفية الحالية من جانب النماذج اللغوية الكبيرة غير فعالة، بينما يوفر الإسقاط الحتمي والمراقبة التسلسلية حلولاً قابلة للتطبيق.

المؤلفون الأصليون: Anany Kotawala

نُشر 2026-05-29

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Anany Kotawala

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 بحثية بعنوان "متسق محلياً، غير متسق عالمياً" باستخدام لغة بسيطة وتشبيهات من الحياة اليومية.

المشكلة الكبرى: معضلة "كثرة الطهاة"

تخيل أنك تدير مطعماً حيث وظفت أربعة طهاة خبراء لتخطيط مأدبة ضخمة واحدة.

الطاهي (أ) طُلب منه فقط التخطيط لـ المقبلات.
الطاهي (ب) طُلب منه فقط التخطيط لـ الطبق الرئيسي.
الطاهي (ج) طُلب منه فقط التخطيط لـ الحلوى.
الطاهي (د) طُلب منه فقط التخطيط لـ المشروبات.

كل طاهٍ منهم عبقري، وهو واثق تماماً في قسمه الخاص. يقول الطاهي (أ): "أنا متأكد بنسبة 80% أننا سنحتاج إلى 50 مقبلات". ويقول الطاهي (ب): "أنا متأكد بنسبة 80% أننا سنحتاج إلى 50 طبقاً رئيسياً". وهكذا.

المشكلة: يقوم صاحب المطعم (الذي يمثل "الوكيل" أو Agent) بمجرد جمع كل الأرقام. ولكن لأن الطهاة لم يتحدثوا مع بعضهم البعض، فقد يخططون بالخطأ لـ 200 شخص بينما يتسع المطعم لـ 100 شخص فقط. أو قد يخططون لنسبة 100% من المقبلات و100% من الأطباق الرئيسية، رغم أن قائمة الطعام لا تسمح بوجود كلاهما في آن واحد لكل طاولة.

في عالم الذكاء الاصطناعي، يُسمى هذا "متسق محلياً، غير متسق عالمياً" (Locally Coherent, Globally Incoherent).

متسق محلياً: كل نموذج ذكاء اصطناٍ (طاهٍ) يؤدي مهمته الصغيرة الخاصة بشكل جيد جداً.
غير متسق عالمياً: عندما تجمع إجاباتهم معاً، فإن الحساب الإجمالي لا يعطي منطقاً سليماً. الاحتمالات تتجاوز 100% (أو تقل عنها)، مما يخلق فوضى منطقية.

الاكتشاف الرئيسي للورقة البحثية

وجد المؤلفون أنه حتى لو كان كل نموذج ذكاء اصطناعي دقيقاً ومنطقياً تماماً في مهمته الفردية، فإن دمجهم غالباً ما يكسر القواعد الرياضية.

يسمون هذا الخطأ الرياضي بـ "المتبقي التركيبي" ( $\epsilon^\star$ ). فكر في هذا كـ "مقياس للنفايات":

إذا كانت القراءة 0، فإن الإجابة المجمعة مثالية.
إذا كانت القراءة مرتفعة، فإن الإجابة المجمعة مكسورة منطقياً (مثل الادعاء بأن هناك احتمال 150% لهطول الأمطار).

اختبروا ذلك على ما يقرب من 2,000 سيناريو مختلف (مثل التنبؤ بفوز انتخابات، أو نتائج رياضية، أو الاكتتابات العامة للشركات التقنية) باستخدام أربعة نماذج مختلفة للذكاء الاصطناعي. ووجدوا أن 33% إلى 94% من الوقت، كانت الإجابة المجمعة مكسورة، رغم أن الأجزاء الفردية كانت تعمل بشكل جيد.

لماذا يحدث هذا؟

توضح الورقة أن نماذج الذكاء الاصطناعي "عمياء" عن الصورة الكبيرة.

المتخصص الضيق الأفق: عندما تسأل الذكاء الاصطناعي: "ما هي فرصة فوز الولايات المتحدة بكأس العالم؟"، يجيب بناءً على تدريبه.
السياق المفقود: هو لا يعرف أنك سألت أيضاً ذكاءً اصطناعياً آخر: "ما هي فرصة فوز البرازيل؟" و"ما هي فرصة فوز ألمانيا؟".
النتيجة: يقول ذكاء أمريكا 60%، والبرازيل 60%، وألمانيا 60%. المجموع هو 180%. هذا مستحيل. لم يكن الذكاء الاصطناعي يعلم أنه جزء من فريق يجب أن يكون مجموع احتمالاته 100%.

الحلول التي جربوها (وفشلت)

حاول الباحثون إصلاح ذلك باستخدام طرق "ناعمة"، وهي تشبه إعطاء تعليمات أفضل للطهاة:

الاسترجاع (Retrieval): السماح للطهاة بالبحث عن الحقائق عبر جوجل. (فشل: ظلوا غير قادرين على الاتفاق على المجموع الكلي).
أوامر (Prompts) أفضل: إخبار الطهاة: "تذكروا، أنتم جزء من فريق، ويجب أن مجموع إجاباتكم يساوي 1". (فشل: ظلوا يرتكبون الأخطاء).
الذكاء الاصطناعي "المدير": جعل ذكاء اصطناعي ذكي يعمل كمدير يستمع لجميع الطهاة ويعيد كتابة إجاباتهم. (فشل: غالباً ما كان المدير يجعل الأمور أسوأ أو لا يصلح الرياضيات).

الخلاصة: لا يمكنك إصلاح هذا الأمر بمجرد التحدث إلى الذكاء الاصطناعي بشكل أفضل. نماذج الذكاء الاصطناعي معزولة بطبيعة تصميمها.

الحل الحقيقي: "المصحح الرياضي"

بما أنه لا يمكنك إصلاح الطهاة، فأنت بحاجة إلى "مصحح رياضي" يتدخل بعد انتهاء عملهم.

يقترح المؤلفون طريقة تسمى "إسقاط بويل-دايكسترا الهرمي" (Hierarchical Boyle–Dykstra Projection).

التشبيه: تخيل أن الطهاة سلموك قائمة مكونات تزن 200 كجم، لكن شاحنتك لا تستطيع حمل أكثر من 100 كجم. بدلاً من طلب إعادة كتابة القوائم من الطهاه (وهو ما يفعلونه بشكل سيء)، يمكنك ببساء استخدام آلة لـ تقليم الوزن الزائد من أعلى الكومة حتى يتناسب تماماً مع الشاحنة، مع الحفاظ على النسب النسبية للمكونات كما هي في الأصل قدر الإمكان.
كيف يعمل: يأخذ النظام الإجابة المكسورة (التي تتجاوز 100%) ويستخدم صيغة رياضية صارمة لـ "إسقاطها" على شكل منطقي وصحيح (يسمى "polytope"). إنه يجبر الأرقام على الالتزام بقوانين الاحتمالات دون الحاجة لأن "يفكر" الذكاء الاصطناعي في الأمر.

هذه الطريقة حتمية (تعمل دائماً بنفس الطريقة) وسريعة. فهي تحول إجابة الاحتمال المكسورة (150%) إلى إجابة مثالية (100%) في لمح البصر.

لماذا يجب أن تهتم؟ (عامل "الندم")

تظهر الورقة أن هذه ليست مجرد مشكلة رياضية نظرية؛ بل إنها تكلف أموالاً حقيقية في اتخاذ القرارات.

إذا كنت مراهناً أو صانع قرار تستخدم وكلاء الذكاء الاصطناعي هؤلاء، فإن الإجابة المكسورة تؤدي إلى الندم. قد تراهن على حصان يقول الذكاء الاصطناعي إن فرصته 60%، ولكن بسبب أن رياضيات الذكاء الاصطناعي كانت مكسورة، كانت تلك الـ 60% في الواقع كذبة.
باستخدام "المصحح الرياضي" الخاص بهم، أظهروا أنه يمكنك توفير المال (يُقاس بـ "النات" - nats، وهي وحدة لزيادة المعلومات) لأنك تتوقف عن المراهنة بناءً على رياضيات مستحيلة.

ملخص في جملة واحدة

عندما تطلب من نماذج ذكاء اصطناعي متعددة حل أجزاء من لغز كبير، فإنها غالباً ما تعطي إجابات لا تتوافق مع بعضها البعض؛ وأفضل طريقة لإصلاح ذلك ليست بطلب بذل جهد أكبر منهم، بل باستخدام "أداة تقليم رياضية" لإجبار إجاباتهم على أن تكون منطقية قبل استخدامها.

ملخص تقني: اتساق محلي، عدم اتساق عالمي

1. بيان المشكلة

غالبًا ما تقوم وكلاء النماذج اللغوية الكبيرة (LLM) متعددة المكونات بتفكيك المشكلات المشتركة المعقدة إلى مهام فرعية يتولاها وكلاء فرعيون متخصصون أو أدوات. وبينما قد تكون المكونات الفردية متسقة محليًا (متسقة داخليًا ومعايرة على أسئلتها الفرعية المحددة)، فإن تجميع مخرجاتها يمكن أن ينتهك بديهيات الاحتمالات الأساسية. هذه الظاهرة، التي تُسمى "اتساق محلي، عدم اتساق عالمي"، تؤدي إلى حالة اعتقاد مركبة تعطي كتلة احتمالية إجمالية أكبر من 1 (أو تنتهك القيود المنطقية مثل $P(A) + P(\neg A) = 1$ ).

تفشل مقاييس التقييم الحالية (دقة كل سؤال، المعايرة، التنبؤ المتوافق) في اكتشاف الانتهاكات المنطقية عبر المكونات. وبناءً على ذلك، يمكن للوكلاء متعددي المكونات إنتاج "تعرضات داتش-بوك" (Dutch-book exposures)—وهي مجموعات من الرهانات التي تضمن خسارة للنظام—بسبب عدم الاتساق الناتج عن التركيب فقط، حتى عندما يكون كل مكون سليمًا بشكل فردي.

2. المنهجية

الإطار النظري

يصيغ البحث نمط الفشل هذا باستخدام الهندسة المحدبة ونظرية الاحتمالات:

المتبقي التركيبي ( $\varepsilon^\star$ ): يُعرَّف بأنه مسافة $L_2$ بين الاقتباس المركب (بعد الإصلاحات المحلية) والمتعدد الأوجه المتسق المشترك ( $M_\star$ ). يمثل هذا المتعدد الأوجه مجموعة نواقل الاحتمال التي تستوفي القيود المنطقية المشتركة (مثل التقسيمات، والنفي، والاقتران).
ثنائية بنية المنتج (النظرية 3.3): يثبت البحث شرطًا ضروريًا وكافيًا لجعل الاتساق المحلي يؤدي إلى الاتساق العالمي. في حالة "التجميع المختار من المالك" (حيث يمتلك كل مكون مجموعة فرعية متميزة من الإحداثيات)، يُضمن الاتساق العالمي إذا وفقط إذا كان المتعدد الأوجه المشترك يتحلل إلى حاصل ضرب كارتيزي لمتعددات الأوجه المحلية ( $M_\star = M_\boxtimes$ ). إذا وجدت قيود اقتران بين المكونات (مثل تقسيم يلزم أن يكون مجموعه 1)، فإن الاتساق المحلي لا يكفي، ومن الممكن أن يكون $\varepsilon^\star > 0$ .
توقع المقدار (الاستنتاج 3.9): يتم التنبؤ بمتوسط مربع المتبقي باستخدام صيغة نسبة رايلي (Rayleigh-quotient) بناءً على تغاير لوحة المتخصصين والمتجه العمودي للقيد الرابط. يسمح هذا بالتنبؤ بمقدار عدم الاتساق بشكل مغلق قبل عملية التوجيه.
**حد التعرض (الاستنتاج 3.5):: تحت النظرية الأساسية لتسعير الأصول (FTAP)، يتم حصر تعرض نظام "داتش-بوك" بـ $\sqrt{m^\star} \varepsilon^\star$ ، حيث $m^\star$ هو عدد الإحداثيات المشتركة.

الإصلاح الخوارزمي

إسقاط بويل-دايكسترا الهرمي: لإصلاح التركيبات غير المتسقة بشكل حتمي، يقترح المؤلفون خوارزمية إسقاط دوري. تقوم هذه الخوارزمية بإسقاط الاقتباس المركب بشكل متكرر على المتعددات الأوجه المحلية ومجموعة الاقتران (القيود) حتى الوصول إلى التقارب مع المتعدد الأوجه المتسق المشترك.
المراقبة التسلسلية: تم تقديم عملية e (e-process) صالحة في أي وقت لمراقبة تدفقات المتبقيات التركيبية بمرور الوقت، مما يسمح للمشغلين باكتشاف عدم الاتساق المستمر دون تحديد أفق توقف مسبق.

الإعداد التجريبي

قيم المؤلفون 1,876 من مجموعات (cliques) التجميع عبر أربعة فئات من العلاقات المنطقية: النفي، الاقتران، التشتت، والتقسيم.

النماذج: لوحة متوسطة المستوى (Claude-Haiku-4.5، GPT-5.4-mini/nano، Llama-3.3-70b) ولوحة رائدة (تشمل GPT-5.5، Claude-Opus-4.7، DeepSeek-V3.2).
الاختبارات المرجعية: Paleka (الاتساق عبر الأسئلة) وPolymarket (أحداث التقسيم).
البروتوكولات: تخصيص عشوائي للأسئلة للمتخصصين، توجيه مهيكل، وأدوات تحكم تحت تصرف المخطط.

3. النتائج الرئيسية

النتائج التجريبية

انتشار عدم الاتساق: لوحظ $\varepsilon^\star > 0$ في 33–94% من المجموعات، اعتمادًا على فئة العلاقة. أظهرت مهام التقسيم أعلى معدل فشل (94%)، تليها النفي (66%)، ثم التشتت (43%)، والاقتران (33%).
توقع المقدار: طابقت توقعات نسبة رايلي المتبقيات المرصودة ضمن هامش 7% لثلاث من الفئات الأربع. أما فئة الاقتران فقد قللت التوقع قليًّا (0.83×) لأن متوسط اللوحة يقع في الداخل لـ Fréchet halfspace، وهو نظام تنبأت به النظرية.
التأثير على صنع القرار: تسبب التركيب الساذج في ندم قدره +0.115 نات لكل رهان بموجب قاعدة التخصيص النسبي. بينما قلل إصلاح JCD الهرمي هذا الندم إلى ما يقرب من الصفر، مما يضاهي أداء نموذج (LLM) واحد كمرجع (oracle).
فشل التخفيفات من جانب LLM:
- الاسترجاع: فشل تعزيز المتخصصين بأدوات البحث في تقليل $\varepsilon^\star$ ؛ وفي 20 حالة من أصل 30، أدى ذلك إلى زيادة عدم الاتساق.
- هندسة الأوامر (Prompt Engineering): قللت الأوامر المدركة للتقسيم من المتبقيات، لكنها تركت 53% من التقسيمات مع $\varepsilon^\star > 0.05$ .
- نماذج LLM المجمعة: أدى تفويض الاتساق إلى نموذج لغوي مجمع إلى تقليل متوسط المتبقي، لكنه ظل ينتج 15% من التقتميمات بقيمة تتجاوز 0.05، و7% تراجعت مقارنة بالتركيب الساذج.
- النماذج الرائدة: حتى مع لوحة مكونة من نماذج رائدة فقط، استمر $\varepsilon^\star > 0$ في 97.8% من رهانات التقسيم، وإن انخفض المقدار بنسبة 39%.

التحقق من الآلية

وضوح الاقتران: أظهرت تجربة حيث عُرضت قيود التقسيم واقتباسات الأقران على المتخصصين صراحةً ("INFORMED") انخفاضًا كبيرًا في $\varepsilon^\star$ مقارنة بالأوامر المعزولة ("BLIND")، مما يؤكد أن الفشل ينبع من افتقار المتخصصين للرؤية حول قيود المكونات المتقاطعة.
طوبولوجيا التوجيه: لم يؤدِ التوجيه المهيكل (تخصيص نماذج محددة لعلاقات معينة) إلى القضاء على عدم الاتساق، رغم أنه غير توزيع المتبقيات.

4. المساهمات

صياغة نمط فشل: يحدد البحث ويصنف نظام "الاتساق المحلي، عدم الاتساق العالمي"، ويثبت أن المعايرة لكل مكون ليست كافية للاتساق على مستوى النظام تحت ظروف الاقتران.
شهادة وقت التشغيل ( $\varepsilon^\star$ ): يقدم مقياسًا قابلًا للحساب وغير معتمد على التوزيع لقياس عدم الاتساق على مستوى النظام، والذي يتطلب فقط المخرج المركب والقيود المعلنة.
الثنائية النظرية: يوفر شرطًا دقيقًا (النظرية 3.3) متى يكفي الاتساق المحلي، مفرقًا بين تحليل بنية المنتج والقيود المقترنة.
الإصلاح البنائي: يوضح أن إسقاط بويل-دايكسترا الهرمي يمكنه القضاء حتمًا على $\varepsilon^\star$ بتكلفة حل واحد للبرمجة التربيعية (QP)، متفوقًا على جميع البدائل القائمة على الأوامر أو المجمعات اللغوية.
اختبار مرجعي تجريبي: يضع اختبارًا قابلاً للتفكيك حيث يتوافق ترتيب الصعوبة (التقسيم > النفي > التشتت > الاقتران) مع التوقعات النظرية المتعلقة بمدى تقييد المتعدد الأوجه.

5. الأهمية والادعاءات

يدعي البحث أن الاتساق على مستوى النظام هو خاصية متميزة عن المعايرة لكل مكون يجب إدارتها صراحةً في الأنظمة متعددة الوكلاء. المساهمة الرئيسية هي إعادة صياغة $\varepsilon^\star$ تشغيليًا كشهادة وقت تشغيل يمكنها اكتشاف وإصلاح تعرضات "داتش-بوك" التي لا يستطيع أي مكون فردي تحديدها.

يؤكد المؤلفون على أن:

هندسة الأوامر والاسترجاع غير كافيين لحل هذه المشكلة؛ فالفشل هيكلي لتركيب التوقعات الاحتمالية المعزولة.
الإصلاح الهندسي ضروري وكافٍ لاستعادة الاتساق عندما يكون طقم الاقتران صريحًا.
الفشل يستمر عبر أحجام النماذج المختلفة، مما يشير إلى أن زيادة قدرة النموذج لا تحل بطبيعتها مشكلة عدم الاتساق التركيبي.

يضع العمل $\varepsilon^\star$ كحاجز حماية حرج للتطبيقات عالية المخاطر (التنبؤ، دعم القرار) حيث يكون الاتساق المنطقي أمرًا بالغ الأهمية، موفرًا إصلاحًا حتميًا يكمل طرق تقدير عدم اليقين الحالية مثل التنبؤ المتوافق.