← أحدث الأبحاث
💰 quantitative finance

FinanceHarness: Autonomous Financial Deep Research Framework

تقدم الورقة البحثية FinanceHarness، وهو إطار عمل مستقل للبحث المالي العميق والمتكامل من البداية إلى النهاية يدمج أدوات متخصصة وسير عمل بتوجيه من الممارسين، إلى جانب FinanceGym، وهو معيار صارم يظهر فجوات أداء كبيرة في النماذج الحالية وتحسينات ملموسة من خلال النظام المقترح.

المؤلفون الأصليون: Yijia Xiao, Rujun Han, Yanfei Chen, Zifeng Wang, Ke Jiang, Zhongying CuiZhu, Vishy Tirumalashetty, Wei Wang, Burak Gokturk, Tomas Pfister, Chen-Yu Lee

نُشر 2026-07-31
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Yijia Xiao, Rujun Han, Yanfei Chen, Zifeng Wang, Ke Jiang, Zhongying CuiZhu, Vishy Tirumalashetty, Wei Wang, Burak Gokturk, Tomas Pfister, Chen-Yu Lee

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 محقق يحاول حل لغز ما، ولكن هناك قاعدة صارمة: لا يمكنك استخدام سوى الأدلة التي كانت موجودة قبل وقوع الجريمة. لا يمكنك التلصص على تقرير الشرطة المكتوب في اليوم التالي، وبالتأكيد لا يمكنك قراءة مقال الصحيفة عن المحاكمة التي لم تبدأ بعد. هذا هو عالم البحث المالي العميق. إنه مجال يحاول فيه الذكاء الاصطناي (AI) أن يعمل كمحلل أسهم بشري، حيث ينقب في جبال من البيانات لمعرفة ما إذا كانت الشركة استثماراً جيداً. وللقيام بذلك بشكل جيد، يحتاج الذكاء الاصطناعي إلى شيئين: مكتبة ضخمة من الأخبار والتقارات الماضية ("الأدلة")، وطريقة للتفكير نقدياً فيما قد يحدث لاحقاً دون الغش عبر النظر إلى نموذج الإجابة.

لفترة طويلة، كان الذكاء الاصطناعي بارعاً في كتابة التقارير العامة، مثل تلخيص حبكة فيلم أو شرح كيفية عمل بركان. لكن التمويل وحش من نوع مختلف. الأمر لا يتعلق فقط بإيجاد الحقائق؛ بل يتعلق بربط النقاط بين أرباح شركة ما، ومنتج جديد لمنافس، وتغيير في السياسة الحكومية للتنبؤ بالمستقبل. المشكلة هي أن معظم أدوات الذكاء الاصطناعي تشبه الطلاب الذين يغشون بالنظر إلى إجابات الاختبار قبل إنهاء الامتحان. فهي "تسرب" المعلومات المستقبلية عن غير قصد، مما يجعلها تبدو أذكى مما هي عليه في الواقع. ولإصلاح ذلك، احتاج العلماء إلى طريقة لاختبار الذكاء الاصطناعي في ألغاز مالية حيث يكون "المستقبل" مغلقاً بدقة، مما يجبر الذكاء الاصطناعي على الاعتماد على مهارات التفكير الخاصة به بدلاً من التخمين المحظوظ.

هنا يأتي مشروع جديد يسمى FinanceHarness، ومعه ساحة تدريبه FinanceGym. فكر في FinanceGym كlevel في لعبة فيديو عالية المخاطر مصممة خصيصاً لاختبار الذكاء الاصطناعي المالي. لقد بنى المبتكرون مكتبة ضخمة مضادة للسفر عبر الزمن تحتوي على ملايين المقالات، ولكن مع لمسة سحرية: لكل سؤال يُطرح، تغلق المكتبة الباب أمام أي مقال نُشر بعد تاريخ معين. إذا حاول الذكاء الاصطناعي التلصص على تقرير من الشهر القادم، يظل الباب مغلقاً. هذا يضمن أنه عندما يقدم الذكاء الاصطناعي تنبؤاً، فإنه يستخدم عقله بالفعل، وليس مجرد نسخ حقيقة مستقبلية.

ثم بنى الباحثون FinanceHarness، وهو يشبه مجموعة أدوات متخصصة ومدرباً للذكاء الاصطناعي. فبدلاً من ترك الذكاء الاصطناعي يتجول في الإنترنت فحسب، يمنحه هذا الـ "harness" (السرج/الإطار) طريقة منظمة للعمل. فهو يجبر الذكاء الاصطناعي على جمع الأدلة، والتحقق من مصادره، وكتابة تقرير يستشهد بدقة بالمكان الذي وجد فيه معلوماته. إنه يشبه إعطاء محقق عدسة مكبرة، ودفتر ملاحظات، وقاعدة صارمة تقول: "يجب أن تثبت كل ادعاء تقدمه".

عندما اختبروا أذكى نماذج الذكاء الاصطناعي المتاحة على هذه اللعبة الجديدة والصعبة، كانت النتائج مفاجئة. فحتى أنظمة الذكاء الاصطناعي الأكثر تقدماً، والتي عادة ما تتفوق في اختبارات المعرفة العامة، عانت بشدة. في الواقع، لم تنجح أفضل النماذج إلا في حوالي 40% من الأسئلة. وهذا يشير إلى أنه بينما يتحسن الذكاء الاصطناعي في القراءة، فإنه لا يزال يجد صعوبة بالغة في التصرف كمحلل مالي خبير يمكنه النظر في البيانات الماضية والتنبؤ بثقة بما سيحدث لاحقاً. تُظهر الورقة البحثية أن امتلاك "دماغ أكبر" (نموذج ذكاء اصطناعي أكبر) ليس كافياً؛ بل يحتاج الذكاء الاصطناعي إلى الأدوات الصحيحة وبيئة صارمة ليتعلم كيف يفكر كالمحترفين.

وجد الفريق أن نظامهم الجديد، FinanceHarness، ساعد نموذج ذكاء اصطناعي قياسي مفتوح المصدر على القفز من 25.3% إلى 32.4%. ورغم أن هذا قد يبدو رقماً صغيراً، إلا أنه في عالم التحليل المالي المتخصص، يعد خطوة كبيرة للأمام. إنه يثبت أنه من خلال منح الذكاء الاصطناعي "السرج" (harness) المناسب — وهو مزيج من الأدوات المتخصصة، والقيود الزمنية الصارمة، والتوجيه الخبير — يمكننا البدء في بناء آلات لا تكتفي بمجرد قراءة الأخبار، بل تفهم بالفعل القصة المعقدة لعالم المال. وتخلص الورقة إلى أنه لا تزال هناك مساحة كبيرة للتحسين، حيث إن حتى الأنظمة الأفضل بعيدة تماماً عن المثالية، لكن هذا الإطار الجديد يعطينا طريقة واضحة وعادلة لقياس مدى التقدم الحقيقي الذي نحرزه.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💰 q-fin →