Stop When Memory Suffices: Evidence-Conditioned Progressive Execution for LLM Agents

تخيل أنك تحاول حل لغز ضخم يستغرق عدة أيام. لديك دفتر ملاحظات عملاق مليء بكل محادثة، وكل دليل، وكل أداة استُخدمت، وكل خطأ ارتكبته أثناء التحقيق. لحل لغز جديد، يمكنك إما قراءة الدفتر بأك-مله من الغلاف إلى الغلاف في كل مرة (وهذا يستغرق وقتاً طويلاً ومجهداً)، أو يمكنك محاولة تلخيص كل شيء في ورقة مرجعية صغيرة مسبقاً (وهو أمر سريع، لكنك قد تفقد تفصيلاً حاسماً مخبأً في الخطوط الدقيقة). هذا هو الصراع اليومي للوكلاء الاصطناعيين (AI agents)—وهي برامج حاسوبية مصممة لتفكر وتتصرف وتتذكر مثل البشر. ومع ازدياد ذكاء هؤلاء الوكلاء الاصطناعيين وتوليهم مهاماً أطول وأكثر تعقيداً، فإنهم يحتاجون إلى طريقة لتذكر الأشياء دون الغرق في الحجم الهائل للمعلومات. السؤال الكبير الذي يطرحه العلماء هو: كيف يمكن للذكاء الاصطناعي أن يعرف بالضبط مقدار ذاكرته التي يحتاج إلى الاطلاع عليها لحل مشكلة ما، حتى لا يضيع الوقت في قراءة الكتاب بأكمله بينما صفحة واحدة فقط تكفي؟

هنا تأتي فكرة جديدة تسمى Router-Mem. فكر فيها كأمين مكتبة فائق الذكاء لا يكتفي فقط بجلب الكتب، بل يقرر أيضاً "كم" من المكتبة ستحتاج فعلياً لزيارته. في الماضي، كانت أنظمة ذاكرة الذكاء الاصطناعي عالقة في فخ "الطرفين النقيضين": إما أنها كانت فائقة السرعة ولكنها تفقد الأدلة المهمة (نهج "الورقة المرجعية")، أو كانت دقيقة للغاية ولكنها بطيئة بشكل لا يصدق لأنها تقرأ كل شيء في كل مرة (نهج "قراءة الكتاب بأكمله"). يكسر Router-Mem هذه القاعدة من خلال العمل كـ "محقق تصاعدي".

إليك كيف يعمل الأمر: عندما تطرح سؤالاً على الذكاء الاصطناعي، يقوم أولاً بـ "اختبار شم" سريع وغير مكلف لذاكرته لالتقاط بعض الأدلة ذات الصلة. بعد ذلك، ينظر "شرطي مرور" صغير وخفيف الوزن (يُسمى الراوتر/الموجه - router) إلى تلك الأدلة وإلى السؤال. يطرح سؤالاً بسيطاً بنعم أو لا: "هل هذا كافٍ لحل اللغز الآن؟" إذا كانت الإجابة نعم، يقدم لك الذكاء الاصطناعي الإجابة فوراً ويتوقف، مما يوفر قدراً هائلاً من الوقت. أما إذا كانت الإجابة لا، فلا يبدأ النظام من البداية؛ بدلاً من ذلك، يستخدم تلك الأدلة الأولية كخريطة للغوص بعمق أكبر في أقسام الذاكرة المحددة التي تحتاج إلى مزيد من الاهتمام، وجمع المزيد من الأدلة قبل الإجابة.

لقد اختبر الباحثون هذا النظام على معيارين صعبين للذاكرة وهما AMA-Bench و BEAM. ووجدوا أن Router-Mem يغير قواعد اللعبة. في اختبار AMA-Bench، حقق درجة 55.17%، وفي اختبار BEAM، سجل 38.77%. لكن السحر الحقيقي يكم-ن في السرعة. فمقارنة بالطريقة القديمة التي تقرأ تاريخ الذاكرة بالكامل في كل مرة، قلل Router-Mem الوقت الذي يستغرقه التفكير بنسبة 27.3% في أحد الاختبارات و 25.5% في الآخر.

تشير الورقة البحثية إلى أن نهج "توقف عندما تملك ما يكفي" هو النقطة المثالية. فهي تثبت أنه ليس عليك الاختيار بين أن تكون سريعاً أو أن تكون دقيقاً. فمن خلال تدريب "موجه" ذكي على معرفة متى يكون الدليل كافياً، يمكن للنظام تخطي العمل الشاق في الأسئلة السهلة، مع الاستمرار في البحث العميق في الأسئلة الصعبة. إنه يشبه امتلاك محقق يعرف تماماً متى يغلق القضية ومتى يستمر في البحث، مما يجعل الذاكرة طويلة المدى للذكاء الاصطناعي فعالة وقوية في آن واحد.