SearchMaster: Grounded and Regulated Self-Play for Search Agents
يُعد SearchMaster إطار عمل للعب الذاتي يقوم بتدريب وكلاء البحث القائمين على النماذج اللغوية الكبيرة عبر توليد وحل المهام في بيئة محلية، مستفيداً من مُولّد سلسلة الأدلة، ومكافأة عمق البحث، وعقوبة الإفراط في الفتح لضمان بيانات عالية الجودة وموثقة تُحسن بشكل كبير الأداء في اختبارات البحث العميق دون الاعتماد على أمثلة مصنفة بشرياً.
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 عالماً لا تكتفي فيه الحواسيب بالدردشة فحسب، بل تخرج بالفعل لاستكشاف الإنترنت للعثور على الإجابات، تماماً مثل محقق يبحث في مكتبة عن أدلة. هذا هو مجال "وكلاء البحث" (search agents)، وهي برامج ذكية مبنية على النماذج اللغوية الكبيرة (LLMs) يمكنها قراءة صفحات الويب، والنقر على الروابط، وتجميع المعلومات لحل الألغاز المعقدة. لفترة طويلة، كان تعليم هؤلاء المحققين الرقميين كيفية أداء عملهم بشكل جيد يمثل صداعاً؛ إذ كان يتطلب عادةً معلمين بشريين مكلفين لكتابة أمثلة مثالية لكيفية البحث، أو حتى نماذج ذكاء اصطناعي أقوى لترسم لهم الطريق. ولكن ماذا لو استطاع الذكاء الاصطناعي أن يعلم نفسه؟ هذا هو حلم "اللعب الذاتي" (self-play)، وهو مفهوم يقوم فيه الذكاء الاصطناعي بإنشاء تحدياته الخاصة ويتعلم من خلال حلها. الأمر يشبه شخصية في لعبة فيديو تنشئ مستوياتها الخاصة ثم تلعب من خلالها لتصبح أفضل. ومع ذلك، فإن السؤال الكبير هو: ماذا لو سلك الذكاء الاصطناعي طرقاً مختصرة؟ ماذا لو ابتكر لغزاً يبدو صعباً ولكنه في الواقع خدعة، أو إذا حل مشكلة عبر القراءة السطحية بدلاً من التعمق؟ تتناول هذه الورقة هذه المشكلة تحديداً، حيث تسأل كيف يمكننا تدريب وكلاء البحث هذه ليكونوا صادقين، ودقيقين، وأذكياء حقاً دون الحاجة إلى يد بشرية تمسك بخطواتهم في كل مرحلة.
إليك SearchMaster، وهو إطار عمل جديد وذكي مصمم لإصلاح مشكلة "سلوك الطرق المختصرة" في اللعب الذاتي للذكاء الاصطناعي. فكر في SearchMaster كمدرب صارم ولكن عادل لفريق من محققي الذكاء الاصطناعي. فبدلاً من ترك الذكاء الاصطناعي يتجول بلا هدف، يمنحه SearchMaster ثلاث قواعد محددة لاتباعها، مما يضمن أن بيانات التدريب التي ينشئها مفيدة حقاً.
أولاً، يجب على الذكاء الاصطناعي بناء سلسلة أدلة (Evidence Chain). تخيل أن الذكاء الاصطناعي يحاول حل لغز ما؛ فبدلاً من مجرد تخمين الإجابة بعد قراءة صفحة واحدة، يجب عليه ربط الأدلة مادياً من وثائق مختلفة، مثل توصيل النقاط على الخريطة. إذا لم يستطع إظهار مسار واضح للأدلة من وثيقة إلى أخرى، يتم رفض المهمة. هذا يمنع الذكاء الاصطناعي من اختلاق أسئلة "زائفة" الصعوبة يمكن الإجابة عليها بنظرة سريعة واحدة.
ثانياً، يحصل الذكاء الاصطناत्मक على مكافأة عمق البحث (Search-Depth Reward). في الماضي، إذا حل الذكاء الاصطناعي مشكلة، فإنه يحصل على نجمة ذهبية بغض النظر عن مدى الجهد الذي بذله. يغير SearchMaster قواعد اللعبة: لا يحصل الذكاء الاصطناعي على مكافأة كبيرة إلا إذا اضطر بالفعل للتعمق. إذا حل الذكاء الاصطناعي لغزاً عبر القراءة السطحية لصفحة واحدة فقط، فإنه يحصل على درجة منخفضة. أما إذا اضطر للبحث عبر صفحات عديدة للعثور على الإجابة، فإنه يُثنى عليه. هذا يشجع الذكاء الاصطناعي على إنشاء وحل مهام تتطلب تحقيقاً حقيقياً متعدد الخطوات بدلاً من التخمين السطحي.
ثالثاً، هناك عقوبة الإفراط في الفتح (Over-Opening Penalty). أحياناً، قد يكون الذكاء الاصطناعي غير فعال أو مرتبكاً ويقوم ببساة بفتح ملايين الوثائق دون قراءتها حقاً، آملاً في العثور على الإجابة بمحض الصدفة. يعاقب SearchMaster هذا السلوك. الأمر يشبه مدرباً يقول: "لا يمكنك فتح كل الأبواب في المنزل فحسب؛ عليك البحث عن المفتاح الصحيح". هذا يجبر الذكاء الاصطناعي على أن يكون فعالاً، بحيث يفتح الوثائق فقط عندما يحتاج حقاً إلى معلومات جديدة.
نتائج هذا التدريب الصارم مثيرة للإعجاب. فعندما اختبر الباحثون طريقتهم على نموذج ذكاء اصطناعي قياسي (تحديداً يعتمد على بنية Qwen3.5-9B)، قفزت قدرة النموذج على حل مشكلات البحث العميق من 38.19% إلى 51.52% في المتوسط. وفي اختبار صعب للغاية يسمى BrowseComp-Plus، كان التحسن هائلاً، حيث قفز بمقدار 30.1 نقطة (من 30.12% إلى 60.24%). والجزء الأفضل؟ لقد تعلم الذكاء الاصطناعي كل هذا بمفرده، باستخدام بيئة بحث محلية دون الحاجة إلى أمثلة مكتوبة بشرياً أو عروض توضيحية من خبراء. ومن خلال ترسيخ تعلم الذكاء الاصطناعي في سلاسل أدلة حقيقية وتنظيم سلوكه، يظهر SearchMaster أن الذكاء الاصطناعي يمكنه تعليم نفسه ليكون محققاً أفضل بكثير، شريطة أن يُعلّم كيفية اللعب وفق القواعد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.