🤖 machine learning

Field Aware Agent Skill Retrieval

تقترح هذه الورقة طريقة لاسترجاع المهارات مدركة للمجالات تحافظ على البنية الطبيعية متعددة المجالات للمهارات من خلال حساب وتعلم كيفية دمج أوجه التشابه عبر مكونات منفصلة، مما يثبت أن هذا النهج يتفوق بشكل كبير على النماذج المرجعية التقليدية القائمة على التسلسل المسطح، لا سيما مع نمو بنوك المهارات.

المؤلفون الأصليون: Paimon Goulart, Liang Wu, Kelly Wan, Evangelos E. Papalexakis, Liangjie Hong

نُشر 2026-08-05

📖 6 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Paimon Goulart, Liang Wu, Kelly Wan, Evangelos E. Papalexakis, Liangjie Hong

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 قبطان سفينة فضاء لا تتوقف أبدًا عن الاستكشاف. في كل مرة تكتشف فيها كوكبًا جديدًا أو تحل لغزًا صعبًا، تقوم بتدوين التعليمات حول كيفية القيام بذلك وتضعها في أرشيف مكتبة سفينتك. مع مرور الوقت، تنمو هذه المكتبة لتصبح مجموعة ضخمة ومتوسعة باستمرار من أدلة "كيفية القيام بالأشياء". هذا هو عالم وكلاء التعلم مدى الحياة (lifelong learning agents): وهي برامج حاسوبية تزداد ذكاءً باستمرار عبر إضافة مهارات جديدة إلى ذاكرتها دون الحاجة إلى إعادة بنائها بالكامل. لكن هنا تكمن المشكلة: كلما كبرت المكتبة، أصبح العثود إلى الدليل الصحيح للمهمة كابوسًا. إذا اختار الكمبيوتر الدليل الخاطئ، فقد يتبع تعليمات تبدو متشابهة ولكنها في الواقع خاطئة، مما يؤدي إلى تحطم السفينة أو فشل المهمة. تُسمى هذه المشكلة استرجاع المهارة (skill retrieval)، وهي الفرق بين روبوت مساعد مفيد وروبوت مرتبك يحاول باستمرار استخدام مفك براغي بينما يحتاج إلى مفتاح ربط.

السؤال الكبير الذي يسأله العلماء هو: كيف ننظم هذه المكتبة حتى يجد الكمبيوتر الأداة المناسبة فورًا؟ تتعامل معظم الأنظمة الحالية مع دليل كل مهارة ككتلة نصية واحدة ضخمة؛ فهي تدمج العنوان والملخص والتعليمات التفصيلية معًا في سلسلة واحدة طويلة، تمامًا مثل خلط المكونات في "سموذي" حيث لا يمكنك تذوق الفراولة بشكل منفصل عن الموز. هذا البحث الذي ستطالعه بعنوان "استرجاع المهارة المدرك للحقول" (Field Aware Agent Skill Retrieval)، يقترح أن نهج "السموذي" هذا هو خطأ. بدلاً من ذلك، يجادل المؤلفون بضرأ ضرورة إبقاء المكونات منفصلة. هم يقترحون التعامل مع العنوان والوصف وجسم المهارة كأجزاء متميزة، تمامًا مثل إبقاء التوابل والخضروات واللحوم في أوعية منفصلة قبل الطهي. من خلال القيام بذلك، يمكن للكمبيوتر النظر إلى العنوان ليرى ما هي المهارة، والوصف ليرى متى تُستخدم، والجسم ليرى كيف يتم تنفيذها، بدلًا من الضياع في فوضى عارمة من الكلمات.

المشكلة في نهج "السموذي"

في عالم الذكاء الاصطناعي، تُخزن "المهارة" عادةً كملف (يُسمى غالبًا SKILL.md) يحتوي على ثلاثة أجزاء رئيسية: الاسم، والوصف، والجسم (التعليمات الفعلية خطوة بخطوة). حاليًا، تأخذ معظم أنظمة الاسترجاع هذه الأجزاء الثلاثة وتلصقها معًا في جملة واحدة طويلة. ثم تستخدم محرك بحث لمطابقة سؤال المستخدم مع هذه الكتلة الضخمة من النصوص.

يجادل مؤلفو هذا البحث بأن هذا إغفال كبير. فكر في الأمر كأنك تحاول العثور على وصفة محددة في كتاب طبخ حيث تم تمزيق كل صفحة وخلطها في كومة واحدة من الورق. إذا كنت تبحث عن "كيفية خبز كعكة"، فقد يرتبك النظام الحالي بسبب ظهور كلمة "كعكة" في وصف لحدث "رقصة الكعكة" أو في وصف "نكهة كعكة الشوكولاتة" في قسم آخر. من خلال تسطيح النص، يفقد النظام سياق من أين جاءت تلك المعلومات. فالاسم يخبرك بالهوية، والوصف يخبرك بالسياق، والجسم يخبرك بالفعل. وعندما تخلطهم جميعًا، فإنك تضعف الإشارة المفيدة.

الحل: إبقاء المكونات منفصلة

اختبر الباحثون فكرة جديدة: الاسترجاع المدرك للحقول (Field-Aware Retrieval). بدلاً من خلط المهارة في "سموذي"، أبقوا الاسم والوصف والجسم في "حقول" منفصلة (أو أوعية منفصلة).

إليك كيف يعمل نظامهم:

الترميز المنفصل: عندما ينظر الكمبيوتر إلى مهارة ما، فإنه لا يقرأ الملف بأكمله دفعة واحدة. بل يقرأ الاسم، ثم الوصف، ثم الجسم، ويعامل كل منها كوثيقة صغيرة مستقلة.
التقييم المزدوج: لكل مهارة، يحسب النظام نوعين من الدرجات لكل جزء: درجة "متفرقة" (Sparse Score) (تعتمد على مطابقة الكلمات بدقة، مثل فهرس بطاقات المكتبة التقليدي) ودرجة "كثيفة" (Dense Score) (تعتمد على معنى الكلمات، مثل المساعد الذكي الذي يفهم المفاهيم).
خدعة "التنسور" (Tensor): نظرًا لأنهم أبقوا الأجزاء منفصلة، فإن البيانات تبدو ككتلة ثلاثية الأبعاد (تنسور) بدلاً من قائمة مسطحة. وهذا يسم يسمح للنظام برؤية العلاقات بين الأجزاء. على سبيل المثال، يمكنه تعلم أن المطابقة في حقل "الاسم" عادة ما تكون أكثر أهمية من المطابقة في حقل "الجسم" لأنواع معينة من الأسئلة.
الوزن الذكي: يستخدم النظام نموذج تعلم بسيط وصغير (شبكة عصبية صغيرة تسمى MLP) لتقرير مقدار الوزن الذي يجب إعطاؤه لكل جزء. فهو يتعلم أن الوصف قد يكون هو المفتاح في بعض الأحيان، وفي أحيان أخرى يكون الجسم هو المفتاح.

ماذا وجدوا: كلما كبرت المكتبة، زادت أهمية الفصل

اختبر الفريق فكرتهم على مجموعتين كبيرتين من المهارات: SkillRet (التي تضم حوالي 6,660 مهارة) و SRA-Bench (التي تضم أكثر من 26,000 مهارة). وقارنوا منهجهم القائم على "الحقول المنفصلة" بالمنهج القديم القائم على "الدمج معًا".

كانت النتائج واضحة: إبقاء الحقول منفصلة يعمل بشكل أفضل.

في المكتبة الأصغر (SkillRet): حققت الطريقة الجديدة، التي استخدمت نموذجًا متعلمًا لوزن الحقول، استدعاءً عند الدرجة العاشرة (Recall@10) بنسبة 77.95. وهذا يعني أنه عندما بحث الكمبيوتر عن المهارة الصحيحة، كان لديه الإجابة الصحيحة ضمن أفضل عشرة تخمينات له بنسبة تقارب 78%. أما الطريقة القديمة "المدمجة" التي استخدمت نموذجًا متعلمًا مشابهًا، فقد وصلت فقط إلى 73.61.
في المكتبة الضخمة (SRA-Bench): اتسعت الفجوة بشكل ملحوظ. فمع نمو المكتبة إلى 26,262 مهارة، حققت طريقة "الحقول المنفصلة" مع النموذج المتعلم استدعاءً عند الدرجة العاشرة (Recall@10) بنسبة 83.78. بينما لم تتمكن أفضل طريقة "مدمجة" من تجاوز 76.52.

كان الاكتشاف الأكثر إثارة هو ما يتعلق بـ النطاق (Scale). لاحظ المؤلفون أنه كلما أصبحت مكتبة المهارات أكبر وأكثر ضجيجًا (مليئة بمهارات متشابهة في النطق ولكنها خاطئة)، زادت ميزة إبقاء الحقول منفصلة. عندما كانت المكتبة صغيرة، كان بإمكان الطريقة القديمة النجاح رغم قلة دقتها، ولكن عندما أصبحت المكتبة ضخمة، كان منهج "الإدراك للحقول" أكثر استقرارًا ودقة. وهذا يشير إلى أنه كلما زادت المهارات التي يمتلكها الوكيل، زادت حاجته لفهم بنية تلك المهارات لتجنب الارتباك.

لماذا يهم هذا الأمر؟

يشير هذا البحث إلى أن الطريقة التي نمثل بها المهارة لا تقل أهمية عن المهارة نفسها. فمن خلال مجرد رفض دمج الاسم والوصف والجسم معًا، وبدلاً من ذلك السماح لنموذج ذكاء اصطناعي صغير بتعلم كيفية وزنهم، يصبح النظام أفضل بكثير في العثيد على الأداة المناسبة للمهمة.

وجد المؤلفون أن نسخة بسيطة لا تتطلب تدريبًا (حيث يحصل كل حقل على صوت متساوٍ) كانت بالفعل أفضل من الطريقة القديمة. ولكن عندما سمحوا للكمبيوتر بتعلم كيفية التصويت (بإعطاء وزن أكبر للاسم لبعض المهام وللجسم لمهام أخرى)، ارتفع الأداء بشكل أكبر. هذا ليس مجرد تحسن طفيف؛ إنه تحول في كيفية تفكيرنا في تنظيم معرفة الذكاء الاصطناعي. إنه يثبت أن البنية مهمة. تمامًا كما أن المطبخ المنظم جيدًا يجعل الطبخ أسهل، فإن بنك المهارات المنظم جيدًا يجعل الذكاء الاصطناعي أكثر ذكاءً.

في النهاية، يظهر البحث أننا لا نحتاج دائمًا إلى نماذج أكبر وأكثر تعقيدًا لحل المشكلات. أحيانًا، نحتاج فقط إلى التوقف عن خلط مكوناتنا واحترام البنية الموجودة بالفعل. ومع استمرار وكلاء التعلم مدى الحياة في تنمية مكتباتهم، قد يكون نهج "الإدراك للحقول" هذا هو المفتاح لمنعهم من الضياع في معرفتهم الخاصة.

ملخص تقني: استرجاع المهارات المدرك للمجالات (Field-Aware)

بيان المشكلة

مع تراكم بنوك المهارات لدى الوكلاء الذين يتعلمون مدى الحياة، أصبحت القدرة على استرجاع المهارة الصحيحة لمهمة معينة تمثل عنق زجاجة حرجاً. تعامل طرق الاسترجاع الحالية المهارات عادةً كـ "وثائق مسطحة" عبر دمج حقولها المتميزة (مثل الاسم، والوصف، والمتن) في سلسلة نصية واحدة قبل تطبيق الاسترجاع اللفظي (مثل BM25) أو الاسترجاع الكثيف (Dense Embedding).

يجادل المؤلفون بأن عملية التسطيح هذه تتجاهل البنية الطبيية متعددة المكونات للمهارات. ففي ملف المهارة (الذي يكون عادةً بصيغة SKILL.md)، تخدم الحقول المختلفة أغراضاً متباينة: حيث يوفر الاسم والوصف سياقاً حول متى ولماذا تكون المهارة قابلة للتطبيق، بينما يحتوي المتن على تعليمات وسير عمل مفصلة. إن تسطيح هذه الحقول يؤدي إلى تمييع هذه المعلومات الهيكلية. ومع نمو بنوك المهارات، يساهم هذا الافتقار إلى الهيكلية في حدوث "تظليل المهارة" (Skill Shadowing)، حيث تحجب المهارات المتشابهة في المظهر ولكن غير ذات الصلة المهارة الصحيحة، مما يؤدي إلى تدهور أداء الوكيل في المهام اللاحقة.

المنهجية

يقترح البحث نهجاً مدركاً للمجال (Field-Aware) يحافظ على البنية المكونة للمهارات بدلاً من تسطيحها.

1. التمثيل التنسوري للمهارة (Tensorized Skill Representation)

بدلاً من ترميز سلسلة نصية مدمجة، تعامل هذه الطريقة كل مهارة $s_i$ كمجموعة من $C=3$ مكونات منفصلة: الاسم، والوصف، والمتن.

يتم ترميز كل مكون $x_{i,c}$ بشكل مستقل باستخدام مشفر $\phi$ (مثل TF-IDF أو Qwen3-Embedding-0.6B) لإنتاج تضمينات (embeddings) $e_{i,c} \in \mathbb{R}^d$ .
يتم تكدیس هذه التضمينات لتشكيل تنسور مهارة من الدرجة الثالثة $X \in \mathbb{R}^{N \times d \times C}$ ، حيث $N$ هو عدد المهارات و $C$ هو عدد المكونات. يحافظ هذا على "نمط المكون" (component mode)، مما يسمح للنظام بتمييز ما إذا كان التطابق قد نشأ من الاسم، أو الوصف، أو المتن.

2. الاسترجاع عبر العمليات التنسورية

بالنسبة لاستعلام $q$ ، يقوم النظام بترميزه إلى $v_q$ ويحسب درجات التشابه مقابل كل مكون من مكونات كل مهارة:

تسجيل المكون (Component Scoring): ينتج الضرب النقطي (dot product) على طول بُعد الميزات مصفوفة درجات $M \in \mathbb{R}^{N \times C}$ ، حيث تمثل $M_{i,c}$ التشابه بين الاستعلام والمكون $c$ للمهارة $i$ .
تجميع الدرجات (Score Aggregation): للحصول على درجة صلة نهائية $r_i$ $r_{i}$ لكل مهارة، يتم تجميع درجات المكونات. يقيم البحث استراتيجيتين للتجميع:
1. الأوزان الموحدة (Uniform Weights): متوسط الدرجات عبر المكونات ( $w_c = 1/C$ )، وهي طريقة لا تتطلب تدريباً.
2. شبكة MLP متعلمة (Learned MLP): تتعلم شبكة عصبية متعددة الطبقات (MLP) صغيرة $f_\theta$ كيفية وزن ودمج درجات مستوى المكون (والمجموعات الهجينة من الدرجات المتفرقة والكثيفة المحتملة) لتحسين الاسترجاع.

3. الرؤى الهجينة المتفرقة والكثيفة (Hybrid Sparse and Dense Views)

يدعم الإطار الاسترجاع الهجين من خلال الحفاظ على رؤى منفصلة متفرقة (TF-IDF) وكثيفة (Qwen embeddings). بالنسبة لمهارة مكونة من ثلاثة حقول، ينتج عن ذلك ست درجات لكل زوج (استعلام-مهارة). يتم بعد ذلك إما متوسط هذه الدرجات بشكل موحد أو تمريرها عبر رأس الدمج المتعلم، مما يسمح للنموذج بدمج الأدلة من نماذج مختلفة مع الاحتفاظ بالمعرفة حول المجال الذي ساهم في الدرجة.

النتائج الرئيسية

تم تقييم الطريقة على معيارين: SkillRet (6,660 مهارة، 4,997 استعلاماً) و SRA-Bench (26,262 مهارة، 5,400 استعلاماً عبر ستة مجالات).

الأداء على المعايير

فصل الحقول: تفوق الحفاظ على الحقول منفصلة باستمرار على النماذج المدمجة (concatenated baselines). في SkillRet، أدى نموذج "الهجين (لكل مجال)" (Hybrid per-field) الذي لا يتطلب تدريباً إلى تحسين Recall@10 من 72.82% (للمدمج) إلى 74.03%.
الوزن المتعلم (Learned Weighting): تم تحقيق أقوى النتائج بواسطة نموذج Hybrid (per-field) + MLP.
- SkillRet: حقق 77.95 في Recall@10 و 0.77 في MRR، متفوقاً على النموذج المدمج المتعلم (73.61 في Recall@10).
- SRA-Bench: حقق 83.78 في Recall@10 و 0.67 في MRR، متفوقاً بشكل ملحوظ على النموذج المدمج المتعلم (76.52 في Recall@10).

تحليل التوسع (Scaling Analysis)

حلل المؤلفون الأداء مع زيادة حجم بنك المهارات (عبر إضافة مهارات مشتتة عشوائية).

مع نمو البنك، شهدت جميع الطرق انخفاضاً في الأداء بسبب زيادة الضجيج والتشابه.
ومع ذلك، ظل نموذج field-aware MLP هو الأكثر استقراراً وفعالية.
اتسعت الفجوة في الأداء بين الطرق المدركة للمجال والطرق المدمجة مع نمو بنك المهارات. عند الحجم الكامل لـ SRA-Bench (26,262 مهارة)، حافظ نموذج field-aware MLP على 83.78% في Recall@10، بينما انخفض نموذج الـ MLP المدمج إلى 76.52%.

الأهمية والادعاءات

يدعي البحث أن تمثيل المهارة نفسه أمر جوهري للاسترجاع. المساهمة الأساسية هي إثبات أن مجرد الحفاظ على البنية الموجودة لملفات المهارات (تقسيمها إلى اسم، ووصف، ومتن) بدلاً من تسطيحها يؤدي إلى تحسينات كبيرة في الاسترجاع.

النقاط الرئيسية تشمل:

الحفاظ على البنية: التعامل مع المهارات ككائنات متعددة الحقول يكشف عن تمثيل تنسوري طبيعي يحسن الاسترجاع مقارنة بالوثائق المسطحة.
الوزن المتعلم للمجالات: بينما يساعد التوزين الموحد للحقول، فإن تعلم كيفية دمج درجات مستوى الحقل عبر MLP صغيرة يعطي أكثر النتائج اتساقاً وقوة.
القابلية للتوسع: يصبح الاسترجاع المدرك للمجال حاسماً بشكل متزايد مع نمو بنوك المهارات، مما يعالج مشكلة "تظليل المهارة" حيث يكون الاسترجاع في أصعب حالاته.

يضع المؤلفون هذا العمل كدليل أولي على أن الممارسات الحالية لتسطيح حقول المهارات قد تخلق اختناقات ومشكلات في التمثيل. ويقترحون أن العمل المستقبلي يمكن أن يستكشف تعلم نماذج تضمين مدركة للمجال أو استغلال البنية التنسورية لبنوك المهارات مباشرة لأغراض الضغط والتفكيك.