← أحدث الأبحاث
🤖 AI

Recursive Synthesis for Long-Horizon Terminal Tasks

تقدم هذه الورقة البحثية مهام الطرفية الاصطناعية التكرارية (RST)، وهو إطار عمل قابل للتوسع يقوم بتوليد والتحقق من مهام الوكيل النهائية طويلة الأمد بشكل تكراري لإنتاج 37,484 مثالاً عالي الجودة بتكلفة منخفضة، مما يعزز بشكل كبير أداء النماذج الضبطية والوكيلية على الاختبارات المعيارية الصعبة دون إظهار علامات تضاؤل العوائد.

المؤلفون الأصليون: Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang

نُشر 2026-08-07
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Zhongzhi Li, Yucheng Shi, Zongxia Li, Ruhan Wang, Anhao Li, Zixun Huang, Junyao Yang, Lei Ke, Ninghao Liu, Haitao Mi, Leowei Liang

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 تعلم روبوتًا ليكون ميكانيكيًا ماهرًا. أنت لا تريد منه فقط أن يعرف شكل المفتاح، بل تريده أن يصلح محرك سيارة لم يسبق له أن تعطل من قبل. هذا هو عالم "الوكلاء الذكيين" (AI agents)—وهي برامج حاسوبية ذكية لا تكتفي بالدردشة معك فحسب، بل تقوم بالفعل بأشياء، مثل كتابة الأوامر، ونقل الملفات، وإصلاح أخطاء البرمجيات. المشكلة الكبرى هي أن هذه الروبوتات سيئة للغاية في المهام الطويلة والمعقدة. إذا طلبت منها بناء منزل، فقد تضع طوبة واحدة ثم تشعر بالارتباك. لتعليمها بشكل أفضل، نحتاج إلى آلاف من مسائل التدريب حيث يحاول الروبوت بناء المنزل، فيفشل، ثم يتم تصحيحه، ثم يحاول مجددًا. لكن صنع مسائل التدريب هذه هو كابوس؛ فإذا قمت بكتابتها يدويًا، فسيكلف ذلك ثروة، وإذا طلبت من الحاسوب كتابتها، فغالبًا ما يبتدع قواعد لا تتوافق مع الأدوات، أو يبتكر لغزًا يستحيل حله. الأمر يشبه طلب وصفة كعكة من طاهٍ، لكن الوصفة تطلب مكونات غير موجودة في المطبخ، أو أن الفرن معطل.

هنا يبرز أسلوب جديد يسمى "مهام الطرفية الاصطناعية المتكررة" (Recursive Synthetic Terminal Tasks - RST). فكر في هذا كـ "آلة تطور رقمية" لإنشاء ألغاز تدريب الروبوتات. بدلاً من قيام البشر بكتابة كل مشكلة، بدأ الباحثون بمجموعة صغيرة مكونة من 639 لغزًا تم التحقق من عملها (وهي "البذور"). ثم استخدموا ذكاءً اصطناعيًا قويًا ليعمل كمصمم ألعاب بارع ولكنه مشاكس. نظر هذا الذكاء الاصطناعي إلى لغز يعمل بالفعل، وأضاف خطوة جديدة أكثر صعوبة إلى الحل (مثل إضافة ترس جديد إلى المحرك)، ثم قام على الفور بتحديث التعليمات و"مفتاح الإجابة" ليتناسب مع النسخة الجديدة الأكثر صعوبة. والأهم من ذلك، قبل حفظ اللغز الجديد، تم إلقاؤه في "صندوق رمال رقمي" (sandbox)—وهو غرفة حاسوب معزولة وآمنة—ليرى ما إذا كان سيعمل بالفعل. إذا فشل الحل، يتم التخلص من اللغز، وإذا نجح، يتم الاحتفاظ به واستخدامه كبذرة للجولات التالية من الألغاز الأكثر صعوبة. قام الباحثون بتشغيل هذه الحلقة 15 مرة. وبحلول النهاية، كانوا قد أنشأوا ما يقرب من 38,000 لغز جديد وموثق. والجزء الأفضل؟ كانت الألغاز تزداد صعوبة حقيقية مع كل جولة. فقد انتقل اللغز المتوسط من الحاجة إلى 67 سطرًا من الكود لحله إلى 374 سطرًا، وقفز عدد الأوامر التي توجب على الروبوت كتابتها من 40 إلى 244 أمرًا.

كانت النتائج دراماتيكية. فعندما اختبروا نموذج حل ذكاء اصطناعي رفيع المستوى على هذه الألغاز، انخفض معدل نجاحه من 90% في الألغاز السهلة للجولة الأولى إلى 2.5% فقط في الجولة الخامسة عشرة. أثبت هذا أن النظام لم يكن يصنع تعليمات أطول فحسب، بل كان يخلق مهامًا تتطلب تفكيرًا أعمق وخطوات أكثر. لكن السحر الحقيقي حدث عندما استخدموا هذه الألغاز لتدريب نموذج ذكاء اصطناعي آخر (Qwen3.5). فبعد التدريب على المسارات (المحاولات خطوة بخطوة) الناتجة عن هذه الألغاز، أصبح النموذج أفضل بشكل ملحوظ في حل مهام الطرفية في العالم الحقيقي. وفي الاختبارات القياسية، قفز أداؤه بنسبة تصل إلى 10 نقاط، ومع المزيد من التعلم المعزز، تحسن بنسبة 20% إلى 41% اعتمادًا على الاختبار. الاكتشاف الأكثر إثارة هو أن النظام لم يظهر أي علامة على التوقف؛ فبعد 15 جولة من زيادة الصعوبة، استمر النظام في إنتاج ألغاز صالحة ومتنوعة دون الانهيار في العبث أو تكرار نفس الحيل. وهذا يشير إلى أننا قد نتمكن من توليد إمداد لا ينتهي من بيانات التدريب عالية الجودة للوكلاء الذكيين، مما يحول عملية تعليم البشر المكلفة والبطيئة إلى عملية تطور سريعة، مؤتمتة، وقابلة للتوسع.

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 🤖 cs.AI →