💻 computer science

MESA:Task-Adaptive Multi-Structure Evidence Selection for Long-Horizon Agent Memory

إن MESA هو إطار عمل متكيف مع المهام يقوم باختيار ودمج مجموعة فرعية من هياكل الذاكرة المتكاملة والمحددة لكل استعلام بشكل ديناميكي للوكلاء ذوي الأفق الطويل، مما يحسن الأداء والكفاءة بشكل كبير في AMA-Bench عبر تجنب ضجيج أساليب السياق الثابت مع تمكين تكوين أدلة متنوعة.

المؤلفون الأصليون: Beidi Zhao, Yaoqi Chen, Yuru Feng, Menghao Li, Qianxi Zhang, Baotong Lu, Jianan Lu, Zhirui Wang, Xinjiang Wang, Shusen Xu, Zengzhong Li, Xiaoxiao Li, Qi Chen

نُشر 2026-08-12

📖 6 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Beidi Zhao, Yaoqi Chen, Yuru Feng, Menghao Li, Qianxi Zhang, Baotong Lu, Jianan Lu, Zhirui Wang, Xinjiang Wang, Shusen Xu, Zengzhong Li, Xiaoxiao Li, Qi Chen

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 تحاول حل لغز حدث على مدار عدة أيام. لديك دفتر ملاحظات ضخم مليء بكل شيء فعلته، أو رأيته، أو فكرت فيه، أو قلته. بعض صفحاته مجرد ملخص سريع لليوم، وبعضها قائمة خام لكل خطوة خطوتها، وبعضها خريطة لمن تحدثت إليهم، وأخرى قائمة بالكلمات المفتاحية التي بحثت عنها. إذا حاولت قراءة الدفتر بأكمله للإجابة على سؤال بسيط مثل "متى فقدت مفاتيحي؟"، فسوف يغرق عقلك في الكثير من المعلومات. ولكن إذا قرأت صفحة واحدة محددة فقط، فقد تفوتك معلومة حاسمة مخبأة في قسم آخر. هذا هو التحدي الذي يواجه "الوكلاء الذكيين" (AI agents) في العصر الحديث — وهي برامج كمبيوتر تعمل كمساعدين رقميين. إنهم بحاجة لتذكر سلاسل طويلة من الأحداث لحل المشكلات المعقدة، لكنهم غالباً ما يضيعون في ذاكرتهم الخاصة. لقد حاول العلماء إيجاد أفضل طريقة لتنظيم هذه الذكريات: هل يجب على الذكاء الاصطناعي قراءة كل شيء؟ هل يجب أن يختار نوعاً واحداً فقط من الملاحظات؟ أم أن هناك طريقة أذكى؟

يقدم هذا البحث نظاماً جديداً ذكياً يسمى MESA (اختيار الأدلة متعدد الهياكل للوكيل طويل الأمد)، والذي يعمل كأمين مكتبة فائق الذكاء لهؤلاء المحققين الرقميين. فبدلاً من إجبار الذكاء الاصطناعي على قراءة دفتر ملاحظاته بالكامل أو التخمين العشوائي لأي صفحة ينظر إليها، يتعلم MESA اختيار المزيج المثالي من الملاحظات لكل سؤال محدد. فكر في الأمر كطاهٍ لا يكتفي بجلب أول مرطبان توابل يقع تحت يده أو يسكب رف التوابل بالكامل في القدر؛ بل يتذوق الطبق، ويدرك أنه يحتاج إلى القليل من الملح ورشة من الفلفل، فيجلب هذين المرطبانين تحديداً. اختبر الباحثون هذا النظام على معيار يسمى AMA-Bench، وهو بمثابة اختبار ضخم لمدى قدرة الذكاء الاصطناعي على التذكر والاستنتاج عبر فترات زمنية طويلة. ووجدوا أن MESA أفضل بكثير في الإجابة على الأسئلة من الطرق الموجودة سابقاً. في الواقع، أجاب بشكل صحيح أكثر بنسبة 8.5% من أفضل الأنظمة الحالية، وفعل ذلك مع قراءة كلمات أقل (أو "توكنز") بنسبة 41%. وهذا يشير إلى أن كونك انتقائياً وتخلط بين أنواع مختلفة من رؤى الذاكرة هو المفتاح لحل الألغاز طويلة الأمد، بدلاً من مجرد قراءة كل شيء أو اختيار شيء واحد فقط.

المشكلة: ضجيج كثير، وإشارة قليية

تخيل أنك تلعب لعبة فيديو حيث يتعين عليك حل لغز يتطلب تذكر شيء فعلته قبل 50 خطوة. شخصيتك كانت تركض في الأرجاء، وتقاتل الوحوش، وتتحدث إلى الشخصيات غير اللاعبة، وتجمع العناصر. إذا سألت اللعبة، "لماذا أُغلق الباب؟"، فقد تكون الإجابة مدفونة في تفصيل صغير من 40 خطوة مضت، مثل مفتاح معين أسقطته.

في عالم الذكاء الاصطناعي، تُسمى هذه "الخطوات" مسارات (trajectories). وهي سلاسل طويلة وفوضوية من الأفعال، والملاحظات، والأفكاف. المشكلة هي أن هذه السلاسل يمكن أن تمتد لمئات الخطوات. إذا قمت بتغذية السلسلة بأكملها للذكاء الاصطناعي، فستكون مكلفة ومربكة. وإذا حاولت تلخيصها، فقد تفقد التفصيل الصغير الذي يهم.

حاول العلماء إصلاح ذلك من خلال تنظيم الذكريات في "هياكل" أو تنسيقات مختلفة، تماماً مثل تنظيم غرفة فوضوية في صناديق مختلفة:

الملخصات (Summaries): مثل تدوينة يومية تعطيك "جوهر" اليوم ولكنها تتخطى التفاصيل الصغيرة.
المخازن الزمنية (Temporal Stores): مثل الجدول الزمني أو التقويم الذي يحافظ على ترتيب الأحداث بدقة.
رسوم المعرفة البيانية (Knowledge Graphs): مثل شبكة من الروابط بين الأشخاص والأشياء، توضح كيفية ارتباطهم ببعضهم البعض.
قواعد بيانات المتجهات (Vector Databases): مثل محرك بحث يجد الأشياء بناءً على "الجو العام" أو المعنى، حتى لو كانت الكلمات مختلفة.
الآثار الخام (Raw Traces): مثل تسجيل كاميرا مراقبة يظهر كل حركة، ولكنه مليء بالضجيج ويصعب مسحه ضوئياً.

السؤال الكبير كان: أي صندوق يجب أن يفتحه الذكاء الاصطناعي؟

الطرق القديمة: الكثير جداً أو القليل جداً

قبل MESA، كانت هناك طريقتان رئيسيتان يحاول الذكاء الاصطناعي التعامل بهما مع الأمر:

نهج "قراءة كل شيء": يقوم الذكاء الاصطناعي بفتح جميع الصناديق في وقت واحد ويسكب كل الملاحظات في دماغه. هذا يشبه محاولة قراءة مذكراتك، وتقويمك، وخريطتك، وتسجيلات الكاميرا الأمنية في آن واحد لمعرفة ماذا تناولت على الإفطار. هذا قدر هائل من المعلومات، وتضيع فيه الإشارات المهمة وسط الضجيج.
نهج "اختر واحداً": يحاول الذكاء الاصطناعي تخمين أي صندوق واحد هو الأفضل ويقرأ ذلك الصندوق فقط. هذا يشبه اتخاذ قرار بالنظر فقط إلى تقويمك لمعرفة ماذا أكلت على الإفطار. قد تفوتك حقيقة أنك كتبت ملاحظة عن ذلك في مذكراتك.

اكتشف الباحثون أن كلا الطرفين المتطرفين لا يعملان جيداً. أحياناً تحتاج إلى الجدول الزمني، وأحياناً تحتاج إلى الخريطة، وغالباً ما تحتاج إلى مزيج من كليهما. لكن "المزيج الأفضل" يتغير حسب السؤال. السؤال حول "ماذا حدث أولاً" يحتاج إلى الجدول الزمني، بينما السؤال حول "من تحدث مع من" يحتاج إلى الخريطة.

الحل: MESA، أمين المكتبة المتكيف

MESA هو نظام يتعلم كيف يكون أمين مكتبة ديناميكي. فهو لا يكتفي باختيار صندوق واحد أو فتحها جميعاً. بدلاً من ذلك، ينظر إلى السؤال ويقول: "آه، هذا السؤال يحتاج إلى القليل من الجدول الزمني والقليل من الخريطة، ولكن يمكنني تخطي تسجيل الفيديو الخام".

إليك كيف يعمل ببساطة:

المكتبة: أولاً، يبني الذكاء الاصطناعي جميع أنواع هياكل الذاية الخمسة (الملخص، الجدول الزمني، الخريطة، البحث، والفيديو الخام) من تاريخه. يتم إنشاء كل هذه الهياكل مسبقاً وتظل ثابتة.
المُحدد (The Selector): عندما يأتي سؤال، يقوم جزء خاص من النظام (وهو الجزء الذي يدرب عليه MESA) بتقرير أي الهياكل سيستخدم. إنه يشبه مساعداً ذكياً ينظر إلى السؤال ويختار الأدوات المناسبة.
التعلم: الجزء الصعب هو تعليم "المحدد". لا يوجد معلم يخبر النظام بالضبط أي الصناديق يختار لكل سؤال. بدلاً من ذلك، يتعلم النظام من النتيجة النهائية: "هل حصل الذكاء الاصطناعي على الإجابة الصحيحة؟". إذا كانت الإجابة خاطئة، يقوم النظام بتعديل استراتيجية الاختيار الخاصة به. يستخدم خدعة رياضية ذكية تسمى UCB (Upper Confidence Bound) للموازنة بين تجربة تركيبات جديدة (الاستكشاف) والتمسك بما ينجح (الاستغلال).

ما وجدوه

اختبر الباحثون MESA على AMA-Bench، وهو مجموعة بيانات مليئة بالمهام الطويلة والمعقدة. وقارنوه بأفضل الطرق الموجودة حالياً.

دقة أفضل: حقق MESA الإجابة الصحيحة بنسبة 65.1% من الوقت، متفوقاً على أفضل نظام سابق (AMA-Agent) بنسبة 8.5%.
كفاءة أذكى: على الرغم من أن MESA كان أكثر دقة، إلا أنه استخدم بالفعل 41% أقل من الكلمات (التوكنز) من الذاكرة للقيام بذلك. وهذا يعني أنه لم يكن يقرأ أكثر فحسب، بل كان يقرأ بشكل أفضل.
لا يوجد فائز واحد: أكدت الدراسة أنه لا يوجد هيكل ذاكرة واحد "يناسب الجميع". فالمزيج الأفضل لأنواع الذاكرة يتغير اعتماداً على المهمة المحددة والسؤال المحدد.

لماذا هذا مهم

يشير هذا البحث إلى أن مستقبل ذاكرة الذكاء الاصطناعي ليس في بناء مكتبات أكبر فأكبر أو مجرد اختيار نوع واحد من الملاحظات. بل يتعلق الأمر بـ المرونة. تماماً كما يعرف المحقق البشري ضرورة مراجعة التقويم للتواريخ، والخريطة للمواقع، والمذكرات للمشاعر، يحتاج الذكاء الاصطناعي إلى معرفة كيفية خلط ومطابقة وجهات نظر الذاكرة المختلفة لديه لحل مشكلة ما.

يظهر MESA أنه من خلال تعليم الذكاء الاصطناعي أن يكون انتقائياً ومتكيفاً، يمكننا جعله أكثر ذكاءً وكفاءة دون الحاجة لتغيير طريقة تفكيره أو كيفية تخزين ذكرياته. إنها خطوة نحو ذكاء اصطناعي لا يمتلك الكثير من البيانات فحسب، بل يعرف بالضبط كيف يجد القطعة الصحيحة من البيانات عندما يهم الأمر أكثر من غيره.

ملخص تقني: MESA – اختيار الأدلة المتكيف مع المهام من هياكل متعددة لذاكرة الوكيل طويلة الأمد

1. صياغة المشكلة

تراكم الوكلاء ذوو الأفق الطويل مسارات تتكون من مئات الخطوات المتداخلة من الاستنتاج، والعمل، والملاحظة، ومخرجات الأدوات. غالبًا ما يتطلب الإجابة على استعلام استرجاع أدلة مدفونة في عمق هذا التاريخ. وبينما تقوم أنظمة الذاكرة الخارجية بتحويل هذه المسارات إلى تمثيلات مهيكلة (مثل الملخصات، أو الرسوم البيانية، أو مخازن المتجهات)، تواجه النهج الحالية معضلة جوهرية:

الدمج ثابت الهياكل (Fixed All-Structure Fusion): الأنظمة التي تستعلم عن مجموعة ثابتة وشاملة من عروض الذاكرة لكل استعلام تزيد من استدعاء البيانات (recall) ولكنها تضخم نوافذ السياق بضجيج مكرر أو مشتت، مما يزيد التكلفة دون ضمان الأداء.
التوجيه أحادي الهيكل (Single-Structure Routing): الأنظمة التي توجه كل استعلام إلى هيكل واحد "أفضل" تحد من القدرة التعبيرية، مما يمنع تكوين الأدلة المتكاملة (مثل الجمع بين الملخصات عالية المستوى وخطوات عرضية دقيقة) المطلوبة للمهام المعقدة.

يجادل المؤلفون بأن تكوين الذاكرة الأمثل ليس هيكلاً واحداً ولا الاتحاد الكامل، بل هو تكوين مخصص من ذاكرات هيكلية متعددة يتغير ديناميكيًا مع استعلام محدد ومتطلبات المهمة. ومع ذلك، فإن تعلم سياسة اختيار كهذه يعد أمرًا صعبًا بسبب الطبيعة التوافقية لمجموعات الهياكل الفرعية والافتقار إلى تسميات الحقيقة الأرضية (ground-truth) لجدوى كل هيكل على حدة (الإشراف الضعيف)، حيث لا تتوفر التغذية الراجعة إلا عند الإجابة النهائية فقط.

2. المنهجية: إطار عمل MESA

يقترح البحث إطار عمل MESA (اختيار الأدلة متعدد الهياكل للوكيل طويل الأمد)، وهو إطار يتعلم سياسة متكيفة مع الاستعلام لاختيار ودمج مجموعة فرعية من هياكل الذاكرة المتخصصة.

2.1 بناء الذاكرة الهيكلية متعددة الرؤى

يحافظ MESA على خمسة هياكل ذاكرة مستقلة ومتكاملة لكل مسار $\tau_i$ ، يتم بناؤها خارج نطاق التشغيل (offline):

الملخص (S): ذاكرة حالة مضغوطة تحافظ على التغيرات الهامة في الحالة وتحولات الأهداف الفرعية.
المخزن الزمني (T): مخزن مفهرس حسب الدور يحافظ على التسلسل الزمني الدقيق للأفعال والملاحظات.
الرسم البياني للمعرفة (G): رسم بياني علاقي يلتقط الروابط بين الكيانات والروابط السببية عبر الخطوات.
قاعدة بيانات المتجهات (V): فهرس كثيف على مستوى الخطوة للاسترجاع القائم على التشابه الدلالي.
المسار الخام (R): نوافذ متداخلة غير مضغوطة من المسار الأصلي للحصول على أدلة دقيقة من الصيغة السطحية.

2.2 الاختيار الديناميكي على مستوى الهيكل

لكل استعلام $q_i$ وسياق $c_i$ ، يقوم المختار $S_\rho$ بإخراج متجه ثنائي غير فارغ $z_i \in \{0,1\}^5$ ، يشير إلى الهياكل التي يجب الوصول إليها. يتم دمج الأدلة المسترجعة من الهياكل المختارة وتغذيتها إلى نموذج إجابة مجمد $F$ لتوليد الإجابة. الهدف هو تعلم السياسة $\rho$ التي تزيد من دقة الإجابة مع تقليل تكلفة توكنات الأدلة.

2.3 تحسين الحاصة الموجه بالأولويات (Prior-Guided Harness Optimization)

لتعلم $\rho$ تحت الإشراف الضعيف (التغذية الراجحة المتفرقة على مستوى الإجابة)، يستخدم MESA استراتيجية تحسين الحاصة الموجه بالأولويات:

مساحة بحث مقيدة: بدلاً من البحث في كامل مساحة السياسات الممكنة، يتم تقييد التحسين بمجموعة من الاتجاهات الأولية ( $A$ ). تحدد هذه الاتجاهات فئات الآليات للتوجيه، مثل استنتاج الطلب من نوع الاستعلام، أو تقدير القيمة الخلفية، أو التحكم في بناء المجموعات الفرعية (مثل الاختيار القائم على الكاردينالية أولاً، أو التكامل).
الجدولة الموجهة بـ UCB: يوازن النظام بين الاستكشاف والاستغلال باستخدام مجدول UCB (الحد الأعلى للثقة). يعمل كل اتجاه أولي كـ "ذراع بانديت" (bandit arm). يختار المجدول الاتجاهات التي أنتجت تاريخيًا سياسات قوية (استغلال) أو تلك التي تم تقييمها بشكل أقل تكرارًا (استكشاف).
التحسين التكراري: يقترح نموذج لغوي كبير (LLM) مرشحات سياسة قابلة للتنفيذ بناءً على الاتجاه المختار وتحليل الخطأ الحالي. يتم ضبط هذه المرشحات على مسارات التدريب، وتقييمها على مجموعة تحقق، ويتم اختيار أفضل سياسة بناءً على هدف منظم: $J_{val}(\rho) - \lambda C_{val}(\rho)$ ، حيث $C$ هي تكلفة التوكن.

3. المساهمات الرئيسية

صياغة المشكلة والتحليل التجريبي: صاغ المؤلفون "الاختيار الديناميكي على مستوى الهيكل" وأثبتوا من خلال مسح محكوم لجميع المجموعات الفرعية غير الفارغة للهياكل على AMA-Bench أن:
- المجموعات الفرعية المتوسطة (التي تجمع بين 2-4 هياكل) تتفوق عادةً على الهياكل الفردية أو الاتحاد الكامل.
- لا يوجد تكوين ثابت واحد مثالي عالميًا؛ إذ تختلف المجموعة الفرعية الأفضل باختلاف المجال والقدرة.
إطار عمل MESA: إطار عمل مبتكر يتعلم سياسة اختيار متكيفة مع الاستعلام من التغذية الراجعة المتفرقة على مستوى الإجابة باستخدام تحسين الحاصة الموجه بالأولويات وجدولة UCB، دون تعديل بناة الذاكرة الأساسيين أو نموذج الإجابة.
التحقق التجريبي: تجارب واسعة النطاق تظهر تفوق MESA على خطوط الأساس المتطورة في مهام الوكيل طويلة الأمد والذاكرة الحوارية.

4. النتائج التجريبية

أجريت التجارب على AMA-Bench (2,496 سؤالاً عبر 6 مجالات وكيلية) و LoCoMo (الذاكرة الحوارية طويلة الأمد).

الأداء على AMA-Bench: باستخدام نموذج أساسي Qwen3-32B، حقق MESA دقة إجمالية بنسبة 65.1%، متفوقًا على أقوى خط أساس (AMA-Agent) بنسبة 8.5%، وعلى قارئ السياق الطويل بنسبة 12.5%. كان MESA هو الأفضل أداءً في ثلاث من فئات قدرة الذاكرة الأربع: الاستدعاء (69.2%)، تحديث الحالة (65.8%)، و تجريد الحالة (57.8%). وفي فئة الاستدلال السببي، حقق MESA نسبة 63.6%، محتلًا المركز الثاني خلف AMA-Agent (65.0%).
الكفاءة: حقق MESA هذه المكاسب مع استخدام 41% توكنات أدلة أقل (11.0k مقابل 18.7k) مقارنة ببديل "جميع الهياكل"، مما يثبت أن الاختيار المتكيف يقلل الضجيج والتكلفة.
التعميم: في LoCoMo، حقق MESA درجة F1 بنسبة 49.0%، متفوقًا على خط الأساس المتخصص بنسبة 1.8%، مما يثبت أن الإطار يمتد إلى ما وراء مسارات الوكيل ليشمل الذاكرة الحوارية.
دراسات الاستئصال (Ablation Studies):
- أدى إزالة مكون التعلم (باستخدام الاختيار العشوائي أو صفر الاستدلال) إلى انخفاض كبير في الدقة.
- أدى تقييد الاختيار إلى هيكل واحد ("التوجيه إلى واحد") إلى خفض الدقة إلى 57.0%، مما يؤكد ضرة دمج الهياكل المتكاملة.
- أدى إزالة التوجيه بالأولويات أو جدولة UCB إلى تدهور الأداء والاستقرار، مما يسلط الضوء على أهمية البحث المهيكل وتوازن الاستكشاف.

5. الأهمية والادعاءات

يزعم البحث أن MESA يعالج فجوة حرجة في أنظمة ذاكرة الوكيل: عدم القدرة على تكييف استراتيجيات الوصول إلى الذاكرة ديناميكيًا مع احتياجات استعلام محدد. ومن خلال إثبات أن المجموعات الفرعية المتوسطة والمتكيفة مع المهام هي الأفضل مقارنة بالاستراتيجيات الثابتة، ينقل هذا العمل النموذج من "المزيد من الذاكرة هو الأفضل" إلى "التكوين الصحيح للذاكرة هو الأفضل".

يؤكد المؤلفون أن MESA يحقق هذه النتائج من خلال تعلم سياسة اختيار صريحة وقابلة للتفسير (على سبيل المثال، قواعد التوجيه القائمة على الكلمات المفتاحية التي تم تعلمها أثناء التحسين)، بدلاً من كونها مختارًا عصبيًا "صندوقًا أسود". يوفر إطار العمل مقايضة عملية، حيث يحسن كلاً من الدقة والكفاءة دون الحاجة إلى إعادة تدريب نماذج اللغة الكبيرة الأساسية أو خطوط بناء الذاكرة. ويخلص البحث إلى أن العمل المستقبلي يجب أن يستكشف التحسين المشترك لبناء الذالة واختيارها، وكذلك نمذجة التبعيات بين الهياكل بشكل أكثر صراحة.