← أحدث الأبحاث
💻 computer science

SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure

تُعد SkillZip طريقة خالية من التقييم لضغط مهارات الوكلاء ذاتية التطور عبر اكتشاف أنماط هيكلية قابلة لإعادة الاستخدام وصياغتها كهدف طول وصف أدنى نمطي، مما يحقق تمثيلاً للمهارات يتسم بالكفاءة والقابلية للصيانة والتعميم دون الحاجة إلى عمليات تشغيل مكلفة أو إعادة عرض المهام.

المؤلفون الأصليون: Xiaofan Bai, Hongqiang Lin, Chao Liu, Yantao Zhang, Xuan Jin, Xipeng Cao, Yuhong Li

نُشر 2026-08-12
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Xiaofan Bai, Hongqiang Lin, Chao Liu, Yantao Zhang, Xuan Jin, Xipeng Cao, Yuhong Li

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 روبوتاً كيفية القيام بمهمة معقدة، مثل خبز كعكة أو إصلاح حاسوب. في البداية، تعطيه قائمة بسيطة من التعليمات. ولكن بينما يحاول الروبوت التعلم بمفرده، يبدأ في كتابة مذكرات عن كل شيء يفعله. إذا أحرق الكعكة، يكتب: "لا تحرق الكعكة". وإذا جرب طريقة جديدة لخلط العجين ونجحت، يضيف فقرة كاملة جديدة حول تلك الطريقة. مع مرور الوقت، تصبح هذه المذكرات كتاباً ضخماً وفوضو بعداً. المشكلة هي أن الروبوت يضطر لقراءة الكتاب بأكمله في كل مرة يحاول فيها الخبز، حتى لو كان يحتاج فقط لتذكر قاعدة واحدة صغيرة. هذا يجعل الروبوت بطيئاً ومشوشاً، مثل أمين مكتبة يحاول العثور على كتاب محدد في مكتبة تفيض فيها كل الأرفف بنسخ مكررة من القصة نفسها.

هذا هو عالم "الوكلاء ذاتيي التطور" (self-evolving agents)—وهي برامج حاسوبية تصبح أكثر ذكاءً من خلال التعلم من أخطائها ونجاحاتها. التحدي الكبير الذي يواجهه العلماء هو أن هذه البرامج تزداد ضخامة. إنها تراكم الكثير من النصوص "المكررة" (القواعد المتكررة والخطوات المنسوخة) مما يجعلها غير فعالة. السؤال هو: كيف يمكننا تقليص هذه المذكرات الضخمة والفوضوية وإعادتها إلى كتيب تعليمات صغير ومثالي دون حذف أي من القواعد المهمة؟ إذا قمنا ببساطة بحذف الأجزاء "المملة"، فقد نحذف بالخطأ قاعدة نادرة تنقذ الروبوت من الانهيار. وإذا استخدمنا اختباراً لمعرفة ما يجب الاحتفاظ به، فسيستغرق الأمر وقتاً طويلاً ويكلف الكثير من المال.

هنا يأتي دور SkillZip، وهي طريقة جديدة تعمل كمحرر فائق الذكاء لمذكرات هؤلاء الروبوتات. بدلاً من التخمين فيما يجب الاحتفاظ به أو إجراء اختبارات مكلفة، ينظر SkillZip إلى بنية التعليمات. إنه يستخدم حيلة ذكية: "اشرح مرة واحدة، وأشر إليها كثيراً". تخيل أن لديك وصفة تقول "سخن الفرن" في ثلاثة فصول مختلفة. يدرك SkillZip أن هذه هي القاعدة نفسها وينقلها إلى الأعلى تماماً، ليخبر الروبوت: "مهلاً، كلما رأيت فصلاً عن الخبز، انظر إلى الأعلى من أجل قاعدة الفرن". إنه يجد الأنماط المتكررة، ويجمعها في "وظائف" مشتركة، ويحتفظ فقط بالاختلافات الفريدة كملاحظات خاصة.

وجد الباحثون أن هذا النهج يعمل بشكل رائع للغاية. لقد اختبروه على وكلاء يتعلمون كيفية البحث في الويب، وحل المسائل الرياضية، واستخدام جداول البيانات. واكتشفوا أنه مع تطور هؤلاء الوكلاء، نمت كتيبات تعليماتهم لتصبح أكثر من 5 أضعاف حجمها الأصلي، ويرجع ذلك أساساً إلى النصوص المكررة. استطاع SkillZip تقليص هذه الكتيبات المتضخمة بنسبة 31% في المتوسط، مما جعلها أسرع في القراءة. والأفضل من ذلك، أنه فعل ذلك دون الحاجة أبداً لإجراء اختبار واحد أو التحقق من إجابات الروبوت مقابل مفتاح إجابة. في الواقع، أدت الكتيبات المضغوطة أداءً يضاهي، بل وأحياناً يتفوق على النسخ الضخمة غير المحررة. اتضح أنه من خلال تنظيم المعرفة مثل كتاب قواعد برمجي منظم جيداً بدلاً من مذكرات فوضوية، يمكن للروبوت تذكر كل ما يحتاج لمعرفته دون حمل ثقل المكتبة بأكملها.

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 →