💻 computer science

SkillEvo: Self-Renewing Evolution Gradients from Multi-Turn Interaction Feedback

تُعد SkillEvo إطار عمل يُمكّن من التطور المستدام لمهارات الوكيل عبر تحويل محاكاة المستخدم متعددة الأدوار إلى مولدات تغذية راجعة مستمرة للتحسينات المستهدفة، وإدخال طبقة حوكمة نشطة لإصلاح التدهور الهيكلي، مما يؤدي إلى التفوق على النهج الحالية القائمة على الدور الواحد أو التأمل الذاتي.

المؤلفون الأصليون: Qianxi Yan, Chunrong Chen, Jiuzhou Zhao, Min Zhang, Yongzhou Xu, Xiaochuan Xu

نُشر 2026-08-14

📖 6 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Qianxi Yan, Chunrong Chen, Jiuzhou Zhao, Min Zhang, Yongzhou Xu, Xiaochuan Xu

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 إصلاح محمصة خبز معطلة. في الأيام الخوالي، كان عليك كتابة كل خطوة يدوياً: "افحص القابس"، "ابحث عن أسلاك محترقة"، "اضغط على زر إعادة الضبط". إذا ارتكب الروبوت خطأً، فسيتعين عليك العثور على الخطأ، وإعادة كتابة الدليل، والبدء من جديد. هذا الأمر بطيء ومكلف، والروبوت لا يتعلم حقاً من إخفاقاته أثناء العمل.

مؤخراً، بدأ العلماء يسمحون للروبوتات بمحاولة إصلاح الأشياء ثم سؤالها: "كيف فعلت ذلك؟". ينظر الروبوت إلى عمله الخاص، ويدرك أنه أغفل خطوة ما، ثم يحاول إعادة كتابة تعليماته بنفسه. يُسمى هذا "التطور الذاتي" (self-evolution). لكن هناك عقبة: معظم هذه الروبوتات تحصل على فرصة واحدة فقط لتفسير عملها. تحاول إصلاح المحمصة، وتتلقى تقييماً سريعاً مثل "عمل جيد" أو "عمل سيئ"، ثم تتوقف. إنها تغفل عن الأخطاء الدقيقة التي لا تظهر إلا عندما تسأل: "مهلاً، ماذا لو كان القابس مرتخياً والسلك محترقاً في آن واحد؟". إنها تتعثر لأنها لا تستطيع رؤية الطبقات الأعمق للمشكلة.

هنا يأتي دور فكرة جديدة تسمى SkillEvo. وهو إطار عمل مصمم لمساعدة "الوكلاء" الذكيين (برامج حاسوبية ذكية) على تحسين أدائهم من خلال التعلم من المحادثات الطويلة والمتبادلة، بدلاً من مجرد فحص سريع لمرة واحدة. أراد الباحثون وراء هذا العمل، من Tencent Cloud وجامعة Zhejiang، حل مشكلة محددة: كيف تجعل قاعدة معرفة الذكاء الاصطالي تنمو وتتحسن دون أن تصبح فوضوية أو مربكة أو مليئة بالأكاذيب؟ لقد وجدوا أن السر لا يكمن فقط في امتلاك محرر ذكي، بل في امتلاك معلم ذكي يستمر في طرح أسئلة متابعة للكشف عن الأخطاء الخفية، ومفتش صارم يتأكد من أن الروبوت لا يحذف الإجابات الصحيحة بالخطأ أثناء محاولته إضافة معلومات جديدة.

المشكلة: الروبوت الذي يتوقف عن التعلم

تخيل أنك تلعب لعبة فيديو بشخصية جديدة. في الجولة الأولى، تحاول الشخصية القفز فوق حفرة وتفشل. تقول لها: "تحتاجين للقفز بشكل أعلى". تقوم بتصحيح الأمر، وفي الجولة التالية، تقفز بشكل جيد. ولكن بعد ذلك، تحاول الشخصية القفز فوق حفرة بينما تتجنب كرة نارية، وتفشل مرة أخرى. إذا قدم لك المعلم ملاحظات حول القفزة الأولى فقط، فلن تتعلم الشخصية أبداً كيفية التعامل مع كرة النار. ستصل إلى "سقف" حيث لا يمكنها التحسن لأنها لا تُختبر في الأمور الصعبة.

هذا بالضبط ما يحدث مع مهارات الذكاء الاصطناعي الحالية. تستخدم معظم الأنظمة فحص "الدورة الواحدة". يحاول الذكاء الاصطناعي حل مشكلة، يحصل على درجة، ثم يحاول مرة أخرى. ولكن بمجرد إصلاح الأخطاء الواضحة، تتوقف الملاحظات عن كونها مفيدة. يصطدم الذكاء الاصطناعي بحائط مسدود. الأمر يشبه محاولة تعلم لغة من خلال الإجابة بـ "نعم" أو "لا" فقط على أسئلة بسيطة؛ لن تتعلم أبداً كيفية إجراء محادثة معقدة.

علاوة على ذلك، عندما يحاول الذكاء الاصطناعي إصلاح نفسه، فإنه غالباً ما يفسد الأشياء. قد يضيف الكثير من المعلومات الجديدة لدرجة تصبح معها تعليماته رواية فوضوية من 100 صفحة مليئة بالتناقضات. قد ينسى القواعد الأصلية التي كان من المفترض أن يتبعها. وهذا ما يسمى "التدهور" (degradation). كلما حاولوا التطور، ساءت قدرتهم على أن يكونوا موثوقين.

الحل: سحر الجزءين في SkillEvo

يقترح مؤلفو هذه الورقة نظاماً جديداً يسمى SkillEvo (تطور المهارة). هم يجادلون بأن المفتاح لجعل الذكاء الاصطناعي أفضل ليس فقط إعطاءه مزيداً من الوقت لتحرير كوده الخاص، بل إعطاؤه ملاحظات أفضل وقواعد أفضل. لقد بنوا نظاماً يتكون من جزأين رئيسيين: مولد ملاحظات موثوق وطبقة حوكمة قابلة للتحكم.

الجزء الأول: المحاكي الفضولي (الملاحظات الموثوقة)

بدلاً من مجرد طرح سؤال واحد على الذكاء الاصطناعي، يستخدم SkillEvo "محاكياً" يعمل كعميل بشري حقيقي وصعب نوعاً ما. هذا المحاكي لا يكتفي بطرح سؤال واحد ويرحل، بل يلعب لعبة "العشرين سؤالاً".

الإعداد: يقرأ المحاكي شكوى حقيقية وفوضوية من عميل (تذكرة/ticket) ويقوم بإنشاء سيناريو واقعي. هو يعرف ما يريده العميل، وما جربه بالفعل، وحتى كيف قد يشعر بالإحباط.
المحادثة: يحاول الذكاء الاصطناعي تقديم المساعدة. يطرح المحاكي أسئلة متابعة: "حسناً، ولكن ماذا لو جربت ذلك ولم ينجح؟" أو "مهلاً، لدي رمز خطأ مختلف الآن".
الكشف: هذا التبادل بين السؤال والجواب يكشف طبقات المشكلة. تماماً كما في لعبة الفيديو، قد تصلح الجولة الأولى من المحادثة الأشياء السهلة، لكن الجولة الثانية والثالثة تكشفان عن الأخطاء الأكثر تعقيداً وخفاءً.
الفلتر (المصفاة): ليست كل الأخطاء هي خطأ الذكاء الاصطناعي. أحياناً يكون المحاكي غريباً، أو تكون الأداة التي يستخدمها الذكاء الاصطناعي معطلة. يمتلك SkillEvo "منسوباً" (Attributor) خاصاً يتحقق: "هل هذه فجوة في معرفة الذكاء الاصطناعي، أم أنها شيء آخر؟". فقط فجوات المعرفة الحقيقية هي التي تتحول إلى ملاحظات.

هذا يخلق "تدرجاً متجدداً ذاتياً". في كل مرة يصلح فيها الذكاء الاصطناعي خطأً، يحصل المحاكي على فرصة لطرح سؤال أصعب، مما يكشف عن الطبقة التالية من العيوب. لا ينفد أبداً ما يتعلمه الذكاء الاصطناعي.

الجزء الثاني: المفتش الصارم (الحوكمة القابلة للتحكم)

حتى مع وجود ملاحظات رائعة، يمكن للذكاء الاصطناعي أن يصبح فوضوياً. إذا سمحت لطالب بإعادة كتابة كتابه المدرسي كل يوم، فقد يحذف فصلاً عن الرياضيات بالخطأ أثناء إضافة فصل عن الفن. قد يجعل الكتاب 1000 صفحة مليئة بالحشو المتكرر.

يضيف SkillEvo طبقة "حوكمة" لمنع ذلك. فكر في هذا كأنه محرر صارم لديه قاعدتان:

لا تحذف الحقيقة: يجب على الذكاء الاصطناعي الاحتفاظ بجميع الحقائق المستقرة والصحيحة التي بدأ بها. إذا حاول حذف حقيقة معروفة، يقول النظام "لا!" ويقوم بإصلاحها فوراً.
لا تدع الكتاب يتضخم: يتحقق النظام مما إذا كان الذكاء الاصطناعي يضيف حشواً غير ضروري أو يكسر الروابط بين أجزاء معرفته المختلفة. إذا أصبح "رسم المعرفة البياني" (knowledge graph) الخاص بالذكاء الاصطناعي متشابكاً أو ضخماً جداً، يقوم النظام بإصلاحه بنشاط، عبر تقليم النهايات الميتة وتضييق الهيكل.

هذا يضمن أنه بينما يصبح الذكاء الاصطناعي أكثر ذكاءً، فإنه لا يصبح فوضوياً، بل يظل منظماً وموثوقاً.

ماذا وجدوا: الأرقام

اختبر الباحثون هذا النظام على 9 مهارات حقيقية مستخدمة في خدمات السحاب (مثل إصلاح مشكلات قواعد البيانات أو إدارة الخوادم). وقارنوا SkillEvo بثلاث طرق أخرى:

المهارات الأصلية: نقطة البداية، لم يتم تحديثها أبداً.
التفكير الذاتي (Self-Reflection): يحاول الذكاء الاصطناعي إصلاح نفسه دون أي ملاحظات خارجية.
سؤال وجواب من دورة واحدة (Single-Turn QA): يحصل الذكاء الاصطناي على ملاحظات من جلسة سؤال وجواب واحدة فقط.

كانت النتائج واضحة. طريقة "التفكير الذاتي" بالكاد تحسنت؛ كانت تدور في حلقة مفرغة. أما طريقة "سؤال وجواب من دورة واحدة"، فقد تحسنت في البداية، لكنها اصطدمت بحائط، وتوقفت عند معدل نجاح قدره 66.4%.

أما SkillEvo، فقد استمر في الصعود. فمن خلال استخدام المحادثة متعددة الأدوار للعثور على المشكلات الأعمق وطبقة الحوكمة للحفاظ على نظافة البيانات، وصل إلى معدل نجاح قدره 81.8%. وهذا يمثل تحسناً قدره 15.4 نقطة عن طريقة الدورة الواحدة، وتحسناً هائلاً قدره 51.8 نقطة عن المهارات الأصلية غير المحدثة.

كما قاموا بقياس مدى نمو "كتاب معرفة" الذكاء الاصطناعي. بدون طبقة الحوكمة، نما الكتاب بنسبة 16.2% في الحجم، ليصبح ضخماً وفوضوياً. أما مع طبقة الحوكمة، فقد نما بنسبة 2.8% فقط، مما يثبت أن الذكاء الاصطناعي كان يتعلم بكفاءة دون إضافة أي حشو غير ضروري.

لماذا يهم هذا

تشير هذه الورقة إلى أن مستقبل الذكاء الاصطناعي لا يتعلق فقط بجعل النماذج أكبر أو السماح لها بتحرير نفسها. بل يتعلق بكيفية التحدث إليها وكيفية التحقق من عملها. من خلال تحويل "الاختبار" البسيط إلى محادثة طويلة وكاشفة، ومن خلال إضافة نظام "حوكمة" صارم لمنع الذكاء الاصطناعي من الارتباك، يمكننا إنشاء ذكاء اصطناعي يتعلم ويتحسن حقاً بمرور الوقت.

لقد اختبر المؤلفون هذا في بيئة إنتاج حقيقية في Tencent Cloud، مما يعني أن هذا ليس مجرد نظرية؛ بل هو نظام يعمل فعلياً عندما يشارك عملاء حقيقيون. لقد أظهروا أنه إذا أعطيت الذكاء الاصطناعي معلماً يطرح أسئلة متابعة صحيحة ومحرراً صارماً يبقيه صادقاً، فيمكن للذكاء الاصطناعي أن يتطور ليصبح مساعداً أكثر قدرة وموثوقية.

ملخص تقني: SkillEvo – تدرجات التطور ذاتي التجدد من خلال ملاحظات التفاعل متعدد الأدوار

1. بيان المشكلة

تعتمد مهارات الوكلاء الحالية (Agent Skills)—وهي وحدات نمطية محمولة تلخص المعرفة بالمجال وإجراءات التعامل—بشكل أساسي على التأليف اليدوي أو التوليد عبر تمريرة واحدة لنموذج لغوي كبير (LLM). وبناءً على ذلك، فهي تفتقر إلى آلية حلقة مغلقة للتحسن من الإخفاقات التي تسببها أثناء التفاعل. وبينما حاولت الأعمال الحديثة إغلاق هذه الحلقة، إلا أنها اعتمدت على تقييم سؤال وجواب (QA) أحادي الدور. يخلق هذا النهج عدم تماثل حاد: فبمجرد أن تقوم الجولة الأولى بمعالجة الثغرات المرئية في تبادل واحد، يتلاشى تدرج التطور. أما العيوب التي لا تظهر إلا عبر أدوار متعددة فتظل غير مرئية، مما يؤدي إلى توقف التطور.

علاوة على ذلك، تعتمد آليات الحوكمة الحالية على درجة تحقق قياسية (scalar) شاملة (end-to-end). وبينما يمكن لهذه الدرجة رفض مرشح متدهور، إلا أنها لا تستطيع تحديد المواضع أو إصلاح الأسباب الهيكلية للتدهور (مثل التعميم الواقعي المفرط، أو كسر المراجع، أو تضخم المعرفة). ويرى المؤلفون أن القيد الأساسي على تطور المهارة المستدام ليس القدرة على التحرير أو عدد التكرارات، بل ما إذا كانت ملاحظات التقييم توفر باستمرار تدرجات تطور موثوقة.

2. المنهجية: إطار عمل SkillEvo

SkillEvo هو إطار عمل لتطور المهارة مبني على ركيزتين: توليد ملاحظات موثوقة وحوكمة مهارة قابلة للتحكم. يعمل كحلقة مغلقة: مُلخص السيناريو ← وكيل المستخدم ← المُحقِّق ← العزو الجماعي ← مُحسِّن المهارة ← حاكم المهارة.

2.1 توليد ملاحظات موثوقة

يعيد إطار العمل صياغة محاكاة المستخدم متعدد الأدوار من مجرد نقطة نهاية للتقييم إلى مولد ملاحظات مستمر. يضمن هذا المكون أن تكون إشارة الملاحظات موثوقة من خلال استيفاء ثلاثة شروط: التغطية، والدقة، والقابلية للعزو.

إعادة بناء المستخدم المقيدة: بدلاً من المحاكاة العامة، يستخرج النظام أجندة النوايا، وحقائق السلوك، ومسار العاطفة من تذاكر الدعم الفني التي عالجها البشر فعلياً. ويتتبع آلة حالة النوايا (Intent State Machine) ما إذا كانت النوايا الرئيسية قد أُثيرت وتمت معالجتها جوهرياً، مما يمنع الإنهاء المبكر أو الأدوار المتكررة.
تقييم ثنائي الجوانب متعامد: لضمان الدقة، يقوم النظام بتقييم المحاكي والوكيل بشكل منفصل.
- جانب المحاكي: يقيس تغطية النوايا ( $c_U$ ). إذا لم تُثر النوايا الرئيسية، فيتم عزو الفشل إلى تشوه المحاكاة (ضجيج التقييم)، وليس إلى الوكيل.
- جانب الوكيل: يقيس دقة الاستجابة للنوايا المكشوفة ( $s_C$ ) مقابل الحلول المرجعية البشرية. وهذا يعزل فجوات المعرفة الحقيقية عن آثار المحاكاة.
العزو الجماعي: تُصنف الإخفاقات إلى ثلاث فئات:
1. فجوة معرفية: يمكن إصلاحها بواسطة المهارة (مثل نقص الحقائق).
2. حد القدرة: لا يمكن إصلاحها بواسطة المهارة (مثل قيود الصلاحيات أو الأدوات).
3. ضجيج التقييم: تشوه المحاكاة أو النتائج السلبية الكاذبة.
  يتم إسقاط الفجوات المعرفية فقط في إشارة الملاحظات ( $L_t$ ). ويتم دمج الفجوات المتشابهة دلالياً للتركيز على المراجعة في القواسم المشتركة عبر العينات بدلاً من الضجيج لكل حالة على حدة.

2.2 حوكمة المهارة القابلة للتحكم

لمنع تراكم التدهور أثناء المراجعة متعددة الجولات، يقدم SkillEvo طبقة حوكمة مستقلة تنتقل من الرفض السلبي إلى الإصلاح النشط القائم على التشخيص.

اتساق الحقائق (قيد صارم): يجب أن تحتفظ المهارة المُراجعة بالحقائق المستقرة من خط الأساس للإنتاج ( $S_0$ ). يستخدم النظام مرتكزات مزدوجة ( $S_0$ والجولة السابقة $S_{t-1}$ ) للتمييز بين الحقائق المستقرة المفقودة والأخطاء الجديدة المستحدثة. أي انتهاك يؤدي إلى إصلاح فوري في نفس الجولة.
الاتساق الهيكلي (قيد ناعم): يشخص النظام ثلاثة أنواع من التدهور الهيكلي التي تغفل عنها الدرجات القياسية:
1. تضخم المعرفة (Knowledge Bloat): التكرار الذي يضعف دقة التوجيه.
2. كسر المراجع (Reference Breakage): مراجع معلقة أو ملفات يتيمة.
3. التعميم الواقعي المفرط: تدهور القيم الملموسة إلى عبارات غامضة.
  بدلاً من رفض المرشح، تصدر طبقة الحوكمة توصيات لإصلاح هذه المشكلات الهيكلية في الجولة التالية، مما يضمن عدم انحراف اتجاه التدرج.

2.3 التحرير المقيد

يقوم مُحسِّن المهارة بإجراء تحديثات مقيدة ( $S_{t+1} = \text{BoundedEdit}(S_t, L_t, S_0)$ ). وتكون التحديثات مقيدة بـ حد دليل (يتم ترقيع الفجوات التي تم التحقق منها فقط) و حد مرجعي (تتم المراجعة بالارتكاز على خط الأساس للإنتاج لمنع الكتابة فوق الحقائق المستقرة).

3. المساهمات الرئيسية

صياغة رسمية للملاحظات الموثوقة: يحدد البحث ثلاثة شروط ضرورية (التغطية، الدقة، القابلية للعزو) ويقدم إطار عمل للمحاكاة متعدد الأدوار يعيد صياغة التفاعل من نقطة نهاية إلى مولد للملاحظات. يتضمن ذلك آلة حالة النوايا، والتقييم المتعامد ثنائي الجوانب، والعزو الجماعي.
الحوكمة المهيكلة للمهارات: يحدد المؤلفون المهارات كأنظمة معرفية مهيكلة عرضة لتدهورات محددة (التضخم، الكسر، التعميم المفرط). ويقترحون آلية حوكمة تستخدم مرتكزات مزدوجة لاتساق الحقائق والتشخيص الهيكلي للإصلاح النشط، متجاوزين مجرد الرفض المعتمد على الدرجة القياسية.
التحقق التجريبي: تم نشر واختبار إطار العمل عبر ست فئات من خدمات السحاب، بما يشمل 9 مهارات إنتاج و98 ملفاً مرجعياً للمهارات.

4. النتائج التجريبية

أُجري التقييم على سيناريوهات الدعم الفني لإنتاج Tencent Cloud، باستخدام مجموعة بيانات من التذاكر المصعدة (حالات الفشل). تم قياس النتائج مقابل ثلاثة خطوط أساس: المهارة الأصلية (المؤلفة يدوياً)، والتفكير الذاتي (بدون تقييم)، والتطور المدفوع بـ QA أحادي الدور.

مكاسب الأداء: حقق SkillEvo تحسناً في معدل نجاح المهمة (TSR) بمقدار 51.8 نقطة مقارنة بالمهارات الأصلية. كما تفوق على التطور القائم على التفكير الذاتي بمقدار 23.0 نقطة، وعلى التطور المدفوع بـ QA أحادي الدور بمقدار 15.4 نقطة.
استدامة التدرج: بينما أظهر نظام QA أحادي الدور عوائد متناقصة (استقرار TSR عند حوالي 66.4% بعد الجولة الأولى)، أظهر SkillEvo تدرجاً ذاتي التجدد، حيث ارتفع TSR بثبات من 59.4% (R1) إلى 81.8% (R4).
التحكم في التدهور:
- معدل التراجع: قللت طبقة الحوكمة بشكل كبير من التراجع عبر الجولات، حيث انخفض معدل التذاكر التي فشلت بعد نجاحها سابقاً من 28.2% (R1→2) إلى 21.1% (R3→4).
- تضخم المعرفة: بدون الحوكمة، وصل تضخم المعرفة التراكمي إلى 16.2%. ومع حوكمة SkillEvo، تم الحد من التضخم إلى 2.8%، واستقر بعد الجولة الأولى. وهذا يشير إلى أن مكاسب القدرة جاءت من تصحيح المعرفة الموجودة وليس من توسيع حجم النص.
دراسات الاستئصال (Ablation Studies): أدى إزالة التفاعل متعدد الأدوار (استبداله بـ QA أحادي الدور) إلى إلغاء التفوق البالغ 15.4 نقطة، مما يؤكد أن مصدر الملاحظات هو المحرك الرئيسي. وأدى إزالة طبقة الحوكمة إلى انخفاض أقل في TSR (3.2 نقطة) ولكنه تسبب في زيادة هائلة في التضخم، مما يسلط الض الضوء على دور الحوكمة في السلامة الهيكلية بدلاً من مجرد تعظيم الدرجة الفورية.

5. الأهمية والادعاءات

يدعي البحث أن الاختناق أمام التطور المستدام للمهارة ليس القدرة على تحرير النص أو عدد التكرارات، بل جودة واستمرارية إشارة ملاحظات التقييم.

التدرجات ذاتية التجدد: من خلال استخدام التفاعل متعدد الأدوار، يضمن SkillEvo أن كل جولة مراجعة تستهلك الملاحظات وفي الوقت نفسه تولد ملاحظات جديدة وأكثر عمقاً عبر كشف العيوهات الكامنة طبقة تلو أخرى.
الحوكمة النشطة: يثبت إطار العمل أن معاملة المهارة كنظام معرفي مهيكل يسمح بتشخيص وإصلاح التدهور الهيكلي (التضخم، كسر المراجع) الذي لا تستطيع المقاييس القياسية اكتشافه.
القابلية للتشغيل في الإنتاج: تم نشر إطار العمل في بيئة إنتاج Tencent Cloud، مما يثبت فعاليتها في ظروف التشغيل الحقيقية حيث تكون الصيانة اليدوية مكلفة وحساسة للوقت.

يؤكد المؤلفون أن نهجهم يوفر شرطاً ضرورياً لنشر المعرفة ذاتية التطور في الأنظمة المواجهة للمستخدمين: حلقة ملاحظات عالية الجودة تعزل تشوه المحاكاة، وآلية حوكمة تحافظ بنشاط على التكامل الهيكلي والواقعي للمهارة.