تخيل أنك تحاول تعليم روبوت كيفية إصلاح جهاز كمبيوتر أو كتابة قطعة من الكود البرمجي. لا يمكنك مجرد تسليمه دليلاً إرشائياً؛ بل يحتاج إلى الممارسة من خلال الفعل. هذا هو عالم التعلم المعزز (Reinforcement Learning - RL)، حيث يتعلم وكيل الذكاء الاصطناعي من خلال تجربة الأشياء، وارتكاب الأخطاء، والحصول على "مكافأة" (مثل نتيجة عالية) عندما ينجح. ولكن هنا تكمن المشكلة: لكي يتحسن الروبوت، يجب أن تكون مسائل التدريب التي يحلها مناسبة تماماً. إذا كانت المسائل سهلة للغاية، سيشعر الروبوت بالملل ولن يتعلم شيئاً جديداً. وإذا كانت صعبة للغاية، سيصاب بالإحباط ويستسلم. المنطقة المثالية تسمى "حد التعلم" (learning frontier)—وهي حافة ما يستطيع الروبوت فعله حالياً، حيث يساعد القليل من التحدي في نموه بأفضل شكل ممكن.

لفترة طويلة، حاول العلماء إنشاء مسائل تدريبية تلقائياً باستخدام النماذج اللغوية الكبيرة (LLMs)، وهي العقول الذكية الخارقة وراء برامج الدردشة الآلية. لقد استخدموا وصفات ثابتة وبسيطة لإنشاء المهام، تماماً مثل طاهٍ يستخدم نفس الوصفة بالضبط لطهي كل وجبة، بغض النظر عما إذا كان الزبون طفلاً أو طباخاً خبيراً. تقدم هذه الورقة البحثية طريقة جديدة وأكثر ذكاءً لطهي مسائل التدريب هذه، وتسمى Envs-FORGE. فبدلاً من استخدام وصفة واحدة تناسب الجميع، يعمل هذا الأسلوب الجديد كمدرب شخصي يراقب القوة الحالية للروبوت، ويحدد بدقة مدى صعوبة التحدي التالي، ثم يصمم تمريناً فريداً خصيصاً له. الهدف هو التأكد من أن كل مهمة تدريبية مضبوطة بدقة لدفع الروبوت خطوة صغيرة واحدة للأمام مما كان يستطيع فعله قبل ذلك.

المشكلة في وصفات "النمط الواحد الذي يناسب الجميع"

في الماضي، عندما أراد الباحثون إنشاء مهام تدريبية جديدة لهؤلاء الوكلاء من الذكاء الاصطناعي، اعتمدوا على استراتيجيات ثابتة. تخيل معلماً لديه ورقة عمل واحدة ويقرر فقط أن "يجعلها أصعب قليلاً" لكل الطلاب، بغض النظر عن مستوياتهم. بالنسبة لطالب اجتاز الاختبار بتفوق، قد تظل ورقة العمل الجديدة هذه سهلة للغاية بالنسبة له. وبالنسبة لطالب كان يعاني بالفعل، قد تكون مستحيلة.

تجادل الورقة بأن هذه الطرق الثابتة—مثل "Self-Instruct" أو "Evol-Instruct"—تشبه ذلك المعلم الجامد. فهي تطبق نفس المنطق على كل فكرة أولية (أو "بذرة") دون التحقق مما إذا كان الذكاء الاصطناعي مستعداً لها. قد تجعل المهمة أصلاً أكثر صعوبة بينما كان ينبغي جعلها أسهل، أو قد تغير الموضوع تماماً بينما كان الذكاء الاصطناعي يحتاج فقط إلى ممارسة مهارة معينة بعمق أكبر. هذا يهدر الوقت وينتج بيانات تدريب ليست مفيدة جداً.

ظهور Envs-FORGE: المدرب الشخصي الذكي

يقدم مؤلفو هذه الورقة نظام Envs-FORGE (تخليق البيئات المحسّن للمكافأة والموجه نحو الحدود). فكر فيه كنظام ذكي لا يكتفي بالتخمين فيما يجب فعله تالياً، بل يحسبه بدقة.

إليك كيف يعمل، خطوة بخطوة:

1. الفحص الطبي: أولاً، ينظر النظام إلى مهمة أولية ويطلب من وكيل الذكاء الاصطناعي الحالي محاولة حلها. يقوم النظام بعدّ عدد مرات نجاح الوكيل. وهذا يعطيه "معدل نجاح"، وهو بمثابة تقرير درجات يوضح مدى سهولة أو صعوبة المهمة بالنسبة لهذا الروبوت تحديداً في الوقت الحالي.
2. اجتماع الاستراتيجية: بناءً على هذا التقرير الدراسي، ينظر النظام في ست طرق مختلفة لتغيير المهمة. يمكنه اختيار:
   • زيادة الصعوبة (إضافة قيود أو حالات حدية أكثر).
   • تقليل الصعوبة (تبسيطها إذا كان الروبوت عالقاً).
   • تنويع المهمة (تغيير السياق مع الحفاظ على صعوبة مماثلة).
   • ولكل من هذه الخيارات، يمكنه الذهاب في العمق (التعمق في نفس الموضوع) أو في الاتساع (استكشاف موضوع أوسع ومرتبط به).
3. سحر الرياضيات (MILP): يستخدم النظام نوعاً خاصاً من الألغاز الرياضية يسمى "البرمجة الخطية ذات الأعداد الصحيحة المختلطة" (MILP) لاختيار أفضل مزيج واحد من التغييرات لتلك المهمة المحددة. الأمر يشبه مدرباً ينظر إلى إحصائيات لاعب ويقرر: "حسناً، بالنسبة لهذا اللاعب، نحتاج إلى زيادة الصعوبة في العمق للوصول إلى منطقة التعلم المثالية".
4. البناء: بمجرد اختيار الاستراتيجية الأفضل، يقوم النظام بإعادة كتابة حزمة المهمة بالكامل. فهو لا يغير السؤال فحسب، بل يحدث التعليمات، والبيانات، والحل، والاختبارات، وحتى بيئة الكمبيوتر (مثل حاوية Docker) لضمان أن كل شيء لا يزال يعمل معاً بانسجام.
5. فحص المعيار الذهبي: قبل السماح للمهمة الجديدة بالدخول إلى صالة التدريب، تمر عبر "مدقق ذهبي" صارم للغاية. هذا اختبار شديد الصرامة للتأكد من أن المهمة الجديدة قابلة للتشغيل، ومتسقة، وقابلة للحل فعلياً. إذا فشلت، يتم استبعادها. فقط المهام المثالية هي التي تعبر.

ما الذي وجدوه؟

اختبر الباحثون هذا الأسلوب الجديد على نموذج قوي يسمى Qwen 3.5 35B. وقارنوا Envs-FORGE بالوصفات الثابتة القديمة (Few-shot، Self-Instruct، و Evol-Instruct) ومع نموذج أساسي بدون تدريب إضافي.

كانت النتائج واضحة: لقد فاز Envs-FORGE.

• في اختبار مرجعي يسمى tb-core، سجل النموذج الأساسي 40.0%. حققت أفضل وصفة ثابتة 46.8%، لكن Envs-FORGE حلق عالياً ليصل إلى 49.2%. وهذا يمثل تحسناً قدره 9.2 نقطة مئوية عن نقطة البداية.
• في tb-2.0، سجل النموذج الأساسي 23.0%، بينما وصل Ens-FORGE إلى 29.4%، أي قفزة قدرها 6.4 نقطة مئوية.
• حتى في اختبار واقعي صعب للغاية يسمى SWE-bench Verified، حقق Envs-FORGE درجة 77.1%، متفوقاً على النموذج الأساسي الذي سجل 73.4%.

والأهم من ذلك، توضح الورقة أن هذا لم يكن بسبب استخدام Envs-FORGE لقوة حوسبة أكبر أو توليد بيانات أكثر. فقد أنتجت جميع الطرق بالضبط 100 بيئة موثقة للتدريب. الفرق كان بحتًا في كيفية اختيار تلك المهام الـ 100. لقد اختار Ens-FORGE مهاماً أفضل ببساطة.

لماذا يهم هذا؟

الرسالة الرئيسية لهذه الورقة هي أن الطريقة التي ننشئ بها بيانات التدريب تهم بقدر ما تهم البيانات نفسها. من خلال التوقف عن استخدام الوصفات الجامدة التي تناسب الجميع، واستخدام نهج ذكي قائم على البيانات لتخصيص كل مهمة وفقاً لقدرة الذكاء الاصطناعي الحالية، يمكننا مساعدة هؤلاء الوكلاء على التعلم بشكل أسرع وأفضل.

يشير المؤلفون إلى أن هذا النهج "المدرك للحدود" (frontier-aware)—الذي يتحقق باستمرار من مكان وقوف الوكيل ويضبط التحدي لإبقائه عند حافة قدراته—هو المفتاح لبناء وكلاء طرفية (terminal agents) أكثر قدرة يمكنها التعامل مع مهام هندسة البرمجيات وإدارة الأنظمة المعقدة. وبينما ركزت الدراسة على معايير وأحجام نماذج محددة، فإن النتائج تشير بقوة إلى أن أسلوب "التخليق الذكي" هذا يمثل خطوة كبيرة للأمام في تعليم الذكاء الاصطناعي كيفية التعلم.