Context as an Environment: Programmatic Context Management for Long-Horizon Agents
تقدم الورقة البحثية "Scroll"، وهو نظام برمجي لإدارة السياق يعامل جلسات الوكيل كبيئات قابلة للتنفيذ مع سجل أحداث غير قابل للتعديل ونواة بايثون مستمرة، مما يمكّن النماذج اللغوية الكبيرة من إدارة الحالة طويلة الأمد ديناميكيًا عبر الكود مع تحقيق أداء رائد في اختبارات السياق الطويل.
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 محادثة لا تنتهي أبداً. أنت تتحدث إلى برنامج حاسوبي ذكي للغاية، يمكنه مساعدتك في كتابة الأكواد، أو التخطيط لرحلات معقدة، أو البحث في مواضيع عميقة. في البداية، تكون المحادثة سهلة؛ حيث يتذكر البرنامج كل ما قلته في الدقائق القليلة الماضية. ولكن مع استمرار المحادثة لساعات أو أيام، يزداد حجم المعلومات. وفي النهاية، يصبح الحجم أكبر مما يمكن للبرنامج استيعابه في ذاكرته المباشرة. في عالم الذكاء الاصطناعي، تسمى هذه الذاكرة المباشرة "نافذة السياق" (context window). وهي ذات حجم ثابت، مثل مكتب لا يمكنه حمل سوى عدد معين من الأوراق. وعندما يصبح كوم الورق مرتفعاً جداً، يجب على البرنامج التخلص من بعض الأوراق لإفساح المجال لأوراق جديدة.
المشكلة هي أن البرنامج لا يعرف أي الأوراق مهمة حتى فوات الأوان. فإذا سألته عن شيء ذكرتَه قبل ثلاثة أيام، فقد يكون البرنامج قد تخلص بالفعل من تلك الورقة. تحاول الحلول التقليدية حل هذه المشكلة عن طريق تلخيص الأوراق القديمة في ملاحظة قصيرة أو باختيار بعض الحقائق للاحتفاظ بها في دفتر ملاحظات منفصل. لكن هذه الأساليب محفوفة بالمخاطر؛ فإذا تخلص البرنامج من تفصيل محدد، مثل تاريخ أو رقم، فإن ذلك التفصيل يضيع للأبد ولا يمكن استعادته. وبالنسبة للمهام التي تتطلب النظر إلى تاريخ طويل للعثور على حقائق دقيقة أو لتتبع كيفية تغير موقف ما بمرور الوقت، فإن فقدان تفصيل واحد يمكن أن يتسبب في فشل البرنامج.
اقترح فريق من الباحثين طريقة مختلفة للتعامل مع هذه المحادثة المتنامية. أطلقوا على نظامهم اسم "سكروول" (Scroll). بدلاً من محاولة حشر التاريخ بأك അതിന്റെ في الذاكرة المباشرة للبرنامج، فإنهم يعاملون التاريخ كبيئة دائمة ومنفصلة يمكن للبرنامج زيارتها متى احتاج إليها. فكر في الأمر كأرشيف ضخم ومنظم يقع خارج مكتب البرنامج مباشرة. البرنامج لا يقرأ الأرشيف بأكمله دفعة واحدة، بل يكتب تعليمات صغيرة، مثل استعلام بحث أو أمر، للذهاب إلى الأرشيف، والعثور على الصفحة المحددة التي يحتاجها، وإحضار تلك الصفحة فقط إلى المكتب.
جوهر هذا النظام هو سجل دائم لكل تفاعل، يسمى "سجل الأحداث" (Event Log). هذا السجل يشبه جهاز تسجيل لا يتوقف أبداً، حيث يلتقط كل رسالة، وكل نتيجة أداة، وكل قرار بدقة متناهية. يتم تخزينه بأمان خارج الذاكرة المباشرة للبرنامج، لذا لا يضيع أي شيء. وإلى جانب هذا السجل، يوجد مساحة عمل مستمرة، وهي بمثابة "صندوق رمل" رقمي حيث يمكن للبرنامج الاحتفاظ بأفكاره وحساباته الحالية. عندما يحتاج البرنامج لتذكر شيء من الماضي، فإنه لا يعتمد على ملخص، بل يكتب قطعة من الكود للبحث في "سجل الأحداث"، والعثور على اللحظة الدقيقة التي يبحث عنها، وتحميل تلك المعلومة في مساحة العمل الخاصة به.
يغير هذا النهج طريقة تفكير البرنامج في ذاكرته. فبدلاً من التخمين بشأن ما يجب الاحتفاظ به، يقرر البرنامج ما يبحث عنه في اللحظة التي تبرز فيها الحاجة إليه. فإذا كان البرنامج يخطط لرحلة ويحتاج لتذكر تفضيل ذكره المستخدم قبل أسابيع، فإنه يكتب أمراً للبحث عن ذلك التفضيل المحدد، ثم يقوم بتحميل الكلمات الدقيقة التي استخدمها المستخدم ويستخدمها لاتخاذ قرار. البرنامج يجلب فقط المعلومات الضرورية إلى رؤيته المباشرة، بينما يظل بقية تاريخ المحادثة مخزناً بأمان في الأرشيف، في انتظار استرجاعه إذا احتاج إليه لاحقاً.
وللحفاظ على عدم امتلاء الرؤية المباشرة، يمتلك النظام وسيلة لتفريغ المعلومات القديمة التي لا تُستخدم حالياً. فعندما تصبح مساحة العمل مزدحمة، يقوم النظام بنقل الأجزاء الأقدم من المحادثة إلى الأرشيف. ومع ذلك، وعلى عكس الأنظمة الأخرى التي قد تحذف هذه الأجزاء القديمة أو تلخصها، يحتفظ "سكروول" بها كما هي تماماً. إنه ينشئ خريطة صغيرة، وهي "فهرس"، يخبر البرنامج بالضبط أين تُخزن تلك الأجزاء القديمة في الأرشيف. وإذا أدرك البرنامج لاحقاً أنه بحاجة للتحقق من محادثة قديمة، فيمكنه استخدام هذه الخريطة للقفز مباشرة إلى المكان الصحيح واسترجاع النص الأصلي. وهذا يضمن أن البرنامج يمكنه دائماً العودة إلى المصدر، حتى لو لم تعد المعلومة ضمن رؤيته المباشرة.
اختبر الباحثون هذا النظام في عدة تحديات صعبة صُممت لمعرفة مدى قدرة الذكاء الاصطناعي على التعامل مع المحادثات الطويلة. في أحد الاختبارات، كان على النظام الإجابة على أسئلة بناءً على تاريخ يتجاوز مليون كلمة من المحادثات. وفي اختبار آخر، كان عليه العمل كـ "وكيل" (agent) يتخذ القرارات على مدى فترة طويلة، باستخدام الأدوات لجمع المعلومات وحل المشكلات. أظهرت النتائج أن هذه الطريقة الجديدة كانت فعالة للغاية؛ ففي اختبار يقيس مدى قدرة النظام على التذكر والاستنتاج عبر تواريخ طويلة، حقق درجة 94.8 بالمائة. وفي اختبار آخر يتضمن عشرة ملايين كلمة من التاريخ، سجل 73.1 بالمائة، وهو أعلى من أي نظام آخر نُشر سابقاً. وفي اختبار كان على النظام فيه إدارة بيئة متنامية أثناء حل مهام معقدة، وصل إلى 86.7 بالمائة، متجاوزاً بذلك أفضل النتائج السابقة بفارق كبير.
إن نجاح هذا النظام يأتي من قدرته على التعامل مع الذاكرة كمهمة برمجية. فمن خلال السماح للبرنامج بكتابة تعليماته الخاصة للبحث عن المعلومات واستخدامها، يستفيد النظام من قدرة البرنامج المتزايدة على كتابة الأكواد. فهو لا يجبر البرنامج على ضغط تاريخه في ملخص قد يفقد التفاصيل المهمة، بل يمنحه الأدوات للوصول إلى التاريخ الكامل وغير المعدل متى دعت الحاجة. ووجد الباحثون أن هذه الطريقة تعمل بشكل جيد عبر أنواع مختلفة من البرامج القوية، مما يشير إلى أن القدرة على إدارة الذاكرة طويلة المدى من خلال الكود هي مهارة عامة يمكن لمختلف الأنظمة تعلمها.
يشير هذا العمل إلى تحول في كيفية بناء الوكلاء الأذكياء. فبدلاً من محاولة جعل الذاكرة المباشلة للبرنامج أكبر أو أفضل في التلخيص، يمكننا إعطاؤه إمكانية الوصول إلى سجل دائم وقابل للبحث لحياته. يتعلم البرنامج التنقل في هذا السجل، ويقرر ما يتقدم به وما يتركه خلفه. هذا يبقي الرؤية المباشرة واضية ومركزة، بينما يضمن أن الحقيقة الكاملة للماضي متاحة دائماً. ويعتقد الباحثون أن هذا النهج يمكن أن يساعد الذكاء الاصطناعي في التعامل مع مهام أطول وأكثر تعقيداً في المستقبل، مما يسمح له بالتعلم من تاريخ أعمق بكثير دون فقدان التفاصيل التي تهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.