← أحدث الأبحاث
🤖 AI

AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces

يُعد AutoSaddler إطار عمل تلقائي يعمل على تحسين أطر عمل وكلاء النماذج اللغوية الكبيرة (LLM) من خلال التشخيص المتكرر لتتبعات الفشل من سجلات التنفيذ وتوليد تصحيحات برمجية مهيكلة، مما يحسن بشكل كبير من متانة الوكلاء وأدائهم في المهام طويلة المدى عبر معايير قياسية متعددة.

المؤلفون الأصليون: Sungho Park, Wonjoong Kim, Rongyuan Tan, Jue Zhang, Wook-Shin Han, Pengfei Gao, Chanyoung Park, Yongqiang Yao, Rao Fu, Elsie Nallipogu, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

نُشر 2026-08-25
📖 5 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Sungho Park, Wonjoong Kim, Rongyuan Tan, Jue Zhang, Wook-Shin Han, Pengfei Gao, Chanyoung Park, Yongqiang Yao, Rao Fu, Elsie Nallipogu, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang

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

في عالم الذكاء الاصطناعي المتطور بسرعة، يبني الباحثون بشكل متزايد أنظمة تفعل أكثر من مجرد الإجابة على الأسئلة؛ إنها تعمل. هذه "الوكلاء" (agents) هي برامج حاسوبية مدعومة بنماذج لغوية كبيرة يمكنها تخطيط تسلسل من الخطوات، واستخدام أدوات رقمية، والتفاعل مع بيئة حاسوبية لحل المشكلات المعقدة. تخيل أنك تطلب من الحاسوب تنظيم رحلة لمدة أسبوع، وحجز رحلات طيران، وحجز فنادق. الوكيل لا يكتفي بإعطائك قائمة فحسب؛ بل يقوم بتسجيل الدخول، والبحث، ومقارنة الأسعار، وإتمام عمليات الحجز. ومع ذلك، غالباً ما تعاني هذه الأنظمة عندما تصبح المهام طويلة أو معقدة. فخطأ صغير في بداية العملية، مثل سوء تفسير تعليمات واحدة، يمكن أن يتفاقم ليصبح فشلاً ذرياً بعد ساعات. ولمنع حد هذا، يبني المهندسون طبقة واقية من الكود البرمئي حول الوكيل، تُعرف باسم "الحزام" (harness). يعمل هذا الحزام كمشرف، حيث يتحقق من عمل الوكيل، ويدير أدواته، ويضمن بقاءه على المسار الصحيح. ولسنوات، كان تصميم هذا الحزام وظيفة بطيئة ويدوية، تتطلب من الخبراء البشريين تعديل التعليمات والإعدادات يدوياً، وهي عملية يصعب توسيع نطاقها وغالباً ما تترك النظام هشاً.

قدم فريق من الباحثين طريقة جديدة تسمى AutoSaddler تقوم بأتمتة عملية التصميم هذه بالكامل. فبدلاً من الاعتماد على الحدس البشري لإصلاح كود المشرف، يعامل النظام الحزام نفسه كقطعة من البرمجيات التي يمكن تحسينها من خلال دورة صارمة من الاختبار والتعلم. صاغ الباحثون المشكلة كمسألة تعلم غير متصل (offline learning)، مما يعني أن النظام يتعلم من مجموعة من الإخفاقات الماضية بدلاً من محاولة اكتشاف الأمور في الوقت الفعلي. قاموا بتغذية النظام بدفعات من المهام التي فشل الوكيل في إكمالها سابقاً. ثم قام النظام بتحليل السجلات التفصيلية لهذه الإخفاقات، المعروفة باسم "آثار التنفيذ" (execution traces)، لفهم أين ولماذا أخطأ الوكيل بالضبط. لم يقم النظام بالتخمين فحسب؛ بل تعمق في الكود والسجلات للعثور على السبب الجذري، تماماً مثل الميكانيكي الذي يشخص عطل محرك السيارة من خلال الاستماع إلى الضجيج وفحص الأجزមាន بدلاً من مجرد التخمين بشأن أي مسمار يجب شدّه.

بمجرد أن حدد النظام المشكلة، قام بإنشاء إصلاح محدد ومنظم، أو "رقعة" (patch)، لكود الحزام. لم تكن هذه الرقع عشوائية التعديلات؛ بل كانت مصنفة بعناية إلى ثلاثة أنواع: تغييرات في تعليمات الوكيل، وتغييرات في الأدوات التي يمكنه استخدامها، وتغييرات في المنطق الذي يتحكم في سلوكه. ثم اختبر النظام هذه الرقع فوراً على نفس دفعة المهام ليرى ما إذا كانت تعمل بالفعل. وإذا نجحت الرقعة في إصلاح المشكلة الفورية دون كسر أي شيء آخر، ينتقل النظام إلى خطوة ثانية حاسمة: التحقق مما إذا كان الإصلاح سيعمل على مهام جديدة وغير مرئية. كانت هذه الخطوة حيوية لضمان أن النظام لا يقوم فقط بحفظ الإجابات للمشكلات المحددة التي رآها، بل أصبح في الواقع أكثر ذكاءً بطريقة عامة. بنى الباحثون نظام ذاكرة، وهو عبارة عن رسم بياني موجه يتتبع تاريخ كل تغيير، وكل نجاح، وكل فشل، مما سمح للنظام بالتعلم من تاريخه الكامل بدلاً من مجرد المحاولة الأخيرة.

كانت نتائج هذا النهج كبيرة. فعند اختباره على ثلاثة معايير مختلفة تتضمن مهاماً معقدة، تفوق النظام باستمرار على الحزمة الأصلية المصممة يدوياً. وفي مجموعة من مهام المساعد العام، حسّن النظام الآلي معدل النجاح بمقدار تسع نقاط مئوية. وفي معيار لمهام هندسة البرمجيات، تحسن بمقدار عشر نقاط تقريباً، وفي اختبار حل المشكلات القائم على الطرفية (terminal)، حقق أيضاً عشر نقاط. كانت هذه المكاسب كبيرة بما يكفي لتجاوز ليس فقط التصميمات اليدوية الأصلية، بل وأيضاً الطرق المؤتمتة الأخرى التي حاولت تحسين النظام. وجد الباحثون أن مفتاح هذا النجاح لم يكن مجرد تجربة العديد من التغييرات العشوائية، بل التركيز على التشخيص العميق، وإجراء تغييرات هيكلية مستهدفة، والاختيار الصارم فقط للتغييرات التي ثبت أنها مفيدة على نطاق واسع.

استبعدت الدراسة صراحة عدة مقاربات شائعة قد تبدو بديهية ولكنها أثبتت عدم فعاليتها. فقد أظهر الباحثون أن مجرد التأمل في الفشل دون تحقيق عميق في الكود والسجلات أدى إلى إصلاحات سطحية لم تصمد. كما أظهروا أن السماح للنظام بإجراء تعديلات عشوائية غير مقيدة على الكود أدى إلى بحث فوضوي نادراً ما وجد الحل الصحيح، وغالباً ما يعلق على تعديلات نصية بسيطة بينما يتجاهل التحسينات الهيكلية الكبرى. علاوة على ذلك، وجدوا أن تحسين النظام للمهام المحددة التي تمت رؤيتها أثناء التدريب فقط تسبب في "فرط التخصيص" (overfitting)، مما يعني أنه أصبح ممتازاً في تلك المهام المحددة ولكنه فشل عند مواجهة تنويعات جديدة. نجح النظام فقط عندما أُجبر على التحقق من تغييراته مقابل مجموعة منفصلة من المهام غير المرئية، مما ضمن أن التحسينات كانت متينة وعامة.

من خلال الاختبارات المكثفة، أكد الباحثون أن طريقتهم قوية وفعالة. فقد وصل النظام إلى مستويات عالية من الأداء باستخدام موارد حاسوبية أقل بكثير من الطرق المنافسة، حيث تطلب حوالي عشر مرات أقل من المحاولات لتعلم الدروس نفسها. جاءت هذه الكفاءة من قدرة النظام على التعلم بعمق من كل فشل، بدلاً من مجرد محاولة حل المشكلة بالقوة الغاشمة عبر ملايين التخمينات العشوائية. تشير الدراسة إلى أن مستقبل الوكلاء الموثوقين للذكاء الاصطناعي يكمن في هذه الأطر ذاتية التحسين والمؤتمتة التي يمكنها تشخيص وتدقيق تعليمات تشغيلها بشكل منهجي. ومن خلال التعامل مع الحزام ككود يمكن تطويره من خلال التشخيص القائم على الأدلة والإصلاح الهيكلي، فتح الباحثون مساراً نحو أنظمة ذكاء اصطناعي أكثر قدرة وموثوقية يمكنها التعامل مع المهام الطويلة والمعقدة في العالم الحقيقي دون تدخل بشري مستمر.

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.AI →