AdaLens: خط سردي مرئي يساعد على التحكم في التحليلات الوكيلة الطويلة وإعادة توجيهها
مع تزايد استقلالية وكلاء نماذج اللغة الكبيرة في علم البيانات، لا توفر الواجهات القياسية صورة واضحة عن منطق النظام أو إمكانية التدخل في الوقت المناسب. تعرض AdaLens العملية التحليلية كخط سردي: حيث تظهر الخطط والتقدم والنتائج الوسيطة، ويمكن للمحلل إعادة توجيه مسار العمل.

لماذا نحتاج إلى التحكم في التحليلات الوكيلة الطويلة
تجعل نماذج اللغات الكبيرة الحديثة علم البيانات أكثر استقلالية: الوكيل يبني الخطة بنفسه، وينفذ الخطوات، ويختبر الفرضيات. لكن عندما يستمر هذا التحليل لفترة طويلة ويتفرع إلى مسارات متوازية، يصعب على المحلل فهم ما يفعله الوكيل بالضبط ولماذا. تعرض الواجهات المعتادة سجلات مقتضبة أو نتائج خطوات منفردة فقط، دون إعطاء صورة كاملة.
يحدد الباحثون مطلبين رئيسيين: الملاحظة — القدرة على رؤية كيفية تطور استدلالات الوكيل وأدلته، والتحكم — إمكانية التدخل وتوجيه العملية في الاتجاه المطلوب. بدون ذلك، يتحول التحليل الطويل إلى «صندوق أسود».
قيود الحلول الحالية
تحاول الأدوات التفاعلية بالفعل كشف سير العمل: فهي تعرض الخطوات، وتسمح بإيقاف التنفيذ أو إجراء تعديلات. ومع ذلك، فإن معظمها مصمم لحوار خطوي منفصل. في الواقع، غالبًا ما يسير التحليل الوكيل في مسارات متوازية، وتتغير بنية القرارات أثناء التنفيذ. لذلك، لا ينجح النهج التقليدي «خطوة بخطوة».
في مقال نُشر على arXiv في 18 أغسطس 2026، يقترح مجموعة من المؤلفين — Yangtian Liu وYan Miao وShuhan Liu وآخرون — مفهوم الإشراف التفاعلي (interactive oversight) للسيناريوهات الوكيلة الطويلة.
كيف يعمل AdaLens
AdaLens هو نظام تفاعلي لمراقبة وإدارة عمليات التشغيل الجارية. الفكرة الأساسية هي تقديم التحليل بأكمله كـخط سردي (storyline)، حيث تظهر بوضوح:
- الخطة التحليلية وتطورها؛
- سير التنفيذ الحالي؛
- النتائج الوسيطة؛
- أعمدة البيانات المستخدمة ومدى نشاطها.
بفضل هذا، يرى المحلل ليس سجلات متفرقة، بل صورة متماسكة لاستدلالات الوكيل.
يعتمد التحكم في AdaLens على نفس العناصر التحليلية: يمكن إعادة توجيه اتجاه غير مفيد، أو تعميق اتجاه واعد، أو إيقاف فروع زائدة، أو تعديل الخطة. تُنفَّذ الإجراءات مباشرة أثناء عمل الوكيل — دون الحاجة إلى انتظار الاكتمال.

التقييم والآفاق
قيّم المؤلفون AdaLens على دراستي حالة وأثناء دراسة مستخدمين. درسوا كيف يتتبع المحللون التحليل الوكيل الطويل ويوجهونه باستخدام الخط السردي. تؤكد النتائج أن هذا النهج يحسن فهم العملية ويتيح التدخل في الوقت المناسب.
المقال متاح عبر DOI: https://doi.org/10.48550/arXiv.2608.17834 (النسخة v1، 18 أغسطس 2026). يبدو أن مثل هذه الأنظمة قد تصبح في المستقبل القريب الواجهة القياسية لسير العمل الوكيل المعقد.

الأسئلة المتكررة
المواد ذات الصلة
جميع المواد
Toollery: اختيار الأدوات لوكلاء LLM من بين عشرات الآلاف من الخيارات دون إعادة تدريب
ينشئ Toollery فهرسًا للبحث في أوصاف المهارات والأدوات، وعند تلقي طلب يمرّر إلى النموذج مجموعة محدودة فقط من الخيارات المرشحة. في تجارب على مكتبات تضم ما يصل إلى عشرات الآلاف من الوظائف، يتيح هذا النهج الحفاظ على جودة الاختيار عند قيمة top-K ثابتة، مع أن الأثر النهائي يعتمد على نمط عبء العمل والتخزين المؤقت لدى مزوّد الخدمة.
11 نوفمبر 2026
التشخيص التدريجي لوكلاء واجهة المستخدم الرسومية أثناء تحليل لوحات المعلومات: معيار DashAct
يقدّم DashAct معيارًا مرجعيًا يضم 348 مسارًا راجعها بشر، ويحلّل عمل وكلاء واجهات المستخدم الرسومية مع لوحات التحكم التفاعلية إلى ثلاث مراحل وأربعة شروط بصرية. وتُظهر النتائج مشكلات مستمرة في التنبؤ بالإجراءات وربطها بالأهداف البصرية، فضلًا عن اعتماد استجابة الوكلاء على الدعم السياقي والمكاني.
11 نوفمبر 2026
WILSON: دمج مستويات التكبير وشرائح المريض للتحليل الباثومورفولوجي وإعداد التقارير
تقدّم هذه الورقة البحثية الأولية نموذج WILSON، وهو نموذج للرؤية واللغة يرمّز صور الشرائح الكاملة وسلاسل العينات لمريض واحد عند درجات تكبير مختلفة، بدلًا من الاقتصار على شريحة منفردة «أفضل». ومن دون ضبط دقيق للمهمة، يتفوّق على نماذج الشرائح المتخصصة والأكبر حجمًا في عدد من المقاييس، مع عبء حوسبي أقل بكثير، كما حصلت أوصافه التشخيصية على تقييمات أعلى من اختصاصيي علم الأمراض.
11 نوفمبر 2026