إدارة مركزية للذاكرة في الذكاء الاصطناعي متعدد الوكلاء: تخصيص بتكاليف أقل
يقترح المؤلفون طبقة نظام للذاكرة المشتركة: تحفظ الوكلاء معلومات منظَّمة، فيما يتولى النظام التحكم في انتقائها وحماية البيانات وتمريرها إلى النماذج. وفي اختبارات على AIOS، حسّن هذا النهج التخصيص مقارنةً بالتخزين الخارجي وRAG، كما خفّض زمن الاستجابة بنسبة 15–61% مقارنةً بتمرير السياق الكامل، مع تحقيق نتائج مماثلة في نموذجين من أصل ثلاثة.
كيف تعمل الذاكرة المركزية
تسجّل الوكلاء المتخصصون ذكريات منظّمة وموسومة. وتتولى نواة نظام الوكلاء إدارة استرجاعها وحماية خصوصيتها وإضافتها إلى الموجّه.
في هذا المخطط، تنشئ الوكلاء الذكريات، بينما تحدد النواة كيفية استخدام النظام لها:
- التسجيل: تحفظ الوكلاء ذكريات منظّمة وموسومة.
- الاسترجاع: تتولى النواة إدارته، لا الوكلاء المنفردون.
- الحماية والإدراج: تكون النواة مسؤولة عن الخصوصية وإضافة الذكريات إلى الموجّه.
يفصل توحيد الإدارة بين إنشاء الذاكرة والتحكم في استخدامها. وهذا مهم عندما ينبغي تطبيق قواعد الاسترجاع والإدراج على مستوى نظام الوكلاء بأكمله.
كيفية اختبار النهج
نُفّذ التصميم وقُيّم على AIOS. وقارن المؤلفون بينه وبين ثلاثة بدائل باستخدام ثلاثة نماذج مساعدة.
- GPT-4o
- Llama-3.1:8B
- Qwen-2.5:7B
شملت الدراسة 1 800 تجربة إجمالًا. ويصف هذا الجزء من العمل نطاق الاختبار، لا شروط مقارنة منفردة.
ما أظهرته المقارنات
تعتمد النتائج على طريقة التعامل مع الذاكرة. ويعرض الجدول استنتاجات المؤلفين بشأن البدائل الثلاثة.
| البديل | نتيجة الإدارة المركزية |
|---|---|
| Mem0 مع مخزن البيانات الأساسي نفسه | ارتفعت درجات التخصيص بمقدار 2,4–4,0 نقاط على مقياس من خمس نقاط. وكانت كل مقارنة ذات دلالة إحصائية: p < 10^-18. |
| الإدراج القياسي عبر التوليد المعزّز بالاسترجاع | كانت المكاسب كبيرة ومتسقة عبر النماذج الثلاثة. |
| التسلسل الكامل للسياق من دون تصفية | كانت النتائج متقاربة إحصائيًا في نموذجين؛ أما في النموذج الثالث، فكان أداء النهج المركزي أدنى قليلًا. وأصبحت الموجّهات أقصر، وانخفض زمن الاستجابة من البداية إلى النهاية بنسبة 15–61% في جميع النماذج. كما انخفض عدد الرموز لكل استدعاء وتكلفة الاستدلال. |
بالنسبة إلى GPT-4o، تغيّرت الدرجة التوضيحية لاستخدام الملف الشخصي من 1,05 إلى 4,69. ويوضح هذا المقياس نتيجة المقارنة مع Mem0.
متى ينبغي النظر في توحيد الإدارة
يجدر النظر في الإدارة المركزية للذاكرة إذا كان النظام يحتاج إلى قواعد موحدة لاسترجاع الذكريات وحمايتها وإدراجها. وينقل هذا النهج هذه القرارات من الوكلاء المنفردين إلى نواة النظام.
ومن المعايير العملية موازنة مستوى التخصيص المطلوب مع حجم السياق المقبول والتكاليف. ويخلص المؤلفون إلى أن توحيد الإدارة يحقق معظم مزايا التخصيص التي يوفرها السياق غير المحدود بتكاليف أقل بكثير.
تستند المقالة إلى ذاكرة مشتركة تديرها النواة للتخصيص على مستوى النظام لريان لوم ويونغفنغ تشانغ، المقدمة في 9 سبتمبر 2026.
الأسئلة المتكررة
المواد ذات الصلة
جميع المواد
تتعرّف النماذج اللغوية الكبيرة الطبية على تحديثات التوصيات، لكنها غالبًا ما تجيب وفقًا للإرشادات القديمة
أظهرت دراسة ChronoEvo التي شملت 1709 تغييرات في التوصيات السريرية أن النموذج الأساسي رصد التحديث في 90,8% من الإجابات، لكنه طبّقه بالكامل في 58,5% فقط، وظلت فجوة قدرها 32,3 نقطة مئوية قائمة لدى 14 نموذجًا. وحتى تعزيز بروز التحديثات لم يحقق زيادة ملحوظة في التطبيق الكامل للقواعد الجديدة ضمن التوصيات السريرية.
4 نوفمبر 2026
نموذج العالم للوكلاء الذين يستخدمون نماذج لغوية كبيرة مغلقة: التصحيح عند نقاط الخطر
اقتُرحت PAWM بوصفها أداة تنبؤ خارجية لا تكرر المراقبة خطوة بخطوة، بل تتدخل عند احتمال حدوث إخفاق وتُبعد الوكيل عن الإجراء الخاطئ. بعد الضبط الدقيق المُشرف (SFT) على سيناريوهات اصطناعية والتدريب المشترك باستخدام GRPO، حققت الطريقة تحسنًا بنسبة 24.3% في ScienceWorld و7.7% في WebArena-Lite مع Claude Sonnet 4.5.
4 نوفمبر 2026
طبقة تصنيفية فوق SpeechLLM: أين تتفوق على توليد التسميات في التعرّف على المشاعر
باستخدام مجموعتي IEMOCAP وMELD، جرت مقارنة التنبؤ التوليدي بالوسم العاطفي بالمُصنِّف الخطي الذي يعمل على التمثيلات الكامنة لنموذج SpeechLLM صغير. ولا يكون التحسن في الأداء الناتج عن المُصنِّف عامًا؛ إذ يعتمد على مجموعة البيانات وعلى استخدام النصوص المرجعية أو مخرجات التعرّف الآلي على الكلام (ASR).
4 نوفمبر 2026