نموذج العالم للوكلاء الذين يستخدمون نماذج لغوية كبيرة مغلقة: التصحيح عند نقاط الخطر

4 نوفمبر 20265 الآراء

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.

نموذج العالم للوكلاء الذين يستخدمون نماذج لغوية كبيرة مغلقة: التصحيح عند نقاط الخطر

المشكلة: يفتقر الوكيل إلى المعرفة بالبيئة

تجيد الوكلاء المتقدمة القائمة على نماذج LLM من نوع «الصندوق الأسود» الاستدلال على مدى زمني طويل وتوليد الأفعال بدقة. لكنها لا تمتلك معرفة مكتسبة بكيفية تطوّر البيئة في سياق مهمة وكيلية محددة. وتصف المقالة arXiv:2610.29139، المقدّمة بتاريخ 21 أكتوبر 2026، هذه الفجوة.

يوفّر نموذج العالم للوكيل معرفةً ببيئة محددة. فهو يتنبأ بكيفية استجابة البيئة للفعل الذي يعتزم الوكيل تنفيذه. ويضيف هذا النموذج معلومات خاصة بالمهمة.

المعيار العملي: التحقق من مدى ارتباط نموذج العالم بالبيئة المستهدفة. فالمعرفة العامة بالاستدلال لا تسد الفجوة في فهم المهمة المحددة.

نمط التصحيح: عند نقاط الخطر، لا في كل خطوة

تتنبأ نماذج العالم السابقة لوكلاء LLM في الغالب بالملاحظة التالية في كل خطوة. وهذا النمط مكلف وقليل الفائدة. فالملاحظات المنفردة لا تقدم سوى توجيه محدود ذي صلة بالمهمة. ولا حاجة إلى الاستشراف في كل خطوة.

أظهرت دراسة أولية أن توجيه نموذج العالم يكون أنفع ما يكون عندما يستشرف المخاطر في أفق مستقبلي محدود ومتعدد الخطوات. وهذا يعني أن التصحيح ينبغي أن يُفعّل عند نقاط الخطر، لا أن يعمل باستمرار.

الخيارما هو معروف
التنبؤ خطوة بخطوةيتنبأ بالملاحظة التالية في كل خطوة؛ وهو مكلف وقليل الفائدة.
استشراف المخاطريستشرف المخاطر في أفق مستقبلي محدود ومتعدد الخطوات؛ ويوفر التوجيه الأكثر فائدة.

المعيار العملي: اختيار نمط يُفعّل عند احتمال وجود خطر، ولا يهدر الاستشراف في كل خطوة.

كيف يعمل استشراف المخاطر

قدّم المؤلفون Pitfall Anticipation World Model (PAWM). ويعمل النموذج من خلال ثلاثة عناصر:

  • يتدخل بشكل انتقائي عند ظهور خطر محتمل؛
  • يتنبأ بإخفاق وشيك؛
  • يوجّه الوكيل بعيدًا عن الخطر عند نقطة الخطر.

المعيار العملي: ينبغي أن يستند محفّز التصحيح إلى خطر محتمل وتوقع إخفاق وشيك.

تدريب النموذج على مرحلتين

يدرّب المؤلفون Pitfall Anticipation World Model (PAWM) على مرحلتين.

  1. الضبط الدقيق الخاضع للإشراف (SFT) على بيانات اصطناعية. تتضمن البيانات الاصطناعية تعليقات توضيحية للمخاطر الخاصة بالوكلاء.
  2. التدريب المشترك باستخدام GRPO مع نموذج LLM من نوع «الصندوق الأسود». وهو يحسّن النموذج في البيئة المستهدفة.

المعيار العملي: التحقق من كلتا المرحلتين — التعليقات التوضيحية للمخاطر والتدريب المشترك في البيئة المستهدفة.

التقييم: أين يظهر التحسن

تحسّن الطريقة نتائج Claude Sonnet 4.5 بنسبة 24.3% في ScienceWorld وبنسبة 7.7% في WebArena-Lite.

البيئةالتحسن لدى Claude Sonnet 4.5
ScienceWorld24.3%
WebArena-Lite7.7%

ويشير المؤلفون أيضًا إلى أن النموذج يتفوق على عدد من الطرق الأساسية. المعيار العملي: النظر إلى مقدار التحسن في البيئة المستهدفة ومقارنته بالطرق الأساسية. ويتطلب نقل النتائج بين البيئات تحققًا منفصلًا.

الأسئلة المتكررة

المواد ذات الصلة

جميع المواد
التشخيص التدريجي لوكلاء واجهة المستخدم الرسومية أثناء تحليل لوحات المعلومات: معيار DashAct
البحوث

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
الأخبار

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
الثوابت كثيرة الحدود القانونية في تشخيص أعطال محاكيات التعلم المعزز: أين تكون مفيدة حقًا
الأخبار

الثوابت كثيرة الحدود القانونية في تشخيص أعطال محاكيات التعلم المعزز: أين تكون مفيدة حقًا

تبحث الدراسة مدى جدوى إدراج القوانين الفيزيائية في نماذج الديناميكيات المتعلَّمة: فالثوابت المستخلصة من المسارات والمحوَّلة إلى صيغة معيارية باستخدام قواعد غروبينر تحقق تحسناً متواضعاً في التنبؤات، لكنها فعّالة في التشخيص، إذ تتيح تحديد موضع القيد المنتهك والكشف عن المعلمة الخاطئة بعينها.

10 نوفمبر 2026
نموذج العالم للوكلاء الذين يستخدمون نماذج لغوية كبيرة مغلقة: التصحيح عند نقاط الخطر