الأبحاث الطويلة: المشكلة ليست في استعلام واحد
يعيش الباحث المستقل في واقع مختلف عن وكيل الدردشة العادي. فهو بحاجة إلى طرح فرضية، والتحقق منها، واكتشاف الخطأ، وإعادة كتابة السكربت، وتشغيل التجربة، وأحيانًا العودة إلى نسخة سابقة من النموذج. قد تستغرق هذه الدورة ساعات، ولا تتضح قيمة كل خطوة إلا في النهاية.
معظم وكلاء الأبحاث يواجهون صعوبة في هذا الأمر. آليات الاستمرارية شبه معدومة: إذا وصلت التجربة إلى طريق مسدود، لا يعرف الوكيل كيفية استعادة الخيط المفقود. كما لا توجد وظيفة لإعادة توزيع الحوسبة بناءً على مدى فائدة النتيجة الحالية. ونتيجة لذلك، يصبح البحث فضفاضًا، وتُهدر الموارد الحاسوبية، وتنخفض احتمالية إكمال العمل حتى النهاية.
كيف يعمل النهج الجديد
هذه المشكلات تحديدًا هي ما يحله إطار ScienceFlow. مؤلفوه — فريق من 19 باحثًا — قدموا بنية شاملة (end-to-end) للتجارب العلمية المستقلة. الوكيل لا يعمل «بناءً على موجه واحد»: بل يبني مسارًا بحثيًا طويلًا.
داخليًا، ينقسم العمل إلى مقاطع بحثية. كل مقطع مرتبط بمساحة عمل قابلة للتنفيذ: حيث تعيش السكربتات والبيانات والبيئة. تقدم البحث ليس ملاحظات نصية متناثرة، بل حالة تنفيذية قابلة للاستعادة. يمكن «رفع» هذه الحالة من القرص، وإعادة فحصها، وإعادة تجميعها، وتشغيلها من جديد. بفضل هذا، يعود الوكيل بسهولة إلى نقطة سابقة ويجرب فرعًا آخر، بدلًا من البدء من الصفر.
ESTRA: كيفية اختيار نقطة الانطلاق التالية
التفصيل الأساسي هو الانتقال بين الحالات عبر آلية ESTRA (Executable-State Transition through Re-Anchoring). في كل خطوة، ينظر الوكيل إلى نوعين من الحالات: الحالات الحية، حيث يمكنه المتابعة فورًا، والحالات المؤرشفة، التي أدت بالفعل إلى نتائج معينة. لكنه لا يختار مجرد نقطة جديدة، بل يختار مرساة (anchor) للحركة المستقبلية. ثم يحدد السيناريو: مواصلة الحركة من هذه الحالة أو إعادة توجيه البحث في اتجاه آخر.
هذا النهج يعالج المشكلة الكبرى في التجارب الطويلة — تأثير الوكيل «العالق»، الذي يستمر في التعمق في فرع غير واعد لأنه لا يعرف كيفية التراجع.
وحدة تحكم تنفيذ تراعي النتائج
طبقة أخرى من الإطار — وحدة تحكم تراعي النتائج المؤكدة. وهي توزع الموارد بين المهام الحاسوبية الفردية، بالاعتماد على ثلاثة عوامل: توفر القدرات، والميزانية المتبقية، والتقدم المؤكد بالفعل. إذا توقف اتجاه معين عن إعطاء نتائج قابلة للقياس، يمكن لوحدة التحكم تقليص حصته وإعادة توجيه الموارد إلى حيث تكون الحركة مرئية فعليًا. هذا ليس مجدول مهام «جشعًا»، بل وسيلة للحفاظ على الاستراتيجية العامة ضمن إطار الهدف.
ماذا أظهرت الاختبارات
في الاختبارات، غطى الإطار ليس فقط التعلم الآلي الكلاسيكي، بل أيضًا النمذجة العلمية والتحسين الرياضي. تشير النتائج التي تم الحصول عليها إلى أن النظام قادر على إجراء جلسات بحثية طويلة ومنتجة، دون تحويلها إلى سلسلة لا نهاية لها من الخطوات غير المترابطة.
أبرز نتيجة — على MLE-bench الكامل ضمن ميزانية 24 ساعة: 70.22% وفق مقياس Any-Medal. وهذا أعلى بمقدار 4.92 نقطة مئوية عن الأرقام المنشورة سابقًا. وبالنظر إلى أن MLE-bench يختبر سيناريوهات تعلم آلي واقعية، فهذه إشارة قوية: استقرار العملية أحيانًا أهم من الذكاء الأولي للنموذج.
ماذا يعني هذا للعلم المستقل
يصوغ مؤلفو المقال استنتاجًا مهمًا: لتوسيع نطاق الأبحاث المستقلة، فإن إدارة الحالة، والاستكشاف التكيفي، والتنفيذ المنسجم مع الهدف لها أهمية حاسمة. القدرة على التفكير بشكل جميل وحدها لا تكفي — بل هناك حاجة إلى بنية تحتية تمنع الوكيل من فقدان الإنجازات السابقة وتساعده على تغيير الاتجاه في الوقت المناسب.
يبدو أن هذه هي الخطوة التالية من مساعدي LLM نحو أنظمة بحث مستقلة حقيقية. العمل على أفق زمني طويل يتوقف عن كونه «حوارًا قصيرًا مع النموذج» ويتحول إلى مهمة هندسية: كيفية بناء عملية تظل فيها كل نسخة من التجربة متاحة، ويتم التحقق من كل نتيجة، وتنبثق كل خطوة تالية من تقدم مؤكد.
