لماذا تتوقف الأنظمة متعددة الوكلاء عن العمل وفق سيناريو محدد
النماذج اللغوية الكبيرة قادرة على العمل ضمن فرق: وكيل يجمع البيانات، وآخر يتحقق من الحقائق، وثالث يصوغ الإجابة النهائية. حتى وقت قريب، كانت هذه الروابط تُصمَّم مسبقًا: يحدد المطور من يتواصل مع من وبأي ترتيب. هذا مناسب طالما كانت المهام متشابهة. لكن بمجرد وصول طلب معقد وغير نمطي، يبدأ المخطط الجامد في إعاقة العمل: بعض الوكلاء يبقون خاملين، وآخرون يصطدمون بأخطاء غيرهم، وسلسلة الاستدلال تصبح أطول من اللازم أو أقصر منه.
الحل هو ما يُعرف بالأنظمة متعددة الوكلاء ذاتية التطور (self-evolving). فبدلاً من قالب ثابت، تقوم هذه الأنظمة باختيار عملية العمل المناسبة أثناء التنفيذ: توزيع الأدوار، وإعادة ترتيب الخطوات، وتحديد أي الوكلاء يجب أن يتواصل الآن. ينتمي النهج البحثي المسمى ST-EVO إلى هذه الفئة تحديدًا.
التطور المكاني والزماني: لماذا لا يكفي بُعد واحد
معظم الخوارزميات الحالية للتنظيم الذاتي للوكلاء تطور التواصل في اتجاه واحد فقط من اتجاهين.
التطور المكاني يجيب على سؤال «مع من نتحدث»: يغيّر النظام طوبولوجيا الروابط بين الوكلاء وفقًا للطلب الحالي. يمكنه إضافة عضو جديد، أو إزالة عضو زائد، أو إعادة توزيع المهام الفرعية بين المنفذين.
التطور الزماني يجيب على سؤال «بأي ترتيب نتصرف»: يطيل النظام أو يقصر أو يعيد ترتيب مراحل الاستدلال ليتناسب بشكل أفضل مع بنية المهمة.
كل بُعد على حدة يحسّن أداء النظام، لكن ليس بشكل كامل. فالضبط المكاني يتجاهل الخبرة المتراكمة وديناميكية العملية؛ والضبط الزماني لا يراعي لمن يُوجَّه تحديدًا كل خطوة تالية. يقترح مؤلفو ST-EVO النظر إلى البعدين معًا والتخطيط للتواصل في المكان والزمان: المهم ليس فقط أي الوكلاء يشاركون في الحوار، بل أيضًا في أي لحظة ينضمون إلى النقاش.
كيف يُبنى «جدول» تواصل الوكلاء
داخل ST-EVO، يتولى مخطط قائم على مطابقة التدفق (flow matching) مسؤولية إعادة بناء التفاعلات — وهو نهج توليدي قادر على التحويل السلس لتوزيع بنى محتملة إلى أخرى. بدلاً من استعراض جميع خيارات الروابط، يتنبأ النظام بالخيار التالي لمخطط الحوار. يعمل هذا المخطط ليس على مستوى «الرسائل» الفردية بين الوكلاء، بل على مستوى توجيه الحوار: يقرر بين أي الأطراف يجب أن ينشأ تواصل في اللحظة الراهنة.
تفصيل مهم هو قدرة النظام على استشعار عدم يقينه الخاص. إذا لم يكن الوكيل واثقًا من النتيجة الوسيطة، يمكن لـ ST-EVO تعديل مسار نقل البيانات: على سبيل المثال، إعادة توجيه الطلب إلى وكيل آخر، أو إضافة خطوة تحقق إضافية، أو تغيير توزيع الأدوار بالكامل. بالإضافة إلى ذلك، يحصل النظام على تغذية راجعة ذاتية (self-feedback): بعد تنفيذ المهام، يجمع السيناريوهات الناجحة والفاشلة ليكون أسرع في العثور على طوبولوجيا تواصل فعّالة في المرة القادمة.
ماذا أظهرت التجارب
اختبر الباحثون ST-EVO على تسعة معايير قياس تغطي أنواعًا مختلفة من المهام — من تحليل البيانات إلى الاستدلالات المعقدة. في جميع الحالات تقريبًا، أظهر النهج نتائج بمستوى الأحدث (state-of-the-art): بلغت الزيادة في الدقة حوالي من 5% إلى 25% مقارنة بالطرق البديلة. يُفسَّر هذا التباين بأن استبدال السيناريو الثابت بديناميكي يحقق فائدة أكبر لبعض أنواع المهام مقارنة بأنواع أخرى.
ماذا يعني هذا عمليًا
لا يبدو ST-EVO مجرد طريقة أخرى «لضبط الوكلاء قليلاً»، بل خطوة نحو التنظيم الذاتي الكامل للأنظمة المعقدة. إذا استمر التطور في هذا الاتجاه، فسيصبح الفرق بين العملية المصممة مسبقًا والسلوك الفعلي للوكلاء شبه معدوم مع مرور الوقت. ستتمكن الأنظمة من أن تقرر بنفسها متى تعيد هيكلة نفسها، ومن تضمّه إلى المحادثة، وكيف تستخدم الخبرة السابقة — دون الحاجة إلى وصف جميع السيناريوهات الممكنة يدويًا.
