تقنية CMAS تخفض معدل الندم المحاكى في بحث الوكلاء إلى 0.104

خفّضت طريقة "البحث المحافظ للوكلاء الفوقيين" (CMAS)، وهي طريقة للبحث في بنية الذكاء الاصطناعي وُصفت في مسودة بحثية على منصة arXiv للباحث علي عطية الزهراني نُشرت في 23 أكتوبر، معدل الندم المحاكى إلى 0.104 عبر 96 مساراً متدفقاً.

وفي المسودة المنشورة على arXiv ضمن قسم cs.AI بتاريخ 23 أكتوبر، قال الزهراني إن CMAS حققت منفعة محتجزة بلغت 0.48، مقابل 0.44 لأقوى خط أساس تكيفي، في حين كانت تكلفة الاستدلال أثناء النشر أقل بنحو 6%.

وتتناول الورقة مشكلة عملية تواجه الأنظمة القائمة على الوكلاء، وهي بيئات برمجية تستخدم وكلاء ذكاء اصطناعي لاختيار الأدوات أو العاملين أو مسارات العمل. ويصيغ الزهراني المسألة باعتبارها ناتجة عن تغير الظروف وتأخر التغذية الراجعة وفشل المكونات المترابطة، بدلاً من قياس الأداء في اختبارات ثابتة.

وكتب الزهراني أن المسارات المالية استُخدمت كاختبار إجهاد، وليس كادعاء لتحقيق أرباح تداول: "تخدم المسارات المالية كبيئة اختبار حساسة للمخاطر للتعميم على المستوى الفوقي؛ ونحن لا ندعي تحقيق أي عوائد إضافية (ألفا)".

وتعمل CMAS بمقارنة تصميم النظام المقترح بالتصميم الحالي قبل استبداله. وتسترجع الطريقة البنى المخزنة، وتقترح تعديلات موجهة على المخططات البيانية، وتُقيّم الخيارات المرشحة من خلال إعادة تشغيل مقترنة، وهو إجراء يهدف إلى اختبار البدائل في ظل ظروف محاكاة متطابقة.

وتوضح المسودة البحثية أن الترقية تتطلب درجة معدلة بالهامش تخصم من التباين، تليها مرحلة اختبار تمهيدي محاكى (canary stage) وخطة تراجع. ويمثل الاختبار التمهيدي تجربة محدودة قبل النشر الأوسع، بينما يعني التراجع العودة إلى النظام السابق إذا أخفق النظام المرشح في اجتياز فحوصات محددة مسبقاً.

وتُعد بيئة الاختبار المعيارية، المسماة MetaInvest-Bench، محاكياً صممه المؤلف تتغير فيه الأنظمة وتُحدد كفاءة العاملين فيه. وتذكر الورقة أن هذا التصميم يسمح بحساب بنية بديلة مثلى، مما يمنح الطريقة نقطة مرجعية للمقارنة.

وكان مقياس الأداء الرئيسي المُعلن عنه هو متوسط ندم الأوراكل الديناميكي البديل المعياري، وهو مقياس محاكاة للعجز مقابل تلك النقطة المرجعية المحسوبة. وخفضت CMAS هذا الرقم إلى 0.104 مقارنة بـ 0.116 لأقوى خط أساس تكيفي، وفقاً للمسودة.

وجاءت تفاصيل التكلفة متباينة؛ إذ ذكر الزهراني أن CMAS استهلكت تكلفة استدلال أقل بنحو 6% عند النشر، لكنها سجلت أعلى تكلفة رموز تشمل عملية البحث مقارنة بالطرق الأخرى، ما يعني أن إجراءات البحث استهلكت ميزانية أكبر من معالجة النماذج.

وأفادت الورقة أيضاً بأن CMAS تقلصت نحو فرق تعتمد على وكيل شبه منفرد عندما لم يقدم العاملون الإضافيون أي قيمة مضافة. ويمثل ذلك للمطورين الادعاء التشغيلي الأكثر وضوحاً: فالطريقة مصممة ليس فقط لإضافة المكونات، بل أيضاً لإزالتها عندما لا تجد المحاكاة فائدة منها.

ولا تزال الأدلة محدودة؛ فالورقة المنشورة على arXiv هي مسودة أولية لم تخضع لمراجعة الأقران، وتظل معايرتها تجريبية ومرتبطة بإحصائية إعادة التشغيل على مستوى التحديث ضمن بيئة اختبار معيارية صممها المؤلف نفسه.

وحذر الزهراني كذلك من أن النتائج لا تضمن تحقيق منفعة كاملة أفضل، أو تمنع الضرر أثناء مرحلة الاختبار التمهيدي المحاكى، أو توفر تحكماً في الأخطاء على مستوى التسلسل. وبلغ معدل الترقية الخاطئة المُسجل لكل تحديث 3.4% مقابل هدف اسمي قدره 5%، وسجل 4.8% في إعادة تشغيل مغلقة.

ويشير إدراج arXiv إلى أن الورقة قُدمت في 22 أكتوبر، وتقع في 24 صفحة، وتندرج تحت تصنيفات الذكاء الاصطناعي، وتعلّم الآلة، والأنظمة متعددة الوكلاء.

المصدر: مسودة بحثية، arXiv cs.AI، 23 أكتوبر 2026