تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارتحليل · على الرادارMarkTechPost→ المصدر

Microsoft SkillOpt: تحسين تلقائي للموجّهات النصية بدلًا من التجريب اليدوي

Microsoft SkillOpt إطار عمل لتحسين موجّهات الذكاء الاصطناعي تلقائيًا. ينفّذ النظام دورة كاملة دون تدخل بشري: يختبر المهارة الحالية، ويحلّل الأخطاء، ويختار نسخة محسّنة، ويستبعد حالات التراجع عبر validation gating. أظهر التنفيذ الشامل، من البداية إلى النهاية، أن الدقة ترتفع بشكل ملحوظ بعد بضع تكرارات فقط.

معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
Microsoft SkillOpt: تحسين تلقائي للموجّهات النصية بدلًا من التجريب اليدوي
المصدر: MarkTechPost. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليMarkTechPost ↗
رئيس التحرير
حقيقة رئيسية #1Rollout — تشغيل النموذج على أمثلة اختبار بالموجّه الحالي
حقيقة رئيسية #2Reflection — تحليل تلقائي للأخطاء ونقاط الضعف في الإجابات
حقيقة رئيسية #3Aggregation — تعميم أنماط المشكلات التي جرى رصدها

اجتاز Microsoft SkillOpt، وهو إطار عمل لتحسين موجّهات الذكاء الاصطناعي تلقائيًا، دورة تنفيذ عملية كاملة: من إعداد المستودع إلى مقارنة تفصيلية بين المهارة المحسّنة والنسخة الأصلية.

ما هو SkillOpt

SkillOpt أداة من Microsoft للتحسين التكراري لـ«مهارات» الذكاء الاصطناعي. في سياق النظام، المهارة هي موجّه نصي منظَّم يتحكم في سلوك النموذج اللغوي عند حل مهمة محددة، مثل التصنيف أو استخراج البيانات أو الإجابة عن الأسئلة. وبدل التجريب اليدوي للصياغات، يجري النظام التجارب بنفسه، ويقيّم النتائج، ويختار أفضل النسخ.

تتكون دورة التحسين من ست خطوات متتابعة:

  • Rollout — تشغيل النموذج على أمثلة اختبار بالموجّه الحالي
  • Reflection — تحليل تلقائي للأخطاء ونقاط الضعف في الإجابات
  • Aggregation — تعميم أنماط المشكلات التي جرى رصدها
  • Selection — اختيار النسخة الجديدة الأكثر ترجيحًا للموجّه
  • Updating — تحديث المهارة بناءً على استنتاجات التأمل
  • Validation gating — فحص نهائي: لا يُقبل التغيير إلا إذا لم تتراجع المقاييس

تتكرر الدورة حتى بلوغ الدقة المستهدفة أو استنفاد ميزانية التكرارات. وبالتوازي، يحتفظ النظام بسجل كامل للتعلّم، ما يتيح تتبّع تطور الموجّه في كل خطوة والعودة إلى النسخة السابقة عند الحاجة.

ماذا أظهر التنفيذ

شمل التنفيذ الكامل إعداد المستودع، وربط واجهة API متوافقة مع OpenAI، وضبط دورين للنموذج. يتولى Optimizer التأمل واختيار النسخة الجديدة من الموجّه، بينما يؤدي target المهمة نفسها. وقد جرى تقييم مهارة seed، وهي نقطة الانطلاق، كخط أساس baseline قبل بدء التحسين، لقياس مكسب الجودة بنزاهة.

ترتفع الدقة بشكل ملحوظ بعد التكرارات القليلة الأولى. ويؤثر Edit-budget، أي الحد الأقصى لعدد التعديلات في كل دورة، مباشرة في سرعة التقارب: الميزانية الصارمة جدًا تبطئ التقدم، والمتساهلة جدًا تؤدي إلى تغييرات غير مستقرة. ويعمل Validation gating كمرشّح ضد التراجع: فالنسخة التي تبدو أفضل محليًا لكنها تفشل في الفحص النهائي تُستبعد تلقائيًا.

وتُظهر المقارنة النهائية بين evolved skill وbaseline بوضوح مكسب الدقة بالنقاط المئوية. وبالتوازي يُحلَّل استهلاك التوكنات في كل مرحلة، وهو أمر مهم عند تقدير تكلفة التحسين التلقائي في بيئة الإنتاج.

لماذا يحتاجه المطورون

هندسة الموجّهات التقليدية عملية يدوية وبطيئة: تكتب موجّهًا، وتشغّل الاختبار، وتلاحظ الخطأ، وتعدّل الصياغة، ثم تكرر. وفي المهام غير البسيطة يستغرق ذلك أيامًا ويتطلب فهمًا عميقًا لسلوك النموذج المحدد. يحوّل SkillOpt هذه العملية إلى وضع تلقائي بمقاييس قابلة للقياس وتكرارات قابلة للاستنساخ، تمامًا كما أغنت الاختبارات الآلية المطورين عن فحص الشيفرة يدويًا.

«تتطور المهارة عبر حلقة تغذية راجعة، وهذا نهج مختلف جذريًا في هندسة الموجّهات مقارنة بالتجريب اليدوي للصياغات»، بحسب مؤلفي التنفيذ.

تبرز قيمته خصوصًا للفرق التي يمكن فيها قياس جودة إجابات LLM: التصنيف، واستخراج البيانات المنظَّمة، وتوليد الشيفرة. وحيثما توجد ground truth ومقياس نجاح واضح، يمكن دمج SkillOpt كخط CI للموجّهات، فتتحسن تلقائيًا عند تغيّر المتطلبات أو ظهور بيانات تدريب جديدة.

ماذا يعني ذلك

ينقل SkillOpt تحسين الموجّهات من فنّ قائم على الحدس إلى عملية هندسية بنتائج قابلة للقياس. فبعدما كان «أفضل موجّه» يُعثر عليه بالتجربة والحدس، ويصعب تفسير سبب تفوقه، بات من الممكن الآن توثيقه واستنساخه. وبالنسبة لفرق المنتجات، يقلل ذلك الاعتماد على خبرة أفراد بعينهم، ويجعل جودة مكوّنات الذكاء الاصطناعي قابلة للإدارة والتنبؤ.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما هو SkillOpt؟

SkillOpt أداة من Microsoft للتحسين التكراري لـ«مهارات» الذكاء الاصطناعي. في سياق النظام، المهارة هي موجّه نصي منظَّم يتحكم في سلوك النموذج اللغوي عند حل مهمة محددة، مثل التصنيف أو استخراج البيانات أو الإجابة عن الأسئلة. وبدل التجريب اليدوي للصياغات، يجري النظام التجارب بنفسه، ويقيّم النتائج، ويختار أفضل النسخ.

ما أبرز التفاصيل حول ماذا أظهر التنفيذ؟

شمل التنفيذ الكامل إعداد المستودع، وربط واجهة API متوافقة مع OpenAI، وضبط دورين للنموذج. يتولى Optimizer التأمل واختيار النسخة الجديدة من الموجّه، بينما يؤدي target المهمة نفسها. وقد جرى تقييم مهارة seed، وهي نقطة الانطلاق، كخط أساس baseline قبل بدء التحسين، لقياس مكسب الجودة بنزاهة. ترتفع الدقة بشكل ملحوظ بعد التكرارات القليلة الأولى. ويؤثر Edit-budget، أي الحد الأقصى لعدد التعديلات في كل دورة، مباشرة في سرعة التقارب: الميزانية الصارمة جدًا تبطئ التقدم، والمتساهلة جدًا تؤدي إلى تغييرات غير مستقرة.

ما أبرز التفاصيل حول لماذا يحتاجه المطورون؟

هندسة الموجّهات التقليدية عملية يدوية وبطيئة: تكتب موجّهًا، وتشغّل الاختبار، وتلاحظ الخطأ، وتعدّل الصياغة، ثم تكرر. وفي المهام غير البسيطة يستغرق ذلك أيامًا ويتطلب فهمًا عميقًا لسلوك النموذج المحدد. يحوّل SkillOpt هذه العملية إلى وضع تلقائي بمقاييس قابلة للقياس وتكرارات قابلة للاستنساخ، تمامًا كما أغنت الاختبارات الآلية المطورين عن فحص الشيفرة يدويًا. «تتطور المهارة عبر حلقة تغذية راجعة، وهذا نهج مختلف جذريًا في هندسة الموجّهات مقارنة بالتجريب اليدوي للصياغات»، بحسب مؤلفي التنفيذ.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…