قدمت Apple ML Research Weblica — بيئة قابلة للتوسع لتدريب وكلاء ويب بصريين

نشرت Apple ML Research مقالة حول Weblica (Web Replica) — وهو إطار عمل لإنشاء بيئات تدريب قابلة للتكرار وقابلة للتوسع للعملاء الويب البصريين القادرين على العمل في المتصفح مثل الإنسان.

تعمل عدة مختبرات رائدة في العالم على مهمة تدريب العملاء البصريين على الويب: العملاء الذين يرون المتصفح مثل الإنسان ويتصرفون داخله يمثلون ثورة محتملة في أتمتة المهام المتكررة عبر الإنترنت. تطلق Apple Weblica كأداة تسد فجوة أساسية في البنية التحتية للتدريب.

لماذا من الصعب جداً تدريب عميل ويب؟

الويب يتغير باستمرار: الصفحات تُحدَّث، والواجهات تُعاد تصميمها، ومنطق JavaScript يحمل المحتوى بشكل ديناميكي. بالنسبة لعامل ذكاء اصطناعي يعمل في المتصفح مثل الإنسان، هذا يعني بيئة تدريب غير مستقرة بشكل أساسي — من المستحيل تكرار نفس السيناريو بعد أسبوع لأن الموقع قد تغير.

تعاني الأساليب الحالية لجمع بيانات التدريب من قيود هيكلية. المسارات غير المتصلة بالإنترنت للضبط الدقيق الخاضع للإشراف (SFT) هي جلسات مسجلة يحفظها العميل عن ظهر قلب. إنها لا تتسع ولا تعلم العميل الاستجابة للتغييرات الحية في الواجهة. البيئات المحاكاة للتعلم المعزز (RL) تحل مشكلة التفاعلية، لكن هناك عدد قليل فقط منها — وتغطي مجموعة ضيقة من السيناريوهات التي لا تعكس التنوع الحقيقي للإنترنت.

كيف يعمل Weblica؟

يحل Weblica المشكلة من خلال آليتين متكاملتين.

التخزين المؤقت على مستوى HTTP. يقوم الإطار بقطع وحفظ طلبات واستجابات HTTP أثناء التصفح الحي، ثم إعادة إنتاج حالات صفحات بصرية دقيقة دون الوصول إلى الخادم الأصلي. الخاصية الأساسية: هذا ليس لقطة ثابتة، بل بيئة تفاعلية قابلة للتكرار — الأزرار تعمل، النماذج تقبل الإدخال، الانتقالات بين الصفحات تعمل بشكل صحيح.

• ذاكرة التخزين المؤقت HTTP تلتقط استجابات الشبكة وتضمن نتيجة بصرية متطابقة في كل تشغيل
• يتم الحفاظ على التفاعلية — يمكن للعميل النقر والإدخال والتنقل بين الصفحات
• البيئة مستقرة بغض النظر عن التغييرات على مواقع المصدر
• القابلية للتكرار حاسمة لـ RL: بدونها، من المستحيل مقارنة نتائج التجارب المختلفة بشكل عادل

البيئات المركبة بواسطة LLM. تستخدم الآلية الثانية نماذج اللغة لتوليد بيئات ويب جديدة. بدلاً من إنشاء مئات سيناريوهات الاختبار يدويًا، يفوض Weblica إلى LLM مهمة بناء مهام ويب متنوعة وصفحات مقابلة. هذا يسمح بتوسيع تنوع بيانات التدريب دون نمو خطي في تكاليف التعليق التوضيحي. نتيجة لذلك، يقوم Weblica بإنشاء مصنع قابل للتوسع لبيئات التدريب: ذاكرة التخزين المؤقت HTTP تضمن الاستقرار، LLM يضمن التنوع.

ماذا يعني هذا

يعالج Weblica عجزين رئيسيين في تطوير العملاء البصريين على الويب: القابلية للتكرار (تنتج البيئة نفسها نتائج متطابقة في تجارب مختلفة، وهو ضروري لـ RL عادل) والتنوع (تركيب LLM ينشئ تغطية لا يمكن تحقيقها من خلال التعليق التوضيحي اليدوي).

المنشور من Apple ML Research جدير بالملاحظة أيضًا من منظور استراتيجي: الشركة تحافظ تقليديًا على احتياطي فيما يتعلق بأبحاث الذكاء الاصطناعي العامة. ظهور مقالة مفصلة عن البنية التحتية لتدريب العملاء يشير إلى استثمارات جادة في هذا الاتجاه. إذا دخل Weblica ممارسات تطوير Apple Intelligence، فيمكن لـ Siri والأدوات ذات الصلة حجز التذاكر وملء النماذج وتجميع البيانات بشكل مستقل مباشرة في المتصفح.

الأسئلة الشائعة

كيف يختلف Weblica عن كاشط الويب العادي؟

كاشط عادي يستخرج البيانات من صفحة ويتوقف عند هذا الحد. يحافظ Weblica على الحالة التفاعلية الكاملة: يمكن للعميل النقر على الأزرار وإدخال نص في النماذج واتباع الروابط — تماماً كما في متصفح حقيقي. في الوقت نفسه، البيئة قابلة للتكرار ولا تعتمد على التغييرات على موقع مباشر.

لماذا يحتاج عميل الويب إلى بيئة قابلة للتكرار؟

يتطلب التعلم المعزز (RL) آلاف تكرارات نفس السيناريو لمقارنة استراتيجيات عملاء مختلفة. إذا تغير الموقع بين المشغلات، فمن المستحيل تدريب وتقييم العميل بشكل صحيح. يحل التخزين المؤقت HTTP في Weblica بالضبط هذه المشكلة بتثبيت حالة البيئة في لحظة التسجيل.