NVIDIA تتيح مجموعات بيانات Nemotron: 10 تريليونات رمز لتدريب وكلاء الذكاء الاصطناعي

في 8 يوليو 2026 نشرت NVIDIA على Hugging Face منشورًا بحثيًا عن البيانات المفتوحة لوكلاء الذكاء الاصطناعي، وأصدرت في الوقت نفسه مجموعات بيانات Nemotron التي تضم أكثر من 10 تريليونات رمز للتدريب المسبق وملايين الأمثلة للتدريب اللاحق. ويُعد هذا الإصدار من أكبر الإصدارات العامة لبيانات التدريب الموجّهة تحديدًا إلى الأنظمة الوكيلية.

لماذا لا تكفي أوزان النموذج وحدها؟

لا يتحدد سلوك وكيل الذكاء الاصطناعي بأوزان الشبكة العصبية وحدها، بل أيضًا بالبيانات التي دُرّبت عليها تحديدًا. فاختبارات الأداء المعيارية والمدونات النصية العامة لا تعكس التعقيد الحقيقي للمهام الوكيلية: سلاسل الإجراءات متعددة الخطوات، والعمل مع الأدوات، والأعطال، والتعافي من الأخطاء.

تغطي مجموعات بيانات Nemotron ثمانية مجالات رئيسية:

• مسارات تطوير البرمجيات (software engineering traces)
• أعطال استدعاء الأدوات (tool-use failures)
• الاستدلال متعدد الخطوات
• البحث واستخراج المعلومات
• الأمان والتحكم في السلوك
• محاكاة المستخدمين
• تنفيذ سير العمل
• التحقق من الإجابات

يتجاوز جزء التدريب المسبق 10 تريليونات رمز، بينما يضم جزء التدريب اللاحق ملايين الأمثلة الموسومة في عدة مجالات. وتكتسب بيانات الأعطال قيمة خاصة، أي الاستدعاءات الخاطئة للأدوات وسلاسل الإجراءات الفاشلة. فمعظم مجموعات البيانات المفتوحة توثّق السيناريوهات الناجحة فقط، أما بيانات الإخفاق فتتيح للوكلاء أن يتعلموا التعافي، لا أن يحققوا النتيجة من المحاولة الأولى فحسب.

كيف تحمي البيانات الاصطناعية الخصوصية؟

من أبرز العقبات أمام تطوير وكلاء الذكاء الاصطناعي المؤسسيين استحالة مشاركة سير العمل الحقيقي علنًا. فخطوط المعالجة الداخلية وبيانات العملاء والمنطق التجاري مغلقة بطبيعتها، ولا تستطيع الشركات نشر ما يشكّل ميزتها التنافسية.

تحل البيانات الاصطناعية هذه المشكلة، إذ تولّد المؤسسات إشارات تدريب مفيدة انطلاقًا من عمليات حقيقية دون الكشف عن العمليات نفسها. وهذا يفتح الباب للمشاركة في منظومات البيانات المفتوحة دون خطر تسرب المعلومات التجارية.

وتشدد NVIDIA على أن هذا النهج يتطلب الشفافية: إذ يجب توثيق ما جرى توليده تحديدًا، وعلى أي أساس، وما الذي خضع لمراجعة الخبراء. والبيانات الاصطناعية ليست حلًا شاملًا، فجودتها تعتمد مباشرة على صحة النماذج المولِّدة وعمليات التحقق.

«تتيح البيانات الاصطناعية المشاركة في منظومات البيانات المفتوحة دون الكشف عن سير العمل السري أو بيانات العملاء» — فريق

Nemotron.

Prompt Atlas و2.4 مليار شخصية اصطناعية

أنشأت NVIDIA للباحثين أداة Nemotron Post-Training v3 Prompt Atlas، وهي أداة بصرية تفاعلية لدراسة ملايين الأمثلة. وتُنظَّم البيانات بحسب مجموعة البيانات والمجال وأنماط استدعاء الأدوات، ما يجعل المجموعة أكثر من أرشيف قابل للتنزيل، إذ تصبح فضاءً لتحليل التوزيعات والأنماط.

وتستحق Nemotron-Personas اهتمامًا خاصًا، وهي مجموعة شخصيات اصطناعية تغطي حتى 8 يوليو 2026 أكثر من 2.4 مليار شخص من عشر دول. والشخصيات «مؤسَّسة محليًا»، أي تعكس الخصوصية الإقليمية والأنماط الثقافية والتنوع الديموغرافي للسكان. ويتيح ذلك تدريب وكلاء يفهمون السياق المحلي للطلبات، لا الإنجليزية التقنية العامة فحسب، بل أيضًا خصائص التواصل المميزة لمناطق بعينها.

ماذا يعني ذلك

يضع إصدار مجموعات بيانات Nemotron معيارًا جديدًا للانفتاح في تطوير وكلاء الذكاء الاصطناعي. ويشير تضمين بيانات أعطال الأدوات والشخصيات الاصطناعية والأطلس التفاعلي إلى أن NVIDIA تنظر إلى الوكلاء لا بوصفهم روبوتات دردشة محسّنة، بل أنظمة تعمل في العالم الحقيقي مع مستخدمين حقيقيين وإخفاقات حقيقية. وتحصل الفرق التي تبني وكلاء متخصصين على أساس جاهز لمواصلة التدريب، دون الحاجة إلى جمع الوسوم من الصفر.