DeepSearch-Evolve: وكيل ويب بـ 9 مليارات معامل يتعلم دون معلّم ويحقق 61% على GAIA

نشر باحثون في 9 يوليو 2026 على arXiv ورقة تمهيدية بعنوان DeepSearch-World: يتيح إطار التقطير الذاتي DeepSearch-Evolve لوكلاء الويب أن يتعلموا من تجربتهم الخاصة دون الاستعانة بنماذج معلّمة أقوى. وقد سجّل النموذج ذو 9 مليارات معامل نسبة 61,5% على GAIA و93,4% على HotpotQA.

لماذا يصعب تدريب الوكلاء من التجربة

تعاني الطريقتان المهيمنتان في تدريب الوكلاء من نقاط ضعف جوهرية. فالضبط الدقيق الخاضع للإشراف (SFT) يدرّب الوكيل على مسارات ثابتة مقطَّرة من معلّم، أي أن النموذج ينسخ تجربة غيره دون أن يكوّن تجربته الخاصة. أما التعلم المعزز (RL) فيتيح من حيث المبدأ للوكيل أن يتعلم من أخطائه، لكن في التفاعلات الطويلة، حيث ينفّذ الوكيل عشرات الخطوات على الإنترنت قبل أن يتلقى الإشارة النهائية، تصبح المكافأة شحيحة أكثر من أن تسمح بتدريب فعّال.

وعالج المؤلفون المشكلة بطريقة مختلفة: أنشأوا بيئة قابلة للتحقق يتلقى فيها الوكيل إشارة راجعة كثيفة عند كل خطوة، دون الاعتماد على حَكَم خارجي.

كيف تعمل بيئة DeepSearch-World

DeepSearch-World بيئة حتمية وقابلة لإعادة الإنتاج، وتوفر أداتين: البحث وقراءة الصفحات. والحتمية تعني أن الاستعلام نفسه يعيد دائمًا النتيجة نفسها، وهي ظروف مثالية لتدريب الوكلاء ومقارنتهم.

أبرز خصائصها:

• 420 000 مهمة متعددة الخطوات، بُنيت عبر مسارات عشوائية على رسم بياني للكيانات
• ثلاثة سلوكيات معرفية مدمجة: التحقق من التقدم، والتأمل المرتكز على الواقع، والتعافي من الإخفاقات
• قابلية إعادة إنتاج كاملة لأي مسار ينفّذه الوكيل

والمهام «متعددة الخطوات» بمعنى أن الوكيل، كي يجيب عن سؤال، عليه أن يعثر تباعًا على عدة وقائع مترابطة، تستند كل منها إلى سابقتها.

ما النتائج التي حققها النموذج دون معلّم

يمرّ إطار DeepSearch-Evolve تكراريًا بأربع مراحل: توليد المسارات ← الترشيح ← خلط البيانات ← إعادة التدريب. وفي كل تكرار ينتقي الوكيل المسارات الناجحة، ويضيفها إلى البيانات المتراكمة، ثم يعيد تدريب نفسه، فيتحسن تدريجيًا دون مساعدة خارجية.

وقد حقق النموذج DeepSearch-World-9B، دون تقطير من GPT-4 أو غيره من النماذج الرائدة (frontier)، نتائج منافسة بين الوكلاء المفتوحين:

• 31,2% على BrowseComp، وهو معيار من OpenAI لتصفح الويب الحقيقي
• 61,5% على GAIA، وهو اختبار شامل لمساعدي الذكاء الاصطناعي
• 93,4% على HotpotQA، وهو معيار للبحث متعدد الخطوات عن وقائع مترابطة

«تفتح البيئات القابلة للتحقق الطريق نحو تطور ذاتي قابل للتوسّع للوكلاء

ذوي آفاق التفاعل الطويلة».

ويخطط المؤلفون لإتاحة البيئة، ومجموعة المهام البالغ عددها 420 ألف مهمة، ومجموعة التحقق، ونقطة حفظ النموذج (checkpoint)، والشيفرة الكاملة.

ماذا يعني ذلك

تجيب الدراسة عن سؤال مهم: هل نحتاج إلى نموذج رائد (frontier) كي ننشّئ وكيلًا قويًا؟ يتبيّن أن الجواب لا، إذا صُمّمت بيئة التدريب تصميمًا سليمًا. فالبيئة القابلة للتحقق ذات المكافآت الكثيفة تتيح للوكيل أن يحسّن نفسه دون الاعتماد على نماذج تجارية مغلقة، وهذه خطوة مهمة نحو جيل جديد من وكلاء الويب المفتوحين القابلين للتوسّع.

أسئلة شائعة

ما هو BrowseComp ولماذا تُعدّ نسبة 31,2% نتيجة جيدة؟

BrowseComp معيار من OpenAI لتقييم قدرة الوكلاء على العمل مع الإنترنت الحقيقي. وتُصمَّم مهامه عمدًا لتكون صعبة، وتُعدّ نتيجة تفوق 30% منافسة بين النماذج المفتوحة التي لا يتجاوز حجمها 10 مليارات معامل.

متى ستصدر مجموعة بيانات DeepSearch-World المفتوحة؟

أعلن المؤلفون عزمهم إتاحة البيئة و420 ألف مهمة ومجموعة التحقق والنموذج والشيفرة، غير أن الورقة التمهيدية المؤرخة في 9 يوليو 2026 لا تحدد تاريخًا بعينه للإصدار العلني.