تي-بنك يطلق T-Search: وكيل مفتوح المصدر للبحث متعدد الخطوات باللغة الروسية

أطلق تي-بنك في يوليو 2026 نموذج T-Search، وهو وكيل استرجاع مفتوح المصدر للبحث المعقّد متعدد الخطوات. بُني النموذج على Qwen3.6-35B-A3B ودُرِّب بالكامل على بيانات اصطناعية. ويمثّل فئة جديدة من النماذج ضمن سلسلة Gen-T المفتوحة، التي تضم بالفعل عائلتَي T-Lite وT-Pro الناطقتين بالروسية.

كيف يختلف T-Search عن البحث التقليدي

لا يكتب T-Search الإجابة النهائية، بل يسلّم قائمة مرتبة من المقاطع النصية (chunks) ذات الصلة، أي أجزاء من النص. ويمكن إسناد توليد الإجابة النهائية فوق هذه القائمة إلى أي نموذج يلبّي متطلبات المنتج المعني. وهذا قرار معماري محوري: فالمسترجِع (retriever) والمولِّد (generator) منفصلان، والمطوّر هو من يختار نموذج LLM الذي يصوغ الإجابة للمستخدم.

النموذج مصمَّم للبحث متعدد الخطوات، أي الحالات التي لا يمكن فيها العثور على الإجابة باستعلام واحد، بل يلزم توضيح الاستعلام تدريجياً ودمج المصادر واستبعاد ما لا حاجة إليه.

• النموذج الأساسي: Qwen3.6-35B-A3B (بنية MoE)
• التدريب: بالكامل على بيانات اصطناعية ومخصَّص للحزمة التشغيلية (harness) الخاصة بتي-بنك
• مخرجات النموذج: قائمة مرتبة من المقاطع النصية، وليس نصاً جاهزاً
• جزء من سلسلة Gen-T المفتوحة (بعد T-Lite وT-Pro)
• إلى جانب النموذج، أُتيح مفتوح المصدر معيارا اختبار: TRuST وSynthComp

كيف دُرِّب النموذج

دُرِّب T-Search على مرحلتين: SFT (الضبط الدقيق الخاضع للإشراف) وRL (التعلّم المعزَّز)، وذلك على بيانات ولّدها تي-بنك بنفسه. ولهذا الغرض بنى الفريق «مصنعاً» لمهام البحث الاصطناعية مع حلقة تحقق تنافسية: تُنشأ المهام ويُتحقق من جودتها فوراً، حتى لا تدخل المخلّفات عديمة القيمة إلى مجموعة التدريب.

والنهج المتبع مع البيانات الاصطناعية هنا مبدئي: فمجموعات البيانات الحقيقية الموسومة للبحث الوكيلي المعقّد باللغة الروسية شبه معدومة، ولذلك اضطر الفريق إلى توليد بيانات التدريب لحزمة تشغيلية (harness) محددة بدلاً من جمعها يدوياً.

«T-Search لا يكتب الإجابة النهائية، بل يسلّم قائمة مرتبة من المقاطع

النصية، ويمكن إسناد التوليد إلى أي نموذج يلبّي متطلبات المنتج المعني»، بحسب تولا بوتابوف، مهندس تعلّم آلي (MLE) في تي-بنك، في مدونة الشركة على Habr.

لماذا نحتاج معيارَي TRuST وSynthComp

إلى جانب النموذج، فتح تي-بنك مصدر معيارَي اختبار لقياس جودة البحث الوكيلي. ووفق وصف الفريق، فإن TRuST هو أول معيار للبحث الوكيلي المعقّد باللغة الروسية. أما SynthComp فهو معيار اصطناعي بالروسية والإنجليزية مع فهارس ثابتة، ما يتيح مقارنة المسترجِعات المختلفة بصورة قابلة للتكرار على البيانات نفسها.

وتتمتع المعايير المفتوحة بالروسية بأهمية خاصة: فمعظم مقاييس الاسترجاع (retrieval) وRAG صُمِّمت تاريخياً للإنجليزية، وكان قياس جودة البحث بالروسية بموضوعية يفتقر في السابق إلى أدوات تكاد تكون معدومة.

ماذا يعني ذلك

يواصل تي-بنك إثراء منظومة الذكاء الاصطناعي الروسية المفتوحة: فبعد نموذجَي اللغة T-Lite وT-Pro، ظهر مسترجِع متخصص وأدوات لتقييمه. وبالنسبة للفرق التي تبني أنظمة RAG ووكلاء بحث بالروسية، فهذا مكوّن جاهز مفتوح المصدر، وطريقة لقياس جودته بنزاهة.

الأسئلة الشائعة

ما هو T-Search؟

T-Search هو وكيل استرجاع مفتوح المصدر من تي-بنك للبحث المعقّد متعدد الخطوات، مبني على Qwen3.6-35B-A3B. لا يولّد الإجابة النهائية، بل يعيد قائمة مرتبة من المقاطع النصية ذات الصلة، ويصوغ فوقها أي نموذج يقع عليه الاختيار الإجابة.

على أي بيانات دُرِّب T-Search؟

دُرِّب النموذج بالكامل على بيانات اصطناعية ولّدها تي-بنك للحزمة التشغيلية (harness) الخاصة به عبر «مصنع» لمهام البحث مع حلقة تحقق تنافسية. وجرى التدريب على مرحلتين: SFT وRL.

ما معايير الاختبار التي نشرها تي-بنك؟

إلى جانب النموذج، صدر مفتوحَي المصدر معيارا اختبار: TRuST، وهو أول معيار للبحث الوكيلي المعقّد باللغة الروسية، وSynthComp، وهو معيار اصطناعي بالروسية والإنجليزية مع فهارس ثابتة.