TriAgent: لجنة من النماذج الصغيرة بدلاً من LLM مكلف توفّر 9,3 مليون دولار سنوياً

نشرت مجموعة من الباحثين في يوليو 2026 على arXiv ورقة بحثية عن TriAgent، وهو نظام متعدد الوكلاء لتحليل المشاعر المالية. ويوفّر النظام على نطاق 10 ملايين مستخدم 9,3 مليون دولار سنوياً مقارنةً بالحل الأساسي القائم على GPT-4o-mini.

كيف تعمل لجنة TriAgent

يوزّع TriAgent الطلبات على ثلاثة مستويات لـ«رؤية» النص، وكل مستوى أعلى كلفة من سابقه. تتولى المستويات الرخيصة معظم الحالات البسيطة، ولا يُستدعى LLM المكلف إلا في الحالات الخلافية. وتقوم الفكرة على ما يسميه الباحثون فخّ التكلفة البنيوي: معظم الطلبات تُصنَّف بسهولة، لكن المحلّل السحابي (reasoner) يعالجها جميعاً، فتنمو الفاتورة خطياً مع عدد المستخدمين.

• قاموس VADER: تحليل على مستوى الكلمات المفردة
• نموذج المحوّلات FinBERT: تحليل على مستوى الجملة
• Qwen2.5 (من 0.5B إلى 14B، بدقة 4 بت) بوصفه reasoner يعمل على عدة جمل، مع عمليات تحقق متقاطعة بواسطة Mistral-7B وPhi-3.5-mini
• مؤشر التباعد الدلالي (SDI) يقيس مدى تباعد المستويات فيما بينها ويحدد الجهة التي تتولى الطلب
• التوفير: 9,3 مليون دولار سنوياً عند 10 ملايين مستخدم مقارنةً بـ GPT-4o-mini

«معظم الطلبات تُصنَّف بسهولة، ومع ذلك تعالجها جميعاً نماذج reasoner

سحابية مكلفة» — من ملخص الورقة على arXiv.

ما هو «هضبة الناقد» (critic plateau)

الاستنتاج الرئيسي للورقة هو «هضبة الناقد»: عندما يُعاد تكليف LLM بدور الناقد لمخرجات وكلاء أصغر، يستقر مقياس F1 عند نحو 0.87 لنماذج Qwen من 1.5B إلى 7B (وتتداخل فترات الثقة). وللمقارنة، فإن تصويت ثلاث «شخصيات» من الحجم نفسه يعطي F1=0.66 فقط.

ويرجع الفارق، بحسب المؤلفين، إلى التنوع الناتج عن اختلاف دقة التحليل: فالمستويات الثلاثة «ترى» النص بطرق مختلفة، وهذا أنفع من ثلاثة نماذج متطابقة بأدوار مختلفة.

ثلاث نتائج جانبية لمؤشر SDI

من إشارة SDI نفسها يستخلص المؤلفون ثلاث نتائج. فقاموس الإجماع المشترك المبني على sentence-BERT متعدد اللغات يجيب عن 95% من الطلبات الصينية انطلاقاً من ذاكرة التخزين المؤقت الإنجليزية بقيمة F1=0.99، أي أنه ينقل التوسيم بين اللغات دون تكاليف إضافية تُذكر.

كما يعمل SDI كاشفاً لهلوسات LLM بعد وقوعها بقيمة AUC=0.90. وفي اختبار رجعي (backtest) على 20 سهماً، حققت الاستراتيجية القائمة على SDI أفضل عائد معدّل بالمخاطر: Sharpe 3.50 مقابل 1.36 لاستراتيجية «FinBERT دائماً» و0.11 لاستراتيجية «LLM دائماً».

ماذا يعني ذلك

يقدّم TriAgent وصفة عملية: بدلاً من تمرير كل طلب عبر نموذج مكلف، يجري توجيه الطلبات بحسب درجة تعقيدها. وبالنسبة لبيئات الإنتاج التي تخدم ملايين المستخدمين، هذا هو الفارق بين فاتورة تنمو خطياً وتوفير بملايين الدولارات، دون خسارة في الجودة. وقد نشر المؤلفون الشيفرة والقواميس وقاموس الإجماع للاستخدام المفتوح.

أسئلة شائعة

كم يوفّر TriAgent؟

بحسب حسابات المؤلفين، يوفّر النظام عند 10 ملايين مستخدم 9,3 مليون دولار سنوياً مقارنةً بالحل الأساسي القائم على GPT-4o-mini، لأن LLM المكلف لا يُستدعى إلا للطلبات الخلافية.

ما هو مؤشر SDI؟

مؤشر التباعد الدلالي (Semantic Divergence Index، SDI) مقياس للتباعد الزوجي بين مستويات التحليل الثلاثة (الكلمة، والجملة، وعدة جمل). وهو يوجّه الطلبات، ويعمل في الوقت نفسه كاشفاً لهلوسات LLM بدقة AUC=0.90.

ما النماذج التي يستخدمها TriAgent؟

قاموس VADER ونموذج المحوّلات FinBERT ونموذج الاستدلال Qwen2.5 (0.5B–14B بدقة 4 بت)، مع عمليات تحقق متقاطعة بواسطة Mistral-7B وPhi-3.5-mini.